一种改进的高亮度区域肤色像素检测算法

高亮度条件下肤色和非肤色具有很高的相似性,导致高亮度肤色像素的检测一直是基于肤色分割的一个难点。为了提高肤色分割的效果,提出一种能够检测出图像中高亮度肤色区域的方法。首先在YCbCr颜色空间中利用阈值自适应的单高斯模型检测出图像中具有正常亮度的肤色像素,再结合像素的邻域信息和亮度边缘信息进一步检测出图像中高亮度区域的肤色像素,有效地解决了传统肤色检测方法对高亮度肤色区域漏检的问题。实验结果表明,采用该算法可以较准确地检测出图像中的高亮度肤色区域。     

基于亚像素精度分割的晶粒图像识别方法

机器视觉在工业产品质量控制中的应用越来越广,针对LED晶粒的质量检测问题,提出了一种基于亚像素精度阈值分割的方法进行LED晶粒图像的识别。首先通过图像增强及预处理,然后通过基于亚像素精度的阈值分割方法进行晶粒图像的预处理,再通过K值聚类算法进行感兴趣的区域提取,最后通过NCC归一化的方法进行晶粒位置的识别及定位。实验结果表明,提出的亚像素精度阈值分割和NCC归一化定位算法相结合的方法应用在LED分拣机中,能准确地识别出LED晶粒图像。     

一种基于区域最大值的LED显示屏亮度特征数据提取方法

LED显示屏亮度信息的采集是屏幕显示质量评估的前提,现有的亮度分析仪采集方法不仅速度慢而且对采集到的数据评估不准确,缺乏说服力.利用CCD图像传感器采集到的图像,不仅信息量大而且事实性好.分析了LED显示屏感光图像的特征,由LED亮度特征数据与感光单元灰度值之间的关系,提出了基于区域最大值的LED显示屏目标亮度数据提取算法.该方法利用数字图像处理技术,基于最大类间方差的阈值设置法分离出目标与背景,通过确定目标区域最大值坐标,并结合灰度模板卷积算法实现了对目标亮度的快速准确提取.实践证明该方法较已有的LED显示屏亮度特征数据提取算法有了一定的改善.     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

一种基于最大类间方差和区域生长的图像分割法

提出一种基于一维最大类间方差和区域生长的图像分割法。首先用一维最大类间方差法确定最佳分割阈值,再用改进的区域生长法分割得到目标。实验结果表明,该分割算法不仅适用于简单的图像分割问题,而且对于背景复杂、光照不均匀的图像也能取得较好的分割效果。该算法计算量小,实时性和分割精度均有一定优势,在提取目标的同时,不留下任何背景像素,使下一步的目标识别更为简单。     

LED模组畸变度的质心拟合定位检测

针对LED显示屏以模组为最小单位进行拼接而出现模组发生空间畸变的问题,提出了基于CCD相机采集并利用图像处理技术定位检测LED显示屏模组畸变度的方法。首先,根据LED像素在采集图像上的光型分布,利用canny边缘检测方法结合闭合填充算法将LED点阵像素分割;然后,利用被分割出的空间区域信息和灰度信息,采用加权质心法对每个LED像素进行亚像素级的加权定位。接着,以模组拼接的LED显示屏为例,构建了模组畸变模型,并根据畸变模组和理想模组的线性关系利用最小二乘法进行拟合;最后,利用梯度下降法求得每个模组的畸变参数。实验结果表明:采用这种方法测量多种模组LED点间距的精度为0.5mm,模组畸变特征参数的测量过程中,角度测量精度为1.3°,位移测量精度为2.2mm,基本满足自动影像测量的稳定可靠、精度高、抗干扰能力强等要求,并可在户外机械检测无法测量的情况下应用。     

基于χ~2-散度的图像阈值法

图像分割是图像处理中的重要问题,通常的图像分割法包括阈值法、边缘检测法、区域跟踪法等。其中,阈值法是图像分割的一种重要方法,在图像处理与识别中广泛应用。考虑到交叉熵阈值法的计算时间量较大的问题,提出一种基于χ2-散度的图像阈值化分割新准则。实验结果表明,这里提出的图像分割准则是可行的,且计算所需时间相对交叉熵阈值法要小很多,非常适合于对实时性要求较高的应用场合。     

图像阈值分割法和边缘检测法的研究与应用

在研究图像处理技术时,图像的分割方法起着重要的作用,在理论研究和实践中得到了广泛的应用,它是从图像处理到图像分割的一个关键步骤和基础。图像分割方法有多种方式,主要分为四类:一是阈值分割法,二是区域提取法,三是边缘检测法,四是结合特定理论工具的分割法。文章重点介绍阈值分割法和边缘检测法。     

基于SVM的复杂环境下苹果图像的分割

将需要研究的目标从复杂的背景下提取出来是后期图像理解和图像分析的关键.一种基于支持向量机(Support Vector Machine,SVM)的图像分割方法被提出,将图像分为目标和背景两类.在OHTA的颜色空间下提取各类样本像素值,并用SVM对样本进行训练,运用训练好的SVM分类器对苹果图像进行分割,并进行去噪处理.实验表明该算法可以有效地分割出复杂背景下的苹果,分割速度、分割准确率优于阈值分割法.     

