基于KNN Matting算法的冷金属过渡焊接熔滴尺寸检测

针对冷金属过渡焊接熔滴轮廓表征不明显、无法预测熔滴过渡行为的情况,提出一种基于KNN Matting的目标提取算法,并引入IG算法生成三区标志图(Trimap)作为预先步骤,加速了KNN Matting算法迭代进程,加快图像分割流程;生成最终的前景蒙版(Alpha Matte)用来提取熔滴图像轮廓。结果表明,此方法在冷金属过渡焊的开始与过渡过程熔滴轮廓拟合准确,Trimap的生成质量是影响熔滴图像轮廓提取的重要因素,KNN Matting算法中的K值根据生成的Trimap决定。

深度卷积神经网络下的图像风格迁移算法

针对图像风格迁移中出现的图像扭曲、内容细节丢失的问题,提出一种基于深度卷积神经网络的带有语义分割的图像风格迁移算法。定义内容图像损失和风格图像损失函数;对内容图像与风格图像分别进行语义分割,并将Matting算法作用在内容图像上,使用最小二乘惩罚函数来增强图片边缘真实性;进行图像的内容重建和风格重建生成新的图像。分析比较Neural Style改进方法、CNNMRF方法和带有语义分割的图像风格迁移方法生成的图像。实验结果和质量评估表明,70%带有语义分割的图像风格迁移方法生成的图像没有明显的图像扭曲,且内容细节完好。所以,该方法可以解决图像扭曲和细节丢失的问题,使内容丰富的图像可以得到精确的风格迁移。