基于改进BP神经网络的彩色图像边缘检测

利用改进的BP神经网络模型导出了一种新的彩色图像边缘检测算法。为了充分利用图像中的颜色信息,在RGB彩色空间中通过欧式距离度量像素之间的差异获得灰度图像;为了降低训练样本的数量,将灰度图像二值化作为导师信号;针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文章将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进。利用该方法对二值图像进行了边缘检测,实验结果表明,该方法对二值图像的边缘检测较传统的检测方法具有更好的效果。     

灰度自适应边缘检测在煤矸石分选中的应用

针对煤和矸石灰度的不同,本文介绍了一种基于灰度的自适应边缘检测法,首先对图像进行灰度增强预处理,然后采用迭代算法求出图像分割的最佳阈值,结合形态学的腐蚀算法从而实现图像的精确边缘检测,并给出了仿真实例。与几种经典的边缘检测算子相比较,该算法效果最佳。     

降落岩石骨料图像阈值分割算法

岩石破碎质量可通过对皮带末端降落过程中岩块摄像图像的分析来实现连续监测。因此，摄像图像的处理是该系统的关键问题。为此，研究了一种降落岩石骨料灰度图像的局部阈值二值化算法，该算法重复分割岩石骨料图像直到图像中所有目标分割完毕。目标分割前，在每一次迭代分割过程中计算目标的尺寸、形状以及其灰度变化范围。本算法已应用于在线系统，相关测试结果表明在一定的条件下分割效果较好。     

输送带表面图像快速分割技术研究

快速图像处理是基于机器视觉的输送带在线状态监测系统的关键技术。针对输送带表面图像的分割,提出了一种快速阈值分割算法。该算法基于图像的灰度信息,具有简单、实时性好等特点。文章通过用实际图像对快速阈值分割算法与其它几种算法进行了对比,结果验证了该算法的有效性。     

基于边缘检测的焊接RT图像中缺陷分割方法

针对RT焊接图像,提出一种sobel算子与动态的自适应阈值相结合的边缘检测方法,并利用基于奇偶判断的填充算法,准确提取缺陷。对RT焊接图像进行边缘检测分割前,为去除噪声、检测和识别特征更加容易,首先在图像预处理中去除焊缝外背景,并进行了全方位多级组合滤波、局部区域的直方图均衡处理,然后还利用列灰度波形分析划分焊缝内区域。     

基于PNN的彩色图像的自适应颜色分割

针对自然场景图像中特定颜色目标的自动检测问题,提出了一种基于概率神经网络(PNN)的彩色图像自适应颜色分割算法。利用实际图像的实验结果证明:文中算法能从图像中有效地分割出特定颜色类型的地物目标,对自然光照环境具有较强的鲁棒性和适应性。     

煤矿胶带表面裂纹检测图像处理算法研究

采用分治法改进的中值滤波法进行滤波去噪,提高算法执行速度;使用直方图均衡化与局部对比度结合法增强图像的动态范围,凸显裂纹细节,同时将Sobel算子扩充为四个方向进行边缘检测,仿真结果表明扩充的Sobel算子输出边缘更强烈,更有利于图像分割。提出一种实时性更强的改进二维Otsu算法进行图像分割,从图像实验结果可以看出,改进分割算法效果非常理想、有更好的自适应性,受图像对比幅度变化、亮度变化和目标比例大小的影响较小。     

基于Hough变换的带式输送机托辊图像分割方法

由于现阶段对煤矿带式输送机托辊缺乏有效的监测，传统的人工巡检方法存在效率低、自动化程度低等问题，提出一种矿用带式输送机托辊图像分割算法。该算法利用带式输送机沿线巡检装置采集带式输送机图像，对托辊区域图像进行边缘检测，通过霍夫变换和直线拟合方法，确定托辊的4个边界。利用托辊边界制作图像掩膜分割出托辊图像区域。实验表明，该算法对不同位置托辊能够实现准确的自动分割，为利用视觉检测技术监测托辊运动状态提供可靠的技术基础。     

