基于U-Net卷积神经网络的轮毂缺陷分割

为实现轮毂缺陷检测自动化,该文依据轮毂X射线图像,提出一种基于U-Net卷积神经网络的自动分割的改进方法。将原始U-Net模型的最大池化操作替换为卷积操作,并加入Dropout层对网络进行优化,提升模型可靠性。同时对带有缺陷的轮毂图像做数据预处理,用于训练改进的U-Net模型。结果表明,该网络在复杂轮毂X射线图像的缺陷识别中表现良好,DICE系数为0.8554,SSIM系数为0.9655,识别速度达到3 ms/张;该方法能较好地实现轮毂射线图像缺陷的自动分割,满足无损检测的自动化需要。     

一种轮毂X光图像的快速区域分割方法

由于轮毂X光图像的复杂性,传统区域图像分割算法难以对其准确和快速地分割,直接影响轮毂质量检测的评判.文中提出了一种基于轮毂X光图像的灰度信息和几何特征的快速区域分割方法.实验结果表明,该算法能准确快速地分割轮毂X光图像目标区域,为后续区域缺陷检测奠定良好基础,具有很强的实用性.     

小波及拉氏算子在管道焊缝缺陷检测中的应用

通常数字化的X射线图像存在噪声且对比度较差,给缺陷识别带来一定难度。文章在图像分解的基础上,利用小波分析对工业X射线天然气管道焊缝缺陷图像进行去噪处理,有效地改善了图像质量,又根据Laplacian算子检测图像边缘快速性的特点,参照天然气管道焊缝图像的特征,提出一种基于小波与Laplacian算子相结合的管道焊缝缺陷识别方法,仿真结果证明了此方法有效性及可靠性。     

小波及拉氏算子在管道焊缝缺陷检测中的应用

通常数字化的X射线图像存在噪声且对比度较差,给缺陷识别带来一定难度.文章在图像分解的基础上,利用小波分析对工业X射线天然气管道焊缝缺陷图像进行去噪处理,有效地改善了图像质量,又根据Laplacian算子检测图像边缘快速性的特点,参照天然气管道焊缝图像的特征,提出一种基于小波与Laplacian算子相结合的管道焊缝缺陷识别方法,仿真结果证明了此方法有效性及可靠性.     

基于小波变换的轮毂表面裂纹电涡流检测系统

机车车轮轮毂在机车高速运行中容易产生疲劳裂纹,准确的测定裂纹对机车安全运行至关重要,文中提出基于小波变换的轮毂表面裂纹电涡流检测系统;小波分解重构方法应用于检测信号的去噪和滤除干扰,其效果优于传统的电涡流检测信号处理方法,利用此方法可以准确快速的测定轮毂表面裂纹,分辨率可以达到1μm.     

基于小波变换的苹果X射线图像增强方法研究

目前对果品外观品质的图像检测技术已经比较成熟且已有商业化的产品,但对内部品质的无损检测研究相对较少.该研究采用X射线技术,对霉心病等原因造成的内部腐烂变质苹果进行了检测,由于直接用X射线获得的图像比较模糊,为提高图像的视觉效果,采用小波变换的方法对图像进行增强处理,为检测算法的有效性,实验中同时采用直方图均衡化、局部对比度图像增强的方法对图像进行了处理,实验结果表明,采用小波变换的方法增强图像后,能获得比原始图像更清晰的图像;经过小渡变换处理后的图像信息熵达5.2324,信息熵最小;而对于峰值信噪比这一评价指标,其中小波变换方法的峰值信噪比最大达到24.1002,峰值信噪比也表明小波变换的方法效果好于直方图均衡化、局部对比度图像增强两种常规方法.     

基于正交小波变换和伪彩色的遥感图像增强

针对基于正交小波分析的图像增强技术一般只适用于黑白图像;而伪彩色处理技术不能够充分处理图像中某些细节信息的缺陷.提出了基于正交小波分析和伪彩色的遥感图像增强处理方法;实验结果表明,增强后的遥感图像无论在视觉效果上还是在噪声特性上都有了很大的改善;该方法简便易行且计算量小,在应用中有较大的灵活性;该方法还具有运算速度快和可操作性强等特点,在遥感图像增强研究方面具有广泛的应用前景.     

基于小波分析和伪彩色的遥感图像增强

针对基于小波分析的图像增强技术一般只适用于黑白图像,而伪彩色处理技术不能够充分处理图像中某些细节信息的缺陷,提出基于小波分析和伪彩色的遥感图像增强处理方法.增强后的遥感图像无论在视觉效果上还是在噪声特性上都有了很大的改善.该方法简便易行,计算量小,在应用中有较大的灵活性,该方法还具有运算速度快,可操作性强等特点.在遥感图像增强研究方面具有广泛的应用前景.     

