基于k领域快速搜索的改进ICP算法在管道检测中的应用

为了快速有效地获取管道内壁信息,设计了一种管道内壁激光检测装置.该装置采用激光位移传感器扫描管道内壁,对获取的原始点云数据进行后续处理,采用基于自适应空间球的k领域快速搜索加速ICP算法完成对点云数据的拼接工作,通过仿真与现场实验,得到直观立体的管道内壁三维轮廓图,证明了该算法相较于传统ICP算法在迭代次数、速度以及精度上都有一定的提高,可有效运用在管道检测中.

基于GDI+的K领域自适应平滑滤波算法优化与实现

当今社会是信息数字化时代,无论是学习,生活都与信息数字紧密相关联,其中数字图像处理是一种非常重要的技术,数字图像处理技术快速发展,并广泛应用于识别领域、军事领域、医学领域以及我们日常生活领域等。平滑滤波是图像处理学的基础.最基础的滤波方式是均值滤波和中值滤波,这两种滤波方式对噪声都有抑制作用且算法简单,但是导致图像变模糊尤其是边缘变模糊是无可避免的。虽然将滤波器加权后,效果有所改善,但理论是近似的,所以改善的效果仍不明显。要改善边缘的模糊,我们发现只要处理好灰度变化显著的边缘,图像就会达到一个很好的效果。如果希望要很大程度上保持图片的清晰度,那么我们的图像处理算法在对图片平滑处理同时应该检测出景物的边界,然后对图片上的噪声进行处理。

基于监督双限制连接Isomap算法的带钢表面缺陷图像分类方法

根据带钢表面缺陷图像具有复杂纹理结构、包含大量干扰信息、具备高维非线性几何结构等特点,本文提出基于监督双限制连接Isomap方法的带钢表面缺陷图像降维方法 (dls-Isomap).该方法以Isomap降维方法为基础,对其邻域图的连接方式进行K邻域(K-nearest neighbor,KNN)和ε-半径两个方面的限制性连接,并使用数据类别作为监督对类间邻域点进行扩展连接.针对多类Roll-swiss数据实验表明,dls-Isomap降维方法不仅能够在低维空间中完整嵌入所有数据点,而且能保持数据各类内和类间的几何结构,以及解决Isomap算法存在的"短路边"问题;针对带钢表面缺陷图像分类实验表明,基于dls-Isomap的新分类方法适合含水、油渍等干扰较多的带钢表面缺陷的分类任务,其中冷轧带钢5类缺陷识别率可以达78%.含水渍的热轧带钢缺陷识别率可以达到93%,其中水渍干扰图像的识别率达到97.6%.