脊波在工业CT图像裂纹边缘检测中的应用

在分析工业CT图像本身特点及小波变换检测点状奇异性的基础上，研究改进了一种基于脊波变换的边缘检钡0方法，并将其应用于实际工业CT图像裂纹检测中。首先利用脊波变换获得裂纹方向和大致范围，然后通过区域灰度均值比较定位裂纹区域，最后采用梯度算子检测出裂纹边缘并对其进行多项式拟合，得到定位准确、连续、独立的裂纹边缘图像。CT图像的旋转实验验证了该算法的鲁棒性，而与Earlace算子、Canny算子和Mallat小波方法的对比实验则证实该算法具有较强的抗噪声能力。     

视觉测量中亚像元图像特征定位算法

提出一种利用Facet模型进行图像特征高精度定位的新方法。通过构造一组二维的正交多项式基底,能快速拟合Facet模型的曲面参数方程来表示图像灰度分布,再沿曲面上最大梯度方向的二阶导数的零交叉高精度定位图像角点和边缘特征。该方法采用拟合方法代替插值方法,能减少对噪声的敏感,可提高曲面小片构成的灵活性与边缘检测的精度及计算效率。通过对多幅不同真实图像进行试验验证,结果证明该方法稳定可靠、精度较高,能在视觉测量中有效地提高测量精度。     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。     

基于预分割轮廓的CT图像亚体素表面检测方法

针对基于CT(computed tomography)图像检测分析中的点云提取精度与完整性问题,提出一种基于预分割轮廓的高精度、高完整性的亚体素表面检测方法。首先采用Otsu分割算法提取CT图像的体素级轮廓点集,并以此作为粗定位轮廓自适应地生成用于亚体素表面检测的完备感兴趣区域(region of interest,ROI);然后提出一种基于梯度非极大值抑制的表面体素判定方法,避免了梯度阈值选择难题;最后基于3D Facet模型定位亚体素级表面点位置。实验结果表明,该方法能有效改善传统亚体素检测方法的轮廓丢失、伪边严重等问题,轮廓定位误差小于0.2个体素,同时能够取得3倍以上的计算加速比。     

工业CT图像圆精确测量

圆形结构特征大量存在于工业CT图像中,有效地检测出圆并获得其参数,在图像测量及逆向工程应用中具有重要的意义。利用基于Facet模型的亚像素边缘检测算法检测图像边缘,利用计算圆存在的概率大小识别边缘图像中的圆,实现工业CT图像中圆的检测和参数测量。研究圆存在概率算法特点,通过构造专用链表数据结构存储计算数据、限制计算时圆心选取范围的方法,改进圆存在概率计算效率低、占用内存大的缺点。使用空间分辨力为2.0lp/mm的电子直线加速器工业CT系统,扫描重建出包含10个圆的800*800像素工业CT图像,首先对图像进行基于Facet模型的亚像素边缘检测,然后进行基于存在概率的圆检测和测量。试验结果表明,改进的圆存在概率算法计算效率明显提高,图像中圆参数测量精度优于0.5%。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

基于改进形态学梯度和Zernike矩的亚像素边缘检测方法

为满足电荷耦合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进形态学梯度和Zernike矩算法的图像亚像素边缘检测新方法.基于CCD图像灰度和空间结构信息特点,该算法先利用改进的数学形态学梯度算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向;然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,实现图像的亚像素边缘检测.仿真图像和实际图像的边缘定位实验结果表明,与Zernike矩、LOG-Zernike矩及Sobel-Zernike矩算法相比,该方法具有更好的定位精度与抗噪性,且检测速度更快.     

