炭素材料X射线图像的缺陷区域提取

针对炭素材料X射线检测图像的特点，对其缺陷提取技术进行了研究，设计了目标边界提取算法和基于小波变换的图像增强算法。鉴于图像边缘特征易受噪声影响，而区域特征受噪声影响要小得多，提出利用数学形态学和最佳阈值分割相结合的方法来实现缺陷区域提取。实验结果表明，该法受噪声影响较小，能较好地实现缺陷的自动提取与分割，为进一步的缺陷特征参数的提取与选择奠定了良好的基础。     

基于神经网络的多源遥感图像语义分割系统设计

为了提高多源遥感图像语义分割的准确性，本文设计了基于神经网络的多源遥感图像语义分割系统。在硬件设计中，设计了基于计算网格的图像语义分割框架，由基础层、技术支撑层、算法层、系统实现和管理层、用户应用层和数据库组成。在软件设计中，优化了卷积神经网络算法以确定最优学习率，通过目标函数进行多阈值多源遥感图像分割的定量化分析。该方法标准化绝对误差、均方误差和运行时间均较低，可以实现多源遥感图像a、b、c分割较好的效果。     

基于图像间的语义感知协同目标检测算法

提出了一个基于图像间的语义感知协同目标检测算法,以高效的方式检索整个图像组的共识线索。对每个像素用语义感知协同模块（SPCM）获取其交叉路径上所有像素的上下文信息。通过进一步的操作,最终可以捕获整个图像的共识信息。辅助分类融合模块（ACFM）可使网络以自上而下的方式突出协同区域。协同显著性检测实验结果表明,文中的算法在3种常用的iCoseg、Cosal2015和CoSOD3k数据集中表现良好,4个指标性能优异,验证了该方法的有效性。     

高光谱结合图分割算法快速鉴别不同尺度产地陈皮

以中药材陈皮为研究对象,建立一种高光谱结合图分割算法实现不同尺度产地陈皮样本快速无损鉴别方法。采集陈皮样品的高光谱图像并利用图分割算法快速获得相对反射率数据集,多种预处理算法对光谱数据降噪处理后,结合偏最小二乘判别分析(PLS-DA)、随机森林(RF)和支持向量机(SVM)建立分类模型,利用预测集准确率筛选最佳模型,混淆矩阵评估模型性能。图分割算法相比常规人工提取方法时间减少80%。融合光谱一阶导结合PLS-DA模型是不同尺度产地陈皮样品的最优鉴别模型,省级行政区域和新会不同区域的陈皮样品的鉴别准确率分别为98.41%和99.05%。该新型图分割算法能够实现高光谱兴趣区域信息的快速、准确获取,结合高光谱技术可实现不同尺度产地陈皮样品的快速鉴别。     

基于互信息的医学图像精细分割

本文提出一种基于互信息的医学图像精细分割算法。该方法在图像直方图基础上,模拟形态学流域概念,提出一种水面下降法,对直方图进行划分,并将原图像与分割后图像的互信息作为分割测度,寻求最优直方图划分,完成图像分割。医学图像分割实验证明,该方法可完成复杂图像的精细分割,对噪声不敏感,具有较好的分割效果,可应用于TPS系统中重要器官及病变组织分割。     

基于图论最小割集算法的图像分割研究

为了提高图像分割的质量,采用图论最小割集算法进行了研究。首先将图像中的像素点映射为图论节点,节点权值通过平衡因子与共享最近邻节点数的比率计算;然后基于最小化能量方程建立图像最小割集,提取分割块内的灰度值作为块特征向量,用最小生成树对图分割;接着用判定函数判断临近区域是合并或者分割;最后给出了算法流程。结果表明,该算法可以分割出目标信息,并且算法鲁棒性好、峰值内存小。     

基于类词包技术的图像分类算法

提出基于类词包(CSBOW,Class-Specific Bag of Words)技术的有监督图像分类算法.在训练阶段,首先在每一类训练图像库中提取特征点,运用SIFT描述符形成特征区域描述符,然后根据欧氏距离对特征矢量进行K均值聚类,每一类形成若干聚类中心即所谓类词包.在测试阶段,首先提取测试图像的特征点,运用SIFT描述符形成若干特征矢量,然后依次计算每个特征矢量与各聚类中心的欧式距离,运用竞争投票机制决定图像的分类结果.将CSBOW技术应用到商品图像分类,实验结果证明本算法分类正确率高于传统的基于词包和SVM的图像分类算法.     

