基于自适应背景预测的镁熔液第一气泡检测算法

针对复杂背景下镁熔液第一气泡的图像识别,提出了一种基于自适应的背景预测算法。算法通过判断当前像素点邻域的像素点灰度之差是否大于预先设定的阀值T而自适应的选用不同的背景预测算法。若大于阀值T,采用分块权值背景预测算法;否则,采用固定权值背景预测算法。还将该算法与固定权值背景预测算法和分块权值背景预测算法作了对比试验,结果表明,该算法不但能够较准确地反映第一气泡的真实大小,还能有效地提高图像的峰值信噪比,其运算速度也更快。

基于背景自适应预测的星点提取算法

在分析星图中的星点目标和背景特性的基础上,提出了一种基于背景自适应预测的星点提取算法。为准确预测背景并兼顾算法的速度,只在背景边缘处使用区域最大值背景预测法,其余部分直接使用固定权值进行预测。分割残差星图,提取各星点的目标区域,阈值采用自适应的取值方式。利用质心算法求取各星点目标的精确位置。实验结果表明,基于背景自适应预测的星点提取算法性能优于现有的星点提取算法,是一种有效的星点提取算法,可以降低大量由于强边缘而引起的虚警,能够更准确地预测背景。

基于Prewitt算子的自适应弱小目标检测

针对工业现场中复杂背景下镁熔液弱小目标实时检测的难题,从图像识别的角度提出了基于Prewitt算子的自适应背景预测算法。该算法首先使用Prewitt算子对原始图像进行处理从而计算出图像最大灰度差,其次根据最大灰度差与每个像素点的灰度差的差异选择背景预测模型进行处理得到背景预测图像,然后用原始图像减去背景预测图像得到残差图像,接着对残差图像作帧差运算以及阈值分割运算得到二值图像,最后使用形态学运算获取最终的目标,并将该算法与最小一乘法的检测性能进行对比。Matlab仿真结果表明,该算法不仅可检测到弱小目标,并且检测到的目标点面积增大了60%,检测时间减少了96.92%,为图像处理技术应用于工业现场实时检测镁熔液中弱小目标奠定了基础。

天基红外扫描图像点目标检测算法

针对天基红外扫描型探测器的成像特点(时间延迟积分和半像元错列对准),提出了一种基于自适应背景预测的红外扫描图像点目标检测算法。首先,采用递归背景估计的背景预测模型,利用最速下降法求解滤波系数。其次,对背景去除后的残差图像进行自适应门限探测,并对过门限图像进行双向脉冲匹配以抑制噪声,提取目标。最后,采用蒙特卡罗方法对算法性能进行了仿真分析。实验结果表明:当信噪比大于3时,目标检测概率可达99.5%(虚警1.07×10-2)。算法实时性分析表明:算法处理能力为31.37Mb/s。

基于个数判断边缘的镁熔液第一气泡图像检测

针对镁熔液表面第一气泡的图像识别,提出了基于个数判断边缘的自适应背景预测算法。该算法首先利用个数判断边缘的方法判断当前像素点所处的位置,然后对不同位置的点自适应地采用不同的预处理算法,若当前像素点处于边缘区域则进行最大化背景预测处理,若当前像素点处于非边缘区域则不做任何处理保留其原始灰度值,最后经帧间差分和阈值分割,将第一气泡检测出来,并与传统最大化背景预测预处理算法进行了对比。结果表明,该算法不仅能准确地检测到第一气泡,而且还能更有效地抑制背景,信噪比明显提高。