在线铁谱图像分析中基才蚁群算法改进Otsu的设计与应用

在线铁谱图像获取机器磨损状态信息是铁谱诊断技术的核心和瓶颈。针对在线铁谱磨粒图像的Kirsch边缘检测特征不明显和Otsu（最大类间方差法）获取最佳阈值的局限性及耗时等问题,设计了一种基于蚁群算法改进Otsu方法完成图像分割,并结合Kirsch边缘检测来提取磨粒图像信息的新方法。首先通过Kirsch算子检测出图像边缘．然后运用基于蚁群算法改进Otsu方法求取最佳阈值并进行二值化处理．最后采用灰度堆栈空间实现磨粒自动定位。通过现场对三峡电厂5号水轮发电机组2012年油液进行试验和数据分析、及近一年的机组开机老化运行．得出所设计的算法能够有效提取磨粒图像信息,同时节省运算时间,对水轮机组故障预测、诊断起到了良好的实际作用。     

基于改进Canny算子的CT图像边缘检测

结合CT图像的特点,在传统Canny算法的基础上提出了改进的Canny算法。该算法先用基于GCV准则的阈值函数平滑去噪,在得到非极大值抑制图像后用Otsu法自适应设定高低阈值,并用形态学结构元素细化边缘。实验证明,该方法能有效解决常见边缘检测算法对去除噪声和获取精细边缘之间的矛盾,使伪边缘现象大为减少,从而获得了比较理想的边缘检测效果,为提高医生诊断病情的准确率打下了良好的基础。     

改进Zernike矩亚像素边缘检测算法研究*

针对Ghosal算法检测出的边缘较粗以及手动反复调节阶跃强度阈值引起的效率低的问题,提出了一种改进算法.首先,推导出模板系数,并计算得出Zernike矩.其次,利用推导出的公式计算出距离阈值和边缘阈值,利用Otsu法计算得到最佳阶跃强度.最后,通过设计三组实验,来验证改进算法的有效性.实验证明,改进算法能够更加有效地检测出图像的边缘,减少伪边缘的存在并且细化了边缘,提高了定位精度,同时降低了算法的执行时间.     

基于视觉特性的Kirsch边缘检测算法

边缘是图像中最重要的信息之一,能够以较少数据量表达大量的图像信息。Kirsch算子有较好的检测效果及抗噪能力,但得到的边缘较粗,且阈值是一个不变值,自适应性差。针对以上问题,基于视觉特性理论提出了一种生成自适应阈值的方法,对已有的一种边缘细化算法提出了改进,获得了较好的效果。     

基于模糊判决改进的Otsu图像分割算法

在图像分割中,阈值的选取是十分重要的.提出了一种基于模糊判决的Otsu图像分割算法,通过对Otsu算法中阈值的模糊判决处理,采用重心法来求取阈值,使所求阈值更加接近实际最佳阈值,从而能更好地分割图像.实验结果表明,与当前的一维Otsu算法和二维Otsu算法相比,改进算法有着更好的图像分割效果.     

改进蚁群优化算法的图像边缘检测

为了解决图像边缘检测中的噪声问题,并提升检测效率与检测效果,提出改进蚁群优化算法的图像边缘检测方法。所提方法改进了传统蚁群优化算法直接在像素域进行迭代的边缘检测过程,其将蚂蚁分为探测蚁和寻路蚁,寻路蚁采用数据结构控制思想在原图像上随机选择迭代路线,根据蚂蚁移动角度设置像素点结构搜索路线,在所经过的每个像素点上进行附近像素点结构搜索,快速获取整体图像边缘检测信息,再利用探测蚁将寻路蚁给出的结果进行蚂蚁外激素检测,完成对检测效率与检测效果的改进。实验结果证明,相比传统蚁群优化算法,改进蚁群优化算法在图像边缘检测的效率与效果上均有很大提高。     

基于改进Canny算子的焊缝图像边缘提取研究

针对焊缝图像边缘提取过程中,由于工件材质表面特性和复杂光照环境影响产生噪声、伪边缘干扰的问题,提出一种基于改进Canny算子的焊缝边缘提取方法。在边缘检测阶段,首先采用应用改进的双边滤波器进行滤波降噪,降低噪声的同时保留焊缝边缘梯度信息;其次应用改进的Sobel算子,增加了45°、135°方向进行梯度幅值计算,以提高边缘的定位精度。在边缘连接阶段,通过融合Otus与梯度直方图分析法自适应获取双阈值对图像焊缝进行边缘连接。实验表明,该方法在检测精度等方面优于传统Canny算法,提取的中心曲线与相对于实际焊缝中心曲线标准误差降低了46%,平均绝对偏差降低了35%,能够准确地提取焊缝边缘,同时通过自适应获取双阈值,增强了算法自适应性。     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

图像边缘检测算法研究与分析

边缘是图像的重要特征,包含了图像中用于识别目标的信息。边缘信息存在于目标与背景、目标与目标之间,边缘检测技术是图像分割和其他一些图像处理的基础。图像边缘检测算法在边缘提取中起着重要的作用,本文介绍了Roberts、Sobel、Prewitt、Kirsch、Laplacian、LOG和Canny等几种常见的边缘检测算法,并通过实验仿真对其性能进行了验证和比较分析。     

基于迭代阈值的弹目图像边缘检测方法研究

运用基于数字图像处理技术进行高炮武器系统射击诸元校正工作中,弹目偏差的确定是校射的关键,而确定弹目偏差的关键步骤之一是需要对弹目图像进行边缘检测,提取弹丸和目标的边缘特征.在综合分析典型边缘检测算法的基础上,提出运用基于迭代阈值的边缘检测算法进行弹目图像边缘求取,并分析了迭代法确定最佳阈值的步骤,给出了迭代阈值边缘检测算法工作流程,最后通过仿真实验表明基于迭代阙值的边缘检测算法具有良好的边缘检测效果,是一种有效的弹目图像边缘检测算法.     

