一种新的图像二值化方法

在模式识别中,二值化效果的好坏直接影响着识别效果.首先通过改进的Bernsen方法对原始图像进行二值化,得到第一幅源图像;然后根据自组织神经网络计算阈值,对图像进行二值化,得到第二幅源图像;再根据灰度值最小的原则作为图像融合方法,得到最终的二值化图像.最后给出模拟实验,实验结果表明该方法是有效的.

弱边缘电荷耦合器件羊毛图像二值化算法

为解决弱边缘图像二值化产生羊毛几何尺寸失真问题,通过对基于灰度和梯度指数的边缘细化算法研究,结合经典的全局阈值法和局部阈值法,提出了一种电荷耦合器件(CCD)羊毛图像自动二值化算法。该算法将sobel算子和斜坡边缘模型引入现有边缘细化算法中,既增加寻找边缘点环节又改进灰度调整因子,达到提高处理效率和避免人为干预的目的;在分析最大类间方差法和Bernsen法的基础上,结合全局和局部阈值处理各个子图像,从而强化边缘细节,降低失真度。实验结果表明,与传统方法相比,该算法对于弱边缘图像二值化具有良好的性能。

改进二值化算法在QR码识别中的应用

针对模糊、光照不均情况下获得的低质量QR码难以识别的问题,设计一种低质量QR码识别算法,包括加权平均值法灰度化、中值滤波算法降噪、二值化、基于位置探测图形定位、基于透视变换法的旋转矫正,以及基于Zbar开源库的译码算法等。重点研究针对模糊、光照不均QR码图像的二值化算法,提出一种基于Bernsen算法思想的改进算法,将全局阈值引入该算法中,实现对图像的二值化处理。在VS2010环境下基于Opencv2.4.9图像处理库对识别算法进行验证,结果表明,通过该算法得到的QR码图像完整且噪声少,有效克服了低质量QR码的影响,提高了图像识别率,具有一定的实用性。

基于无人机红外热像的电缆隐患点智能检测

城市输电电缆是城市电力供应的生命线,保障其安全可靠地运行是电网企业日常工作的重中之重,运维工作面临巨大的挑战,人工检查手段难以快速有效发现并及时排除隐患点.因此,本文提出基于无人机红外热像智能检测电缆隐患点的方法.首先,采用无人机对户外电缆终端进行航拍,得到户外电缆终端的红外热图;其次,对红外热图采用改进的Bernsen二值化处理;再次,使用投影法从二值化图像中提取出待检测的主体电缆,通过形态学方法去除背景或干扰区域对隐患点诊断的影响;最后,根据强度色谱确定主体电缆图像中颜色高亮的异常区域为隐患点.通过应用本方法,电网企业能够实现快速的缺陷识别,消缺和故障判断,全面提升城市输电电缆状态的管控能力.