基于DCT同态滤波的纸病图像去噪算法研究

针对纸病图像采集过程中容易受到光源噪声干扰的问题,在分析了光源噪声特性的基础上,提出基于DCT同态滤波的纸病去噪算法。该算法首先对采集到的纸病图像进行分块,然后对每一图像块取对数,DCT变换,将其变换到频率域,使用高斯同态滤波滤除噪声干扰,最后通过IDCT变换以及取指数操作将其恢复到空间域。实验结果表明,该算法可以有效地去除纸病图像中的各类光源噪声干扰,增强纸病图像区域。     

一种新型大米检测图像的自适应滤波算法

针对大米检测图像中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法，结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强，特别在噪声密度比较高的情况。     

基于灰度邻域操作的缺陷图像消噪分析与实现

以图像中的噪声影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出了基于MATLAB的灰度邻域操作消噪方法。该方法将灰度化的缺陷图像,利用相邻像素间的颜色分布对图像进行平滑、增强、边缘提取、滤波、恢复。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好的保护图像细节,较准确的复原受噪图像特征。     

基于位平面的纸病检测算法研究

针对当前纸病检测算法存在抗干扰能力差、定位不准确和运算复杂等问题,提出一种基于位平面的纸病检测算法。首先,采用自适应中值滤波算法对纸病图像进行滤波,然后,对滤波后的图像进行位平面分解,并运用格雷码对位平面加以增强,最后,使用数学形态学对其进行边缘检测,得到最终的纸病检测结果。仿真结果表明：该方法运算简单,能够较好地检测出纸病缺陷,并具有较好的抗干扰性和定位准确性。     

织物疵点图像消噪方法的比较

织物疵点图像的消噪是疵点识别和分类的重要预处理步骤。采用中值滤波、Wiener滤波和小波阈值化消噪3种方法对织物疵点图像进行消噪处理。在采用中值滤波和Wiener滤波时,同时选用3×3和5×5滤波器进行消噪;在采用小波阈值化消噪时,计算图像全局阈值,同时采用软、硬阈值消噪方法,对疵点图像进行消噪。通过实验比较,采用小波阈值化方法消噪时,疵点图像边缘清晰,峰值信噪比显著提高,其效果明显好于中值滤波和Wiener滤波;采用小波阈值化消噪后的疵点图像可在特征提取和识别中使用。     

嫦娥一号卫星2C级数据条带噪声去除

干涉成像光谱仪（Imaging Interferometer,IIM）是嫦娥卫星的有效载荷之一,IIM数据对于月表成分的反演有重要的意义通过主观目视我们可以发现IIM获取的影像数据存在少量的奈带噪声,文章利用改进的插值法和sigma滤波对影像数据的第1、13、32波段进行处理,结果表明,改进的插值法较好的保留了图像的细节部分,同时去噪效果比较好,但是在第13波段还残存一些条带噪声sigma滤波在去噪的效果上不好,第1和第32波段噪声没有去除,但是它对于13波段的去噪效果与改进的插值法比较而言,结果较好。     

基于SVD和SVM的复杂背景噪声图像的纸病辨识

针对纸病图像的复杂背景噪声造成的纸病辨识结果不理想的问题,提出一种基于奇异值分解(SVD)和支持向量机(SVM)的纸病辨识方法：首先利用多层二维小波对纸病图像背景噪声去噪,然后用SVD对纸病进行特征提取,最后采用SVM对纸病进行辨识。实验结果表明,该方法可以有效辨识纸病,且不受实际生产过程中图像复杂背景噪声的影响。     

基于二值图像连通域提取的图像滤波方法

为解决常用滤波方法对目标图像噪声抑制效果不理想的问题,提出了一种基于二值图像连通域提取的图像滤波方法。将采集到的图像进行二值化,对图像进行连通域提取并根据连通域的轮廓筛选出噪声干扰点,对噪声点进行过滤,保留图像细节特征,对目标图像的噪声达到有效抑制的效果。结果表明:该方法在特定应用上优于常规滤波方法。     

基于快速傅里叶变换和改进分水岭算法的纸病实时检测复合算法

本课题提出了一种适合高速宽幅造纸机纸病在线实时检测的复合算法,该算法的基本思想是：首先通过快速傅里叶变换（fast Fourier transform,FFT）将时域图像转换到频域,以便使用频域图像与高斯（Gaussian）高通滤波器做乘积运算进行滤波;再通过快速傅里叶逆变换（inverse fast Fourier transform,IFFT）将频域中的图像转换到时域,以便下一步使用运算速度较快的分水岭算法对滤波后的图像进行快速缺陷分割,实现纸病在线实时检测。利用采集到的2000余张纸病图片进行纸病检测实验,结果表明,本课题提出的复合算法具有快速、高效、适用性强、分割效果好等优点,可满足纸病在线检测对图像处理算法实时性和准确性两方面的要求。     

基于CB形态滤波的形态学纸病检测方法研究

提出了基于轮廓结构元素形态学（CB形态学）滤波的形态学纸病检测方法。首先采用CB形态学对纸病图像进行滤波,力求在滤波的同时不损失图像的细节,然后再用形态学算子对图像进行边缘检测,最后结合传统的区域分割算法得到纸病检测结果。仿真结果表明了本文提出的纸病检测方法的有效性。     

打浆度软测量信号中有色噪声的白化及滤除

针对打浆度软测量过程中有色噪声对实际打浆度信号造成的混叠干扰,提出一种新型的信噪分离和消噪的方法。由于软测量噪声不是白噪声信号,因此首先建立噪声的AR模型并根据模型对噪声信号进行白化处理,最终采用相关分析的方法完成噪声的滤除。将该方法试运行于造纸生产线打浆控制系统中,可达到较高的打浆度软测量精度。     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

改进Hough变换在纸病检测系统中的应用

通过对褶皱纸病的分析研究,提出一种基于改进Hough变换的检测方法.利用边缘检测对纸病信息进行去噪和简单提取,采取Hough变换的方法将纸张从图像灰度空间转换到参数空间,从变换后的参数空间中提取纸病图像中的褶皱特征并进行识别.实验结果表明,此方法识别率高、计算速度快、检测效果好.     