基于最大信息系数和深度残差图卷积的工业过程故障诊断方法

针对工业数据非线性、时变性、时空特征耦合的特点，提出一种基于最大信息系数和残差图卷积网络的工业过程故障诊断算法(MIC-RGCN)。引入最大信息系数(MIC)挖掘变量之间的相关关系，将高维变量之间的相关信息转换为空间距离信息，构建相关性矩阵作为图卷积层的邻接矩阵输入；构建改进的深度残差图卷积网络(GCN)模型对数据的时空特征进行深度融合提取并精准分类。在田纳西-伊斯曼过程和三相流过程数据集上将该算法与4种典型机器学习和深度学习算法进行对比测试。实验结果表明，该算法有效地提升了故障诊断的准确率。     

机器视觉在小型管道探伤中的应用研究

设计了针对小型管道内部缺陷检测的螺旋管道机器人系统,基于该机器人系统提出了图像处理的改进算法。首先采用结合中值滤波思想的双边滤波器,解决了双边滤波无法去除孤立噪声点的问题;其次采用了二维最大熵的阈值分割方法进行图像分割;最后根据管道缺陷的特点提取适合分类器分类的代表特征点进行分类。仿真研究表明:所提算法能够更加完整地提取缺陷信息。     

图像分割方法综述

图像分割是图像处理中的经典问题,也是计算机视觉领域的基本技术。图像分割质量的好坏,直接影响后续图像处理的效果。实践中,基于不同的分割标准,可以将图像分割算法分为:基于阈值的图像分割、基于聚类的图像分割、基于区域生长的图像分割以及基于深度学习的图像分割等。目前,在图像分割领域,多种方法技术成熟,每种分割方法适用于特定的分割对象。本文研究了近年来常用的图像分割算法,并对这些算法进行了归纳、总结及分析。     

基于深度学习的高延性水泥基复合材料单轴拉伸裂缝检查与特征定量化识别

对高延性水泥基材料(ECC)的裂缝特征进行准确识别和测量是研究ECC力学性能与耐久性的重要手段。针对ECC裂缝数量多且细密，纤维噪声干扰重等问题，基于深度学习方法，采用适合于小样本数量生物图像识别的U-Net模型，加上部分Res Net网络层结构进行优化，结合新增制作的适用于ECC的数据集，训练神经网络模型，进行语义分割获取裂缝像素。针对裂纹参数提取问题，使用骨骼提取方法，结合数字图像处理流程，运用CLAHE滤镜和半峰全宽概念获取裂缝宽度，实现了混杂纤维ECC狗骨试件和ECC连接板的裂缝识别与参数提取。结果表明：采用深度学习方法建立的ECC裂缝识别与智能检测方法与实际手工测量误差范围在0.6 mm以内。研究成果可为ECC裂缝检查与特征定量化识别提供准确有效和高通量的分析方法。     

基于CNN的航拍图像中车辆目标检测

目前,卷积神经网络技术在智能交通目标检测算法中应用越来越广泛。针对传统的检测算法受光照、天气、路况、角度等外界因素影响,提出了一种基于卷积神经网络的改进算法。在基础的RetinaNet以及典型纹理特征上进行了优化,并结合显著性目标检测算法,产生受约束的候选区域,在判定是否为车辆目标的步骤前丢弃多个不可能的区域候选框。在车辆检测公开数据集和自己构建的航拍道路车辆数据集上验证,并与目前一些常用算法进行性能与效率的比较,体现了算法的优越性。     

