基于自适应形态学滤波的X射线图像的缺陷提取

将数学形态学的理论运用于实际X射线焊缝图像的缺陷提取 ,提出一种结构元大小能随缺陷尺寸自动调整的自适应形态学滤波方法 ,取得了较好效果。

基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法

针对红外序列图像中运动弱小目标的检测问题,提出了一种基于自适应形态学Top-Hat算子和改进的自适应门限的弱小目标检测方法,其中形态学滤波器的结构元素采用两层前馈神经网络通过大量样本训练优化.将Top-Hat运算作为一个整体当作一层,输出层节点定义为作Top-Hat运算后图像矩阵的最大值,并针对所检测的大多数弱小点目标采用自适应门限进行分割,同时对SNR>4左右的点目标用固定门限进行分割.实验结果表明,该方法对SNR较低的复杂图像具有良好的滤波效果.

基于自适应形态学滤波算法的X射线图像的缺陷提取

将数学形态学滤波算法应用于X射线焊接图像的缺陷提取,关键在于确定结构元素大小。本文提出一种自适应数学形态学滤波算法,首先对垂直于焊接图像的扫描线进行分水岭变换来确定结构元素尺寸大小,结构元素能随缺陷尺寸大小自动调整,然后应用数学形态学开操作得到图像背景,原始图像减去背景图像得到滤波结果。将本方法用于焊接缺陷边缘的提取,取得了好的效果。

利用自适应形态学实现遥感水体图像增强

遥感水体图像内容信息复杂,为了滤除水体外噪声干扰方便后续水体区域分析,在保持水体区域边缘的同时增强对比度较低的遥感水体图像。提出了一种利用自适应椭圆结构元素的形态学遥感水体图像对数增强方法。利用线性结构张量估计图像特征值和特征向量,利用该特征建立自适应椭圆结构元素,更好地保持水体边缘;定义自适应形态学膨胀腐蚀,组合衍生出自适应形态学开闭运算;利用自适应形态学运算构造对数增强运算,达到滤除非目标区域噪声并增强遥感水体图像的目的。实验结果表明,相比传统和自适应形态学增强方法,该方法不仅能够滤除目标外噪声干扰,增强水体区域目标,而且保证水体边缘位置和形状,提高了对比度和信息熵。

基于自适应形态学滤波的红外小目标检测算法

针对低对比度下小目标常被大量背景杂波和噪声干扰,检测结果不理想的问题,提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。根据人类视觉对比机制对图像进行感兴趣区域(ROI)提取以确定候选目标,通过提取轮廓获得候选目标的尺寸,并由获取的尺寸自适应构造双结构元素。运用双结构元素形态学滤波抑制噪声和杂波信号,用中值滤波对形态学滤波后的杂点噪声进一步抑制。实验表明本文提出的算法能有效抑制噪声干扰,显著提高目标信杂比,准确检测弱小红外目标,算法具有很好的鲁棒性和实时性。

基于椭圆结构元素的自适应形态学运算方法

传统形态学使用固定结构元素对图像进行形态学运算时,容易使图像边缘属性发生改变的。首先计算图像的线性结构张量;然后得到线性结构张量的特征值和特征向量,以此特征确定椭圆结构元素的长短半轴以及方向;最后在构造椭圆结构元素的基础上,定义相应的自适应形态学膨胀和腐蚀以及开闭运算。实验结果表明:利用椭圆结构元素的自适应形态学运算相比传统形态学运算和其他自适应形态学运算,具有较高的边缘保持特性和抗噪性能,梯度幅值相似性偏差和失真较小。

图空间上自适应形态学算子

为了解决现有图空间上形态学应用中固定选取结构元素的问题,在图空间上提出了相似权的概念,定义了自适应结构图,对结构图的性质进行了证明.在此基础上提出一种图空间上自适应形态学算子,并从理论上验证了该算子的完备性.新算子不仅考虑了图像像素点的局部特征,同时考虑了连续像素的全局特征.实验结果表明,新算子不仅在保存彩色信息的完整及关联性方面优于现有的彩色形态学,而且可以根据图像的特征自适应的选取阈值和结构元素,在更精细的图像处理方面具有良好的应用前景.