噪声图像中提取边缘的蚁群搜索算法

该文提出一种边缘引导的蚁群搜索算法,以解决常用的边缘提取方法抑制噪声能力不强,提取边缘不连续的缺点.此算法首先进行边缘检测获取由真实边缘和噪声组成的可能边缘点;然后利用可能边缘信息引导蚁群迭代搜索局部边缘曲线,并根据蚂蚁搜索曲线的长度更新其行走路径上的信息素分布,使搜索逐渐向真实的边缘收敛;最后,依据信息素遗留提取真实的边缘曲线.相对传统的蚁群算法,该文利用边缘信息引导蚁群搜索,增强了搜索的目的性,提高了算法效率.多组噪声图像的实验表明:该算法能够有效地从噪声图像中提取物体的真实边缘,在最大限度地保留细节信息的同时抑制噪声.     

基于最佳熵的三维Otsu图像分割算法

针对三维Otsu分割算法运算量大的问题,本文提出了一种基于最佳熵的三维Otsu图像分割算法。文章中,我们首先采用最佳熵方法初步提取图像的目标区域,并根据目标区域的平均灰度确定三维Otsu图像分割算法的背景区域搜索范围,然后采用三维Otsu算法并结合遗传算法对原图像进行分割。实验结果表明,与三维Otsu阈值分割方法的递推算法相比,该方法能够进一步减少运算时间。     

基于改进的自适应差分演化算法的二维Otsu多阈值图像分割

针对常规最大类间方差法在多阈值图像分割中存在的运算量大、计算时间长、分割精度较低等问题,该文提出一种基于改进的自适应差分演化(JADE)算法的2维Otsu多阈值分割法。首先,为增强初始化种群的质量、提升控制参数的适应性,将混沌映射机制融入到JADE算法中;进而,通过该改进算法求解2维 Otsu 多阈值图像的最佳分割阈值;最终,将该算法与差分进化(DE), JADE,改进正弦参数自适应的差分进化(LSHADE-cnEpSin)以及增强的适应性微分变换差分进化(EFADE) 4种算法的2维Otsu多阈值图像分割进行比较。实验结果表明,与其它4种算法相比,基于改进JADE算法的2维Otsu多阈值图像分割在分割速度以及精度上均有较明显的改善。     

基于改进Otsu算法的TFT-LCD点缺陷自动光学检测系统

针对TFT-LCD点缺陷自动光学检测时,缺陷与背景对比度较低难以用传统阈值分割算法处理的难题,提出一种改进的Otsu算法,并构建了TFT-LCD点缺陷自动光学检测系统。首先,通过Gabor滤波去除了纹理背景的影响。然后,利用威布尔函数形态参数分段取值时,其分布函数呈现的不同分布特性,改进了传统Otsu阈值提取函数。最后,进行了离线测试试验和在线测试试验。试验表明,改进的Otsu算法在点缺陷与背景对比度较低的情况下分割效果优于传统Otsu算法。将该算法移植到TFT-LCD点缺陷自动光学检测硬件平台上进行在线测试,正确检测率可达到94%,单个样本最短检测时间可缩短至150ms。降低了TFT-LCD人工检测点缺陷的工作量和劳动强度。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

基于改进Canny算子的图像边缘检测方法

针对传统Canny边缘检测算法采用高斯滤波处理图像不能有效消除椒盐噪声的问题,提出改进Canny算子用于检测图像边缘.首先利用双滤波设计-融合自适应模糊中值滤波和双边滤波去除图像椒盐噪声,降低图像噪声同时保证图像边缘.然后在研究过程中遇到边缘检测人工阈值选取自适应不足的问题,采用最大类间方差(Otsu)算法计算得到高低...     

基于Zernike矩的圆形插针特征点提取算法研究

在电连接器插针缺陷检测系统中,插针图像特征点的获取是检测关键,为了实现插针位置的高精度检测,提出了一种基于Zernike矩的插针特征点定位算法。通过增大Zernike矩的算子模板尺寸,以及优化边缘阶跃模型,提高了亚像素边缘检测算法的精度。将最大熵阈值法应用于Zernike矩边缘检测算法,实现了自动选择最佳阈值,解决了传统算法中手动调节阈值的低效率问题。对提取的亚像素边缘点进行拟合获得椭圆目标中心,实现了插针的位置特征点提取。仿真实验与实际测试结果表明,该算法能够实现图像边缘的亚像素检测和插针特征点的准确定位,算法定位误差小于0.1个像素。     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

基于颜色与线段的图像轮廓提取算法

传统二维图像轮廓识别算法通常是在图像中找到边缘,根据设定的条件将边缘像素组合起来形成轮廓。针对边缘检测算法通常需要对不同的图像设定不同的阈值,对不同类型的图像很难找出统一的阈值的问题,文中提出了一种同时利用图像中颜色与线段信息的彩色图像轮廓提取算法,算法采用自顶向下的颜色空间融合和自底向上的线段检测的方法,在初步获取边缘信息之后,综合利用检测结果生成目标的轮廓。算法的优点在于不需要进行阈值调整,实验表明:该方法可以有效地提取彩色图像中的目标轮廓。     

一种改进的基于小波变换的图像边缘提取方法

基于现有的小波去噪方法和边缘提取方法,提出了一种通过自适应阈值设定的小波边缘提取算法,从而改进了传统方法中通过固定阈值进行小波边缘检测中存在的问题,通过对相关图像的分析结果可以看出,该方法能够较好地对图像边缘进行自适应检测,达到了较好的效果.