基于并行粒子群算法的Otsu双阈值医学图像分割

医学图像分割一直是医学影像分析领域的研究热点。由于粒子群优化(PSO)容易陷入局部极小,因此该算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,结合Otsu分割技术,提出了一种基于并行粒子群优化算法的Otsu双阈值医学图像分割算法。在该算法中,将粒子群体分成若干个子群体,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验结果表明,提出的分割算法与传统粒子群算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性,其收敛速度明显优于基于单种群的粒子群算法的Otsu双阈值医学图像分割。

特殊靶标图像的Otsu自适应双阈值分割法

针对特殊管道弯曲度测量光斑的高精度定位要求,提出了一种特殊靶标图像的Otsu自适应双阈值分割法。介绍了基于准直激光管道弯曲度测量原理,先对特殊靶标图像进行处理,然后对整个图像灰度分布统计特性进行计算,建立起计算自适应双阈值的数学模型,从而实现特殊靶标图像自适应双阈值分割。实验结果表明,该方法具有较强的稳定性、实时性好、靶标图像分割效果较好,提高了光斑的定位精度。

结合HED网络和双阈值分割的GMM目标检测算法

GMM在目标检测过程中容易受到灯光、目标颜色与背景颜色相似、目标阴影和拍摄高度等因素的干扰。针对以上问题,本文提出一种结合改进HED网络和OTSU双阈值分割的GMM算法。首先,改进模型针对视频帧的背景、噪声、前景目标进行双阈值分割,合理选取高斯模型个数。其次,利用HED网络对输入图片进行边缘检测,将HED网络检测的边缘结果和双阈值分割的GMM检测结果进行“与”运算,得到最终目标检测结果。通过实验验证,改进算法的检测率更高,目标较小时检测轮廓更加完整,检测效果更好。

基于改进Canny算子的LED晶片边缘检测

为了提高全自动固晶机视觉系统中发光二极管(LED)晶片边缘特征的提取精度,提出了一种基于改进非极大值抑制(NMS)过程和双阈值求取方法的Canny边缘检测算子。传统的非极大值抑制过程,直接将中心像素点与梯度方向周围邻近的2个像素点进行比较,易导致边缘信息不准确。针对该问题,结合中心像素点本身及其梯度方向周围的3个像素点,沿着梯度方向进行双线性插值,从而实现改进的非极大值抑制过程;另外,通过对LED晶片图像灰度直方图的分析,根据其特有的三峰特性,改进了传统的最大类间方差法,采用Otsu双阈值法及新的评价函数求取高低阈值,从而避免传统Canny算法中阈值的人工调整。实验结果表明,这种方法适合LED晶片的边缘提取,并且能够获得良好的晶片边缘及两极轮廓。

基于区域的LED图像分割技术研究

根据LED芯片图像的区域特性，应用0tsu双阈值和基于直方图势函数标记的分水岭分割方法对LED图像进行分割。实验结果表明，分水岭分割较Otsu双阈值分割效果更好。

Faster R-CNN定位后的工业CT图像缺陷分割算法研究

由Faster R-CNN定位的缺陷区域内存在弱边缘,若直接采用常规分割算法对该小区域进行处理,会出现严重的过分割或欠分割现象。在此研究了一种针对Faster R-CNN定位后的工件缺陷的精确阈值分割法。在利用形态学开闭重建算法对定位区域进行重建,并对重建后的图像用Otsu双阈值法做变换处理的基础上,进一步利用最大熵阈值分割法对变换后的图像进行分割,最终对分割出的缺陷进行面积、周长等参数的测量。实验结果表明,所研究算法较常规的算法对工件的缺陷(裂纹、气泡和夹渣)有更好的分割能力。该算法不仅可以准确地分割出包含弱边缘的目标,还可以有效排除轮廓背景对分割的干扰。

基于机器视觉的手机屏幕表面划痕检测研究

针对手机屏幕图像划痕缺陷形状不规则、深浅对比度低的问题,提出基于机器视觉的手机屏幕表面划痕检测方法。首先采用PatMax算法和仿射变换对手机屏幕图像进行预处理;然后采用剪切变换将图像分解成低频和高频两部分,构造0°、45°、90°和135°四种方向的元素形状对低频部分进行灰度闭运算操作,同时对高频部分进行N×M中值滤波去噪处理,通过剪切逆变换生成增强图像;最后采用改进的Otsu双阈值方法对目标进行提取。随机选取450张手机屏幕图像进行实验,检测率最高可达98.7%,结果表明,该方法能够有效增强图像的细节信息,相比其他方法,极大地保证了划痕缺陷的完整性。