桥梁结构动力测试信号的自适应形态学滤波研究

桥梁健康监测数据中不可避免地会掺杂系统噪声和测试噪声,噪声的存在将严重影响桥梁状态评估的准确性。为了抑制噪声对桥梁状态评估的影响,获得精确的桥梁状态评估结果,本文提出了一种自适应的形态学滤波器(Adaptive Morphological Filter,AMF)。首先比选了AMF的各类结构元素类型,并依据AMF对信号傅里叶谱相对幅值的影响程度确定适宜的结构元素尺寸,据此构建滤波器。实现原始信号的自适应滤波后,用确定-随机子空间识别方法对原始数据和滤波后数据的模态参数进行识别,并使用稳定图法对滤波效果进行对比。以大比尺斜拉桥模型试验的测试数据为支撑对所提算法进行了验证。结果表明,AMF可显著提高桥梁模态参数识别结果的稳定性,并能挖掘出被噪声淹没的高阶桥梁模态参数。

针对多模态图像的自适应引导形态学设计

针对传统数学形态学(TMM)细节保持能力较差,以及现有自适应改进方法数学性质丢失的问题,提出了一种针对多模态图像的自适应引导形态学(GAMM)。首先,通过考虑输入图像和引导图像的联合信息进行结构元素的构建,从而在一定程度上增强了相应算子对噪声的鲁棒性;其次,借助3σ原则,使结构元素成员的选取能够自适应于图像内容;最后,利用稀疏矩阵的哈达玛积对结构元素施加一个对称性约束。理论证明和仿真实验均表明所提形态学的相应算子能够同时具备保序性和附益性等重要数学性质。在多模态图像上进行去噪实验,结果表明GAMM比TMM以及近年所提出的鲁棒自适应形态学(RAMM)在峰值信噪比(PSNR)上高出约2~3 dB;同时,主观视觉效果对比表明了GAMM在噪声去除、结构保持方面明显优于TMM和RAMM。

自适应形态学重建的遥感图像道路提取

针对因遥感图像中目标内容复杂多样,利用经典数学形态学提取遥感图像中的道路目标时,由于采用固定形状和大小的结构元素,导致道路的部分形态和空间特征丢失,难以得到较高的分割精度的问题。提出了一种基于自适应形态学重建的遥感图像道路提取方法,该方法首先采用多尺度结构元素对图像进行重建,对重建图像进行逐点极大值运算以获得自适应重建结果,然后将自适应重建开和闭运算组合后得到水平算子,利用该水平算子对图像形态特征进行度量从而初步将图像中的道路区域和非道路区域分开,利用形状滤波和孔洞填充获得准确的道路区域,最后采用快速并行细化算法提取出完整的道路中心线。仿真结果表明,该方法能够充分利用遥感图像道路形态和空间特征,准确提取出光滑的道路中心线。

基于自适应形态学的遥感图像道路提取

遥感图像背景信息复杂,利用传统形态学进行处理时,固定结构元素的使用容易改变道路的位置和形状,影响图像分割的准确性。为此,提出了一种基于自适应形态学的遥感图像道路提取方法。首先利用非线性结构张量构造自适应椭圆结构元素并定义相应的自适应形态学运算,并根据道路特征构造形态学高低帽变换以增强道路目标;接着通过最大类间方差法实现道路的初步提取;然后设置形状参数识别图像中的目标是否为道路区域;最后通过自适应形态学滤波法去除仍与道路粘连的非道路目标,提取出独立的道路网络。实验结果表明,所提方法能够从背景信息复杂的遥感图像中完整地提取出道路,且提取精度较高。

图像处理中自适应数学形态学的研究

实际图像处理中当视场的变化引起目标变形时,固定大小的形态学算子很难达到较好的处理效果。研究了利用距离变换自适应地调整结构元大小的方法,即根据图像的不同位置来调整结构元素的大小,从而实现图像的形态学运算,并由此推导出了快速计算方法,最后测试了这种新算法的有效性。实验结果表明,该算法取得了较为理想的效果。

基于自适应数学形态学的滚动轴承故障诊断方法

作为一种非线性信号处理方法,数学形态学法对信号的特征提取完全在时域中进行,与其他非线性非平稳的信号处理方法相比,它具有幅值不偏移、不衰减等显著优点.基于此,提出一种自适应的数学形态学和谱相关分析相结合的轴承故障诊断方法.该方法通过基于信号的三角结构元素和非单一形态学开闭运算对已知故障信号加以训练,自适应得到各故障类型的结构元素高和最优开闭运算加权因子,构建形态学模型;之后将测试信号通过形态学模型进行特征提取,并与训练信号进行频域内相关性分析;最终根据相关系数大小识别故障.以西储大学轴承故障数据为例,表明了该方法不仅能识别出不同类型的故障,而且还能识别不同损伤等级的故障,相比传统的方法识别率和可靠性有所提高.