改进canny算子的亚像素定位算法

为了提高亚像素边缘定位精度,减小定位误差,提出了一种改进的canny边缘检测算子用来检测图像的像素级边缘,之后基于改进的canny算子粗定位的边缘点,采用高斯拟合亚像素方法找出图像的亚像素边缘点位置。针对微小的圆形零件进行图像采集及图像处理,通过matlab实验仿真将该方法与传统的canny算子相比较,发现误定位明显减少,在保留边缘信息的同时有效的提高了边缘定位的精度,得到更准确的圆心位置及半径长度。结果表明是一种有效的边缘检测定位算法,具有一定的实用意义。     

双阈值法在图像边缘检测中的应用

利用小波变换模极大值法进行图像边缘检测时,需选择阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,如果对变换后的图像取单一阈值,那么微弱边缘将会因为灰度不均匀、噪声等一并被滤除.针对这一问题,在上述算法中用双阈值法代替单阈值,使得图像边缘连续,同时也能很好地消除噪声,实验结果表明该算法简单实用,易于实现.     

工业CT图像的缺陷检测研究

铸造过程由于其自身生产工艺的特点,常常会产生缩孔和气孔等缺陷,这些内部缺陷会对零件质量产生不好的影响,也会缩短零件寿命,因此需要准确地识别出这些内部缺陷。通过工业CT设备对铸件进行扫描,可以获得了一系列工业CT切片图像。为了快速提取工业CT图像的孔类缺陷,首先使用二维Otsu自适应阈值算法进行阈值分割,以区分工业CT图像中的物体与背景,然后通过Sobel算子得到图像的初始边缘轮廓,再基于拉格朗日插值法进行亚像素边缘检测。实验表明,该方法可以有效地识别铸件工业CT图像中的缩孔和气孔缺陷。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

方向小波变换在直线轮廓物体的边缘检测中的应用

直线轮廓物体的图像边缘往往呈现出一定的方向性规律,若采用能够突现方向性的边缘检测方法,则可以得到比较好边缘效果.随着小波变换在图像处理方面的应用日益广泛,小波变换也被更多地用于图像的边缘检测.但传统的小波变换没有反映出图像的方向特性,而方向小波变换既具有小波变换在信息处理中的优势也能反映出图像信号的方向性,因此,文中将其应用于实验图像的直线轮廓物体的边缘检测,得到了比较好的边缘图像.     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于M带小波变换的焊接熔池图像边缘检测

利用M带小波变换理论对CO2焊图像进行处理。基于Mallat小波模极大值边缘检测技术，研究了熔池边缘和焊缝位置的M带小波检测方法及算法实现，对边缘检测结果进行了分析。对CO2焊图像处理结果表明，用M带小波变换理论构造的小波基对提取熔池边缘和焊缝位置效果较好，可用于熔深控制、焊缝跟踪等领域。     

一种非均匀光照图像字符二值化小波分析法

图像二值化阈值的选取是灰度图像二值化处理中的关键，本文提出一种基于小波边缘检测的图像二值化方法。通过对图像进行二进小波变换，在最佳尺度上寻找出图像字符的边缘点，再根据边缘点处的灰度值来确定出二值化的阈值。应用于光照不均匀的多噪声车牌图像二值化，取得了良好的效果。     

小波理论在植物根系图像边缘检测中的应用

在植物根系的研究中,所提取出的植物根系图像往往噪声较大,而采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。针对这一问题,本文基于小波理论的知识,提出了运用小波多尺度变换检测植物根系图像边缘的方法。利用一个平滑函数,在不同的尺度下平滑所要检测的图像信号,根据平滑后信号小波变换系数模的一阶或二阶导数找出信号的突变点也即边缘点。一阶导数的极值点对应二阶导数的零交叉点和平滑后信号的拐点。因此可由小波变换模局部极大值检测图像边缘。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。     

输入图像尺寸和伸缩因子对二维Morlet子波变换的影响

简述了二维光学子波变换理论,用计算机模拟方法研究了伸缩因子对子波变换的影响,发现伸缩因子过大会使变换后的图像的边缘变模糊。得出了合适的伸缩因子值,用计算机模拟和光学实现方法研究了输入图像尺寸对子波变换的影响,实验结果与计算机模拟相一致,认为合适的输入图像尺寸应保证输入图像的频谱范围与子波匹配滤波器的频谱范围相一致,才能使二维Morlet子波变换提取清晰的图像边缘特征。