活塞表面缺陷图像的亚像素边缘检测技术研究

针对活塞图像对比度低、缺陷区域小、缺陷种类多、人工检测效率低等问题,提出一种结合区域生长法和亚像素边缘提取的活塞表面缺陷检测方法。利用图像处理软件采集活塞图像,分析活塞表面图像中缺陷区域与正常区域灰度值的差异。使用区域生长法进行图像分割,结合Canny算子对活塞表面缺陷边缘进行初步定位。通过定位感兴趣区域的位置,进行亚像素级别提取,并平缓感兴趣区域边缘。实验表明,所提算法比传统的边缘提取方法得到的缺陷区域更精确、平滑。

基于密度-距离空间的红外引信抗噪声方法研究

目的通过简易的图像处理和目标检测方法,提高红外引信在复杂环境下的抗干扰能力。方法分析红外引信在复杂背景中的噪声类别,采用“密度–距离”空间方法与像素生长方法进行预处理和目标检测,赋予像素2种属性,并进行量化分析,确定灰度平坦区域中的红外候选目标,并通过像素生长方法筛选候选目标中的真实目标。结果计算在不同信噪比环境下算法的抗噪声干扰能力,当红外图像的SNR值在44.1~45.4时,算法检测效果理想。结论红外引信探测过程中的复杂背景和随机噪声都会降低图像质量,考虑到红外目标所占像素数少,极易受噪声影响,需要运用自适应简易算法提高检测准确性。该算法有良好的实时性和抗干扰能力,为红外引信在目标检测中的环境适应性提供了理论依据。

基于卷积神经网络与区域生长法的建筑裂缝识别

基于卷积神经网络(CNN)的建筑裂缝识别结果大多为含有裂缝的面元图像,而并非裂缝本身.本文将CNN与区域生长法结合,提出一种两阶段方法用于提取像素级别的裂缝特征.利用数据扩充法建立裂缝图像数据库,选择包括Alexnet、Vgg16、Vgg19、Inception-V3和ResNet50的5种典型CNN用于裂缝识别.综合考虑样本图像的整体准确率,单张图像的裂缝识别精确度及背景图像的置信度,确定精度最高的CNN,得到裂缝面元图像;利用区域生长法对CNN识别的裂缝面元图像进行裂缝特征提取,得到像素级别的裂缝图像.研究表明,Inception-V3网络在裂缝识别中具有较高的识别精度;通过区域生长法进行裂缝特征提取,可以得到精度较高的像素级别裂缝特征图像.该研究提供了一种高精度的建筑裂缝识别方法.