PSO约束优化耦合直方图均衡化的图像增强算法

针对当前图像增强算法中灰度归一化重新分配时产生均值漂移,难以有效保留图像细节信息和亮度保护等问题,提出了一种基于PSO约束优化与直方图均衡化的图像增强算法。引入最大类间方差法(Otsu),将输入图像分割为目标子图像和背景子图像两部分,并对二者分别均衡化,以提高目标与背景子图像的对比度;并根据阈值加权约束分别计算目标和背景子图像的约束;并引入粒子群优化(PSO)算法,对目标和背景子图像的约束主要参数进行优化,确定最优约束值;联合目标子图像与背景子图像的最优约束值完成图像增强。实验结果表明,与当前增强方法相比,所提出的算法具有更好的亮度保护和对比度增强效果,较好地保留了输入图像的细节信息。     

Hybrid threshold optimization between global image and local regions in image segmentation for melasma severity assessment

Melasma image segmentation plays a fundamental role for computerized melasma severity assessment. A method of hybrid threshold optimization between a given image and its local regions is proposed and used for melasma image segmentation. An analytic optimal hybrid threshold solution is obtained by minimizing the deviation between the given image and its segmented outcome. This optimal hybrid threshold comprises both local and global information around image pixels and is used to develop an optimal hybrid thresholding segmentation method. The developed method is firstly evaluated based on synthetic images and subsequently used for melasma segmentation and severity assessment. Statistical evaluations of experimental results based on real-world melasma images show that the proposed method outperforms other state-of-the-art thresholding segmentation methods for melasma severity assessment.     

一种感光不均匀数字PCR荧光图像分割算法

针对传统阈值法难以快速准确分割感光不均匀数字PCR(Polymerase Chain Reaction)荧光图像的问题,提出了一种两步分割算法。第一步,对预处理后的图像采用Otsu算法进行分割;第二步,提取第一步分割不完全的区域,基于图像复杂度确定待分割区域的灰度范围,并基于灰度统计信息计算最优分割阈值,分割结果与第一步分割结果合并形成最终分割图像。实验结果表明,该算法能够有效减少不均匀感光对数字PCR荧光图像分割的影响,分割结果准确,算法复杂度低且鲁棒性好,为有效腔室数量的统计提供了保障,进而提升了数字PCR绝对定量的准确度。     

红外图像目标快速分割方法

提出一种红外图像阈值分割方法。为了减少计算量,首先给出一种提取包含待分割目 标的感兴趣区域方法;然后利用Bezier 曲线法平滑感兴趣区域直方图的噪声,利用所提出的判据来确定最佳分割阈值并进行分割。最后结合上述分割结果和目标的边缘信息得到最终的分割效果。实验结果表明,提出的方法能快速有效的将红外目标从复杂的背景中分割出来。     

一种户外全彩LED显示屏亮度色度检测新方法

本文针对户外全彩LED显示屏的亮度和色度检测,提出了一种基于数字图像处理技术的检测新方法。首先对采集的LED显示屏图像进行预处理;然后通过水平与垂直投影来确定LED像素点的位置及亮度、色度的计算区域;最后记录亮度和色度不一致的LED像素点,以便进行后续校正。实验表明,该检测方法可实现对户外全彩LED显示屏亮度和色度的检测及后续的校正,大大提高LED显示屏的检测速度和显示质量。     

一种新的红外目标图像分割算法

提出了一种新的红外图像分割算法,它首先选取最佳阈值范围内的一组边缘点作为种子像素,然后根据灰度相似性判决准则生长出目标区域而完成目标分割。实验结果表明,本文提出的算法可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

基于Gabor小波的无边缘活动围道纹理分割方法

该文提出了一种基于Gabor小波的活动围道纹理分割新方法.该方法先用Gabor小波提取图像的纹理特征,再用Chan-Vese模型进行分割.与其它基于Chan-Vese模型的纹理分割方法相比,基于Gabor小波的活动围道的纹理分割方法有两个优点:一是同时使用纹理特征和灰度信息演化围道,可分割纹理图像和非纹理图像,分割方法的灵活性好;二是在分割多类目标时,采用多级分层式曲线演化方法解决了初始围道难以选择的问题.对自然界真实图像和遥感图像的分割实验结果说明,该文提出的分割方法精度高.     

基于改进脉冲耦合神经网络的电路板红外图像分割

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难。针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型。首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性。实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强。     

基于2维最大熵最佳阈值算法的图像分割研究

为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。     

Stereo matching using cost volume watershed and region merging

Segment based disparity estimation methods have been proposed in many different ways. Most of these studies are built upon the hypothesis that no large disparity jump exists within a segment. When this hypothesis does not hold, it is difficult for these methods to estimate disparities correctly. Therefore, these methods work well only when the images are initially over segmented but do not work well for under segmented cases. To solve this problem, we present a new segment based stereo matching method which consists of two algorithms: a cost volume watershed algorithm (CVW) and a region merging (RM) algorithm. For incorrectly under segmented regions where pixels on different objects are grouped into one segment, the CVW algorithm regroups the pixels on different objects into different segments and provides disparity estimation to the pixels in different segments accordingly. For unreliable and occluded regions, we merge them into neighboring reliable segments for robust disparity estimation. The comparison between our method and the current state-of-the-art methods shows that our method is very competitive and is robust particularly when the images are initially under segmented.