基于Contourlet变换的模糊聚类和膨胀重构相结合的浮选图像增强方法

针对用分水岭算法分割铅锌矿泡沫图像时标识点难以提取及气泡边界模糊问题,提出了模糊C均值聚类和二值开重构相结合的方法及基于Contourlet变换的泡沫图像增强方法。首先对图像进行聚类,提取出灰度值较大的一类点,对提取出获得的图像用不同的结构元素进行二值开重构操作除掉一些灰度值较大的边缘点和噪声,得到气泡内部高亮点作为标识点。然后对泡沫图像做Contourlet变换提取高频系数,构造自适应增强函数作用于高频系数,利用增强后的高频系数做Contourlet反变换以增强泡沫图像。最后在上面获得的标识图像和增强图像的基础上用分水岭变换对图像进行分割。试验结果表明,该方法能够对气泡边界模糊的铅锌矿图像实行有效分割。     

基于深度卷积网络的矿岩图像分割算法研究

在金属矿开采过程中,矿石图像的人工智能分割有着重要作用,但是采场爆堆矿岩分布状况复杂,矿岩图像颗粒粘连严重难以分割。现有的矿岩图像分割方法通常是先利用滤波降噪,再采用分水岭算法分割图像,这种方法存在局限性强和参数调整复杂等问题,不适合用于实际应用。结合矿岩图像特征和矿山实际需求,提出了一种基于U-Net深度卷积网络和Open CV的矿岩图像分割算法,该算法将深度学习创新应用到矿岩图像分割领域,与最大类间方差法、聚类分析、边缘提取等分割方法相比,该算法分割精度高,分割效果好,并且可以直接获取效果图中矿岩块的数量,极大减少了图像的后续处理工作量。     

基于多颜色分量CLBP提取的浮选泡沫状态识别

针对不同状态的浮选泡沫图像之间纹理结构相似、颜色差异不明显的问题，提出一种基于色调、饱和度和亮度（HSV）颜色空间的完全局部二进制模式（CLBP）纹理提取的浮选泡沫状态识别方法。首先使用双域去噪在保留纹理细节的同时滤除图像噪声，然后转换为HSV图像，在H、S和V颜色分量上分别提取三个尺度的CLBP纹理特征。将提取的纹理特征归一化后线性排列，建立高维度的纹理分类模型。最后通过一对一模式的支持向量机分类器对四类泡沫状态的样本集进行纹理提取后的分类训练与测试。结果表明，该方法对不同浮选泡沫状态的分类正确率较高，优于其他纹理描述方法，适用于浮选泡沫状态的识别。     

基于Mean-shift和DoG的卡通化图像生成算法

从数字图像直接生成卡通化效果有着重要的应用,文中提出一种新的图像卡通化效果生成算法,首先利用均值漂移算法去除图像中颜色细节信息和纹理细节信息,用大色块替代原图像中属性相同的区域,然后对均值漂移滤波后的图像利用高斯差分算子提取边缘信息,最后将均值滤波图像和边缘图像进行融合获得卡通化效果。实验结果表明,利用本算法获得很好的卡通化效果图像。     

人脸图像自动校准研究

研究了利用计算机实现人脸图像的自动校准方法。在YCbCr色彩空间中建立肤色特征的二维高斯模型,并根据二维高斯模型进行图像肤色二值化。对面积稍大的每个连通区域进行模板匹配,在每一区域中找出匹配最佳的部分作为人脸区域,完成人脸检测。在检测出的人脸区域中,根据亮度信息和肤色二值化图像反色来定位人眼,最后将提取出的人脸图像进行归一化处理,包括几何归一化和灰度归一化。实验结果表明,校准率较高,具有较强鲁棒性。     

基于照度调整的矿井非均匀照度视频图像增强算法

由于煤矿井下空间环境受粉尘等因素的影响,视频监控系统获取的作业环境图像存在照度低、照度不均匀等问题,而且现有的算法在处理煤矿非均匀照度图像时会出现颜色失真或者过增强现象,这不利于对图像的判读和应用。结合煤矿的实际数据,提出了一种新的图像增强算法,克服了现有算法存在的问题:分析井下视频图像特点,采用具有边缘保持特性的多尺度引导滤波获取照度分量;基于Retinex理论,将图像分解为照度分量与反射分量;针对照度不均匀的特性,提出一种新的"S型"曲线函数对其进行调整;分析图像的特性,引入受限对比度自适应直方图对其对比度进行增强;提出新的图像增强模型,利用细节增强系数和照度增强系数实现对图像的综合增强。与其他4种算法的对比试验表明,本文算法在主观评价和客观评价方面都优于上述算法。实验证明,本算法具有有效提升图像整体亮度和对比度,同时避免光源附近亮区域的过增强现象的特点,能够满足矿山实际应用需求。     

