多尺度引导滤波及其在去雾中的应用

将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法,以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解,即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中,利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后,针对滤波后残余的细节,对提升小波重构后的平滑图像再次进行引导滤波,以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示:多尺度引导滤波能够深层次平滑图像细节,保持边缘完整性,从整体上提高了图像的对比对和视觉效果,有效恢复了场景信息并保留场景的边缘信息。另外,该方法改善了客观评价指标,其对比度增强系数指标平均提升了0.1以上,场景结构相似度平均提升了1以上,而LOE(Lightness Order Error)参数降低了10以上,满足了去雾应用的视觉需求。     

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。     

基于机器视觉的微间隙焊缝识别方法

影响焊缝跟踪精密性的关键因素是对焊缝位置的准确识别。利用磁光成像技术采集微间隙(0~0.1 mm)焊缝图像,对焊缝图像的特征进行分析,获得包含焊缝位置信息的感兴趣区域(ROI),针对感兴趣区域进行预处理和边缘检测,能提高图像处理的效率,又根据焊缝磁光边缘方向不一、细节丰富的特点引入多方向上的结构元素对形态学边缘检测算子进行优化,并与梯度边缘检测算子进行比较。结果表明,该方法能高效、准确地检测出焊缝中心的位置,为后续的焊缝跟踪提供有用信息。     

基于Kirsch理论的彩色图像边缘检测

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围象素灰度有阶跃变化或屋顶变化的那些象素的集合。图像边缘化可以采用多种算子进行处理。例如Roberts算子、Sobel算子、Kirsch算子、Prewitt算子、Laplace算子和Canny算子等。这里采用的是Kirsch算子,它带有特定八方向边缘信息的图像增强模板。能对图形的八个方向作边缘提取．从检测结果中可以看出．基于Kirsch理论的彩色图像边缘检测能够较全面地提取边缘信息。这说明,用该方法检测彩色图像的边缘是有效的。     

小波变换技术在图像边缘检测中的应用

边缘检测是计算机图像处理中的一个重要环节,而常用的Sobel算子、Prewitt算子等方法存在一些缺点.本文先介绍了小波边缘检测的原理,在此基础上,针对尺度的选取提出了一种自适应的方法,并做了实验.检测结果表明,以尺度自适应为基础的小波变换方法在边缘检测中优于Sobel算子、Prewitt算子.总之,该算法能有效地从噪声图像中检测出边缘.     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

基于形态学的MRI图像自适应边缘检测算法

为了在噪声环境下尽量多地检测出MRI(magnetic resonance imaging)图像的边缘细节,以满足医学临床诊断的特殊需求,提出一种基于形态学的医学图像自适应边缘检测算法.根据医学磁共振图像噪声的特点构造了一种基于形态学滤波特性的边缘算子,使用多方向结构元素实现了边缘的精确检测,并根据图像的灰度特征自适应地调整各方向结构元素检测结果的权值,最后合理地调整结构元素的尺寸大小.仿真实验结果表明,与经典微分边缘算子及常用形态学算法相比,该算法不仅具有很强的抗噪性能,而且能更有效地提取图像中不同方向的边缘信息.     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

基于二进小波多分辨率逼近的层析三维数字化图像边缘检测研究

采用Ｂ样条小波来提取层析图像的边缘轮廓,用高斯函数为平滑函数,用Ｍａｌｌａｔ快速算法进行小波分解,分解出的局部极值就是层析图像多尺度边缘。这两种算法在不同的尺度下有不同的提取边缘细节的能力和抑制噪声的能力。做到了抑制噪声和提取边缘细节之间有机的统一。结果证明这种方法比传统的基于微分算子的边缘提取方法更适合于层析图像边缘轮廓的提取     

融合小波变换与形态学的车身刮痕边缘检测

针对车身表面外部噪声干扰的影响,导致无法准确提取到车身刮痕边缘有效信息,提出一种融合小波变换和数学形态学的边缘检测方法。首先,为减弱车身刮痕边缘提取过程中受光照等外界噪声干扰影响,对刮痕源图像利用小波模极大值边缘检测方法,消除部分噪声干扰,提高边缘检测定位的准确性;然后,为了优化刮痕边缘的连续性,避免在多尺度小波检测下边缘有效信息的丢失,提出一种改进的数学形态学边缘检测算法;最后,将小波模极大值与数学形态学两种方法的检测结果进行小波分解,分别得到图像的高频和低频分量。两图像低频分量根据图像能量大小分配权重进行融合,对应的高频分量通过绝对值取大的方式融合,将融合后的高频和低频分量重构,获取最终的刮痕边缘。通过实验分析,该融合方法能保证在去噪的同时,获得更完善清晰的边缘特征信息,效果优于传统边缘检测算法,能为后续刮痕精确定位修复提供理论与技术支持。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

旋转机械参数图形多尺度多结构元边缘检测

以旋转机械振动信号参数图形为研究对象,在600 MW模化汽轮机转子试验台上完成了转子正常、转子不对中和轴承松动故障的实验研究,得到了相应的振动参数三维图形。对不同故障的振动参数三维图形进行了二维灰度转化及图形预处理;依据多尺度滤波增强处理方法滤除了参数图形的噪声,增强了有用信息;利用多结构元边缘检测算子对参数图形进行了边缘检测。结果表明：多尺度多结构元边缘检测方法抗噪能力强,能够在滤除旋转机械振动信号参数图形中噪声的同时,有效地提取图形的边缘特征,适用于环境噪声较为复杂的旋转机械状态监测。     

结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割

针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

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。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

基于机器视觉的VCM磁钢检测系统设计与研究

针对目前VCM磁钢片轮廓尺寸的检测方法存在检测速度慢、精度低等问题,设计了基于机器视觉的VCM磁钢检测系统的总体结构。视觉检测系统采用了中值滤波滤除噪音,利用Canny算子定位边缘轮廓和8-连通法提取图像边缘信息,采用基于链码的实时拐角检测算法求拐点,对轮廓线进行分段识别和重构,并用最小二乘法拟合轮廓,实现尺寸检测。用该系统对VCM磁钢片样品进行实验及数据分析,并与传统的三坐标测量仪的检测结果进行对比实验。实验结果证明了该系统能满足VCM磁钢片的实际工业在线检测需求。     

立体零件加工质量的在线图像检测方法

针对具有景深零件加工质量的在线检测问题,提出一种基于单摄像机的分层图像测量方法.结合改进的双线性插值和Robert边缘算子,对零件各层面在图像上投影直线边缘粗定位;再基于灰度矩的亚像素算法和最小二乘直线拟合,将边缘定位精度提高到亚像素级.在二步法图像边缘定位基础上,利用分层映射关系,获得零件形状和几何尺寸数据.本文方法应用于某种双层特种钥匙加工质量的图像检测中,实验结果表明,该方法实时性好,能满足机械零件加工质量的检测要求.     

基于水平特征的车辆检测与跟踪

利用加权平均滤波算法对图像进行了滤波处理,去除部分噪声,利用Sobel算子的水平算子对图像的水平边缘进行增强处理,利用最大类间方差法对边缘增强后的图像进行图像分割;提出了利用车辆的水平特征中的列直方图和行直方图对车辆进行检测,根据检测结果得出该方法检测效果良好,即使是复杂环境下的车辆也能得到有效的识别,且对货车的识别效果良好;最后,利用限定感兴趣区域法对车辆进行跟踪,验证了识别方法与跟踪方法的有效性。