基于稀疏求解的输油管道焊缝图像缺陷检测算法研究

提出一种基于稀疏求解的输油管道焊缝图像缺陷检测算法,通过求解稀疏系数完成识别过程,避免了图像的分割与特征值的计算。将现场提取的缺陷和噪声图像作为样本,根据压缩感知理论,首先通过学习从样本中获得字典,利用相关性最小的原则确定字典矩阵数量,然后构建稀疏模型并采用正交匹配追踪算法求解该模型,最后通过求解得出的系数组合判断图像类型。实验表明:该方法能够实现图像缺陷的准确识别。     

一种基于二维信息熵的粒子群图像分割算法

图像分割是数字图像处理研究的重要领域之一。本文将粒子群优化算法应用于图像分割中,提出了一种基于粒子群优化算法的最大二维信息熵阈值图像分割方法,该方法既考虑了图像的空间信息,又抑制了图像分割时的噪声干扰。实验结果表明,该方法能够快速地寻找到最佳图像分割阈值,并且有效地提高了图像分割质量和效果。     

基于改进流域变换的虹膜区域分割

虹膜图像异常区域分割是虹膜诊断的关键。由于虹膜图像纹理丰富,很多图像分割方法无法取得有效的分割结果。文中采用改进流域变换算法,有效地对虹膜图像进行分割,并避免了传统流域变换存在的过分割问题。试验结果表明,改进流域变换分割虹膜图像异常区域,精确地提取出了异常区域边缘,且无需分割后的区域合并处理,降低了分割的复杂性。     

基于机器视觉的玻璃表面缺陷检测系统的研究

介绍了玻璃表面缺陷检测方法与原理,研究开发了基于机器视觉的玻璃表面检测系统.针对实际的目标图像,通过对其进行图像获取、图像预处理、图像分割、特征提取和区域参数计算研究, 从而获得玻璃表面缺陷图像的识别信息.实验表明,该算法简单、速度快、系统抗干扰能力强,能满足实际使用的要求.     

基于标准割(Normalized cut)算法图像分割方法

随着现代科学和技术的不断发展,图像分割技术越来越受到学者和研究人员的关注,在此提出了一种基于图论和阈值的图像分割方法。在图像分割的各种方法中,图论方法在图像分割中的应用使问题的表述更加灵活,计算更加丰富。本文首先对图像分割进行了简单的介绍,然后分别对基于图论的图像分割以及阈值图像分割方法进行简述和实验,最后对改进后的标准割算法进行了验证。     

一种基于频域变换的无监督车身漆膜缺陷检测算法

针对现有的2D汽车漆膜缺陷检测算法不能很好地检测出颜色暗、对比度低和较小的漆膜缺陷的问题,提出了一种基于频域变换的漆膜缺陷检测算法。首先通过对其主频率进行零掩码来消除图像背景中频谱显示较高梯度值分量的图像背景噪声。然后使用小波收缩法对傅里叶逆变换后的图像进行去噪。通过小波系数进行阈值修改,提取缺陷的高频信息,最后对重建后的图像使用阈值分割法分割出缺陷区域。对不同尺度和类型缺陷样本进行实验的结果表明,该算法检测准确率为95.01%,且具备良好的鲁棒性。     

医学图像分割方法研究

分析了医学图像处理的基本流程,对医学图像的分割进行了数学描述。探讨了医学图像分析中的三类主要方法,包括基于区域的图像分割,基于边缘的图像分割,基于特定理论的图像分割。详细阐述了阈值法,边缘检测法及分水岭算法的主要思想。     

基于大数据聚类的化妆品包装符号元素特征提取

研究了基于大数据聚类的化妆品包装符号元素特征提取方法。初始化处理水平集函数,获取化妆品包装符号元素图像的局部标准差图像,根据余弦相似性确定局部标准差图像像素点在轮廓曲线上的演化方向,水平集演化改进SPF函数,完成符号元素分割;计算大数据的离散样本频谱特征,由置信度获取数据聚类中心的粒子最优解的向量矩阵,完成数据聚类;结合卷积神经网络和AutoEncoder,通过卷积、过滤以及池化操作,在输出层存在的节点中获取最大激活值,实现化妆品包装符号元素特征的提取。实验结果表明,所提方法的特征提取时间较短、特征辨识力有所提高且提取准确率较高。