基于数学形态学变形虫的自适应图像滤波

针对形态学滤波中的一个关键问题——结构元的选择,提出了一种基于数学形态学的变形虫结构元,它是一种没有固定形状和大小的结构算子。按照导引图像建立的梯度准则,以像素为中心在其邻域内进行结构元的生长,然后在每个像素点利用所生成的结构元进行灰度形态学中值或者均值滤波。实验结果表明:这种非线性滤波算法能够很好地去除噪声、增强边缘,克服了传统滤波的缺点,而且相对于经典保边滤波各向异性扩散法具有计算量小的特点。

一种自动检测红外运动目标的改进形态学方法

针对红外图像序列中运动目标的检测问题,提出了一种提高红外图像信噪比的改进双重Top-Hat形态学预处理算法,并通过自适应形态学阈值获得了二值化图像,最后利用序列帧间信息进行管道滤波去除二值化图像的噪声和伪目标,完成多个红外运动目标的自动检测。实验结果表明,提出的方法有效地保留了运动目标的灰度信息,便于后续的目标识别处理,而且算法在实时性和信噪比方面的综合效果优于其他几种常用滤波算法。

结合频域显著性分析和形态学滤波的红外小目标检测算法

针对复杂背景下的红外小目标检测问题,提出了基于频域显著性分析和形态学滤波相结合的图像处理算法。通过构建图像频域显著性分析图,并引入自适应阈值实现显著图的分割,提取感兴趣区域(ROI)以确定候选目标,达到凸显目标并抑制背景的目的。为抑制残余的杂波干扰,基于候选目标轮廓尺寸自适应并引入新的评价机制实现滤波结构元的筛选,采用新型Top-hat滤波技术消除伪目标响应。本算法充分利用红外小目标的频域显著性和空域尺寸先验信息的互补性实现检测,在设计中则平衡了计算复杂度与处理效果的矛盾关系,在有效提升检测指标的同时保证了实时计算的工程需求。实验表明本文提出的算法能显著提高目标信噪比,高效和准确地检测噪声背景下的弱小红外目标。

基于融合重构的电气设备红外图像EnFCM聚类分割方法

红外图像分割是电气设备红外故障诊断的关键环节,而电气设备的不均匀散热、较低的对比度与多源噪声的干扰,会导致目标区域过分割,严重影响分割精度。对此本文提出一种基于融合重构的EnFCM(Enhanced Fuzzy C-Means)聚类电气设备红外图像分割方法。首先对梯度图像进行自适应形态学重建操作,保证算法对噪声图像的分割能力;其次对图像进行显著性检测,将显著图与梯度图融合得到重构后的图像,凸显故障部位的特征,避免过分割;然后对重构后的图像进行分水岭分割获取超像素图像,最后对超像素图像直方图聚类得到分割结果。对电气设备红外图像的实验结果表明:本文算法在电气设备红外图像上能准确分割出故障区域,获取其位置与轮廓,有效改善了过分割现象,在选取的交并比与DICE系数指标对比中,本文方法对比选取的FRFCM、FCM、SFFCM、FCM_SICM、RSSFCA、AFCF平均提升了81%与79%;同时对噪声有较强的鲁棒性,在选取的分割准确率指标对比中,本文方法对比选取的FRFCM、FCM、SFFCM、FCM_SICM、RSSFCA、AFCF平均提升了73%,取得了较优的分割效果。

暗光环境下机械结构边缘检测算法的研究

针对暗光环境下机械结构边缘检测精度低、效果不理想的问题,提出了一种基于多步骤图像增强和自适应形态学操作的物体边缘检测方法。该方法利用多尺度Retinex算法增强暗光图像的亮度和对比度,结合锐化、滤波算法去噪并保留细节,同时采用自适应形态学操作剔除伪边缘和强化弱边缘。所提出的方法在暗光条件下的物体边缘检测实验中成功率达86.7%,比传统方法提高6.7%,表明其具有更好的精度与质量。

基于机器视觉的水稻印刷播种机成种率检测

水稻印刷播种是实现稻种精确定位和均匀播种的有效方法之一。由于机械振动、播种纸走速、稻种输送等环节影响,播种纸的某些胶点上可能会粘附多个水稻种子,影响播种质量。为此,提出基于机器视觉的水稻印刷播种机成种率检测方法。首先,利用工业CCD摄像机采集播种纸正面图像信息;其次,利用红绿色差提取种子的颜色信息,采用Otsu阈值分割等形态学处理方法实现种子与背景的分离,并利用开运算实现轻微粘连稻种的分离;然后,利用面积阈值方式去除噪点,从而实现水稻种子数量的统计;最后,根据粘连稻种总面积与每个稻种平均面积的比值对紧密粘连的稻种进行处理,从而修正水稻种子的数量。研究结果表明,该成种率检测方法是有效的,能够从播种纸的胶点上获取水稻种子数量信息,检测的成种率范围介于88.84%~92.05%。

基于L^＊a^＊b^＊色彩空间的视神经边缘自动提取

视神经(Optic nerve)形状、面积和深度等参数是衡量眼底健康状况的重要指标,其边缘提取是量化这些参数的前提.为精确识别视神经边缘,本文提出了一种基于L*a*b*色彩空间眼底图像视神经边缘自动提取算法.该方法通过L*a*b*色彩空间自适应形态学方法与区域辅助几何活动轮廓模型边缘提取方法,结合基于交义网络的视神经自动定位,实现视神经边缘的自动提取.采用国际上通用的DRIVE眼底图像库和临床图像进行实验,验证了该算法的有效性.