基于机器视觉激光切割自动寻边技术研究

论述了利用计算机视觉和图像处理技术实现激光切割机自动寻边切割的基本原理和实现方法.提出一种阈值滤波算法用于图像预处理,能在去除噪声的同时,较好地保留原图像的边缘信息.为了克服由于环境而导致的光强变化及物体表面粗糙度对物体图像边缘的影响,采用改进的边缘检测算法用于边缘信息的提取,通过设计一个梯度极值算子窗口,在窗口领域内直接对像素进行操作,来提取边界特征像素.用VC 6.0开发了整个系统的图像处理软件和系统控制软件,该方法对自动寻边切割具有计算简单、效率高、边缘提取准确的特点,已成功地应用于实际的自动寻边激光切割系统中.     

玉米霉变及黄曲霉毒素的图像处理检测方法

为准确快速识别出仓储玉米是否包含霉变以及感染黄曲霉毒素的玉米颗粒,提出基于图像处理技术的定性、定量检测方法。基于感染霉菌的玉米颗粒表层会发生颜色褐变、发黑等特点,通过MATLAB对灰度图像二值化、区域填充、去干扰、连续膨胀等操作,统计出霉变颗粒数目;同时,基于感染黄曲霉毒素的玉米颗粒在365 nm紫外光照射下会发出独特的黄绿色荧光(bright greenish-yellow fluorescence,BGYF)特性,通过对彩色图像进行增强、形态滤波、彩图二值化、去除干扰、图像连续膨胀等,统计出感染黄曲霉毒素玉米颗粒的数量。用4组共112粒玉米对所提方法进行检测验证的结果表明,霉变玉米颗粒的正确检出率达93.75%以上,感染黄曲霉毒素玉米颗粒的正确检出率亦可达87.5%以上,能够达到区分检测的要求。     

二次滤波法在织物疵点边缘检测上的应用

针对织物图像斑点噪声的特点，采用了一种新的图像边缘检测方法。该方法以锐化处理为基础，经二次滤波完成图穰预处理，克服了以往一次滤波方法的缺点，在抑制噪声的同时，增强了图像的边缘信息。通过对织物疵点的检测表明，该方法可以取得较好的边缘检测结果，是一种实用有效的方法。     

基于数字图像处理的纱线条干均匀度检测初探

本文以四种不同规格的纯棉纱线为例,提出一种基于数字图像处理技术来检测纱线条干不匀率的方法。采用MRS-4800M48U型扫描仪采集纱线图像,然后对纱线图像进行维纳滤波、阈值分割、形态学开运算处理,得到条干清晰、无噪声的纱线图像,最后基于经处理后的图像计算纱线的直径和纱线的条干CV值,图像法检测出的纱线条干CV值与乌斯特条干仪检测出的结果非常接近,这表明,本文提出的纱线条干均匀度检测方法是可行的,能准确高效地检测出的纱线条干CV值,客观地反映纱线的外观质量。     

苹果采摘机器人夜间图像边缘保持的Retinex增强算法

为了提高采摘机器人的适用性和工作效率,保证成熟苹果果实的及时采摘,需要机器人具有夜间连续识别、采摘作业的能力。针对夜间苹果图像的特点,该文提出一种基于引导滤波的具有边缘保持特性的Retinex图像增强算法。利用颜色特征分量采用具有边缘保持功能的引导滤波来估计出照度分量;进而利用单尺度Retinex算法对图像进行对数变换获得仅包含物体本身特性的反射分量图像;分别对照度分量和反射分量图像增强后,再合成为新的夜间苹果的增强图像。文中选取30幅荧光灯辅助照明下采集到的夜间苹果图像进行试验的结果显示,该文增强算法处理后的30幅图像的平均灰度值,分别比原始图像、直方图均衡算法、同态滤波算法和双边滤波Retinex算法处理后的图像平均提高230.34%、251.16%、14.56%、7.75%,标准差平均提高36.90%、-23.95%、53.37%、28.00%,信息熵平均提高65.88%、99.68%、66.85%、17.53%,平均梯度提高161.70%、64.71%、139.89%、17.70%。且该文算法较双边滤波Retinex方法的运行时间平均减少74.56%。表明该文算法在夜间图像增强效果和运行时间效率上有明显的提高,为后续夜间图像的分割和目标识别提供了保障。     

基于奇异值分解的双算法织物缺陷检测

针对难以有效地同时检测洞形缺陷和线形缺陷问题,提出一种基于奇异值分解的双算法织物缺陷检测方法。该方法首先对图像进行奇异值分解,通过对原图与特征值图进行布尔差集运算消除背景纹理并保留缺陷区域;然后采用均值滤波、直方图均值化及方差阈值滤波消除纹理及噪声点的干扰;接着通过形态学处理确定缺陷位置;最后采用面积阈值和方差阈值的方式获取线形缺陷和洞形缺陷。实验结果表明:该方法不仅能够有效地检测洞形缺陷,而且在检测线形缺陷上也有很好的表现,并在准确率上明显高于传统算法,证明了本文算法的有效性和多用途性。