基于HSV颜色空间的矿物识别研究*

矿物识别是工艺矿物学的研究基础,针对矿物颜色作为镜下矿物鉴定主要依据的特点,为提高矿物识别效率,降低人工识别成本,提出了一种HSV颜色空间的阈值分割方法。利用双边滤波对采集的矿物显微图像进行预处理,消除噪声干扰,针对不同矿物颜色亮度的差异,在HSV颜色空间下分离H、S、V三通道的颜色分量图提取颜色阈值,并通过阈值分割操作获得目标矿物区域。对磁铁矿和黄铜矿共存的显微图像进行识别,并与传统的大津法和基于HSV颜色空间的阈值分割方法对比。结果表明,基于HSV颜色空间的矿物识别方法能够准确的识别区分开磁铁矿和黄铜矿,分割结果与人工标注的矿物位置基本符合,准确率达95%以上,且提高了识别速度,是机器视觉代替人眼视觉在矿物识别方面的一次探索。     

基于特征点的煤矿图像拼接技术的研究

将图像拼接技术引入到煤矿领域。结合煤矿井下环境的特点,提出了一种稳健的基于曲率尺度空间的拼接(CSSM)算法。该算法使用改进后的自适应阈值CSS角点检测算法提取特征点,利用相似测度NCC提取初始特征点对,并通过RANSAC删除伪匹配对,达到精确匹配,通过渐入渐出融合法实现无缝拼接。     

基于矩阵相似度的探地雷达成果图解译技术

在大量现场解译经验的基础上,发现了雷达成果图与含水量之间的关系,以及不同程度含水情况图像的规律性,基于所有图像都可以用颜色值矩阵表示、矩阵的相似度表示图像相似程度的思想,提出了矩阵相似度判别探地雷达成果图含水程度的方法,运用图像颜色值矩阵提取函数对图像进行了提取,计算了不同类别含水情况的特征矢量中心值,并验证了矩阵相似度在探地雷达成果图解译中的可行性,在实际应用中取得了很好的效果。     

基于多小波变换的遥感图像模糊融合算法研究

基于多小波变换方法,提出了一种针对多光谱图像和全色图像的像素级遥感图像模糊推理融合算法.该算法首先利用IHS变换对多光谱图像进行颜色空间转换,然后对1分量和灰度拉伸后的全色图像进行多小波分解分别得到高频部分和低频部分图像.针对高频图像抗噪能力差的问题,提出了一种基于模糊推理的加权融合规则.对融合后的图像进行多小波重构和...     

融合均值漂移和改进的K均值聚类的颜色量化

针对经典K均值聚类算法需要事先给定量化数目和量化时间长的问题,提出了一种融合均值漂移和改进的K均值聚类的颜色量化算法。首先把图像从RGB空间转化到Munsell空间,然后依据均值漂移算法以及NBS距离与人类视觉对颜色差别的定量关系自动确定量化数目,最后以kd树作为数据结构来运行K均值算法从而实现图像的快速量化。     

Froth delineation based on image classification

This paper describes a set of image segmentation algorithms for mineral froth images, based on gray-value valley detection and a kind of image classification. The size, shape, texture and color of froth bubbles are very important pieces of information for production optimization in mineral processing. In order to determine these parameters, bubbles in a froth image first have to be delineated. Froth images display a large variation of image patterns and quality, thus it is difficult to use only a single algorithm for segmenting all images. To achieve successful segmentation the images are first classified into image classes. Then sets of segmentation algorithms are used, based on the different image classes. The segmentation algorithms and classification algorithms have been tested in a laboratory and in industrial on-line systems for froth images, the test results show that they are robust for froth images. The processing speed for the segmentation algorithm is much faster than for a standard morphological segmentation algorithm. The processing accuracy is comparable to manual drawn result. This test shows that the algorithms work satisfactorily.