基于多尺度带限的自适应直方图均衡和数学形态学的医学X射线图像对比度增强算法

医学X射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的X射线进行成像,而X射线图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据X射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的X射线图像对比度增强算法。首先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学X射线图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。     

基于多尺度带限的自适应直方图均衡和数学形态学的医学 X 射线图像对比度增强算法

医学 X 射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的 X 射线进行成像,而 X 射线 图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据 X 射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的 X 射线图像对比度增强算法。首 先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应 用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各 塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再 经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学 X 射线 图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。     

一种X射线图像增强新方法

针对X射线图像对比度不高,图像偏暗,边缘模糊,噪声大的问题,提出了一种小波变换和模糊理论相结合的图像增强新方法.首先,将射线图像进行小波分解获得低频子带和高频子带,然后,对含有图像基本面貌特征和主要能量信息的低频子带采用广义模糊算子进行处理,能较好地提升图像对比度和局部亮度,对含有噪声和细节信息的高频子带利用软阈值去噪方法进行去噪处理,同时定义了一种新的增强算子,在去噪的同时进行细节增强,最后,对处理后的图像进行小波重构.实验结果表明:该方法可以有效去除图像噪声,提升图像对比度和清晰度,视觉效果良好.     

基于小波变换的多聚焦彩色图像融合新方法

给出了一种基于小波变换的多聚焦彩色图像融合方法。首先对待融合图像的R、G、B三分量进行小波变换,将其分成不同频率的子图像。然后对于低频和高频子图像采用不同的算法进行融合,得到融合图像的小波系数。最后利用小波逆变换重构融合图像。实验结果表明,融合图像具有较小的颜色失真和较高的峰值信噪比。     

一种基于二维离散小波变换的医学图像增强算法

噪声是影响医学图像质量的最重要的因素之一。去除噪声,增强图像以提高图像质量是医学图像处理的重要课题。传统的图像增强方法在改善图像视觉效果的同时还存在噪声过增强问题,不适于医学图像增强。针对这种情况,文章提出了基于二维离散小波变换的医学图像增强算法。在多尺度分析基础上,该算法对小波分解得到的低频子带图像采用两步提升法进行对比度增强处理,而对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明,该方法在提高医学图像对比度改善图像质量的同时有效地解决了传统算法中难以克服的噪声放大问题。处理后的图像更利于医生进行分析诊断和医学影像的后续处理。     

带细节增强与降噪的真彩图像多尺度边缘检测

为了解决真彩图像降噪和边缘细节保留的问题,提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像,进而根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明,该算法能充分利用真彩图像的颜色和梯度信息,有效地抑制噪声,增强图像的细节信息。     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘．并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真．实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征．     

基于直方图均衡化与MSRCR的沙尘降质图像增强算法

针对沙尘天气下图像色彩偏移严重及对比度低等问题,提出一种基于直方图均衡化与带色彩恢复的多尺度视网膜（MSRCR）增强的沙尘降质图像增强算法。通过偏色校正和图像增强两个步骤进行图像恢复,将RGB图像各通道预处理后利用限制对比度自适应直方图均衡方法得到校正后的图像,对图像采用双边滤波进行降噪处理,通过MSRCR算法进一步解决色彩失衡问题。由于处理后的图像对比度较低,存在一定色偏,利用伽马校正和基于图像分析的偏色检测及颜色校正方法进行处理得到最终结果。对大量沙尘降质图像进行仿真实验,结果表明,该算法能够有效处理不同偏色程度的沙尘图像,不仅提高了图像的对比度,而且有效避免了图像颜色偏移现象,相比GCANet、MSRCR等算法,平均时间效率提升了46.2%~94.7%。     

沙尘降质图像清晰化算法

目的 沙尘环境中获取的图像存在颜色失真、对比度低等问题,不利于人眼辨识以及进一步的图像处理。为解决沙尘降质图像的这些问题,提出一种新的基于颜色调整和对比度增强的沙尘降质图像的增强算法。方法 沙尘降质图像增强要解决两个问题,即颜色偏移和对比度增强。基于沙尘降质图像的的颜色直方图存在的集中性、顺序性以及偏离性等特性,使用高斯模型分别对各通道颜色进行建模,进而进行颜色调整。针对颜色调整后的图像存在的整体灰暗,对比度低以及噪声等特点,利用改进的基于奇异值分解的增强算法,从而有效地增加图像对比度并抑制噪声。结果 为了验证本文算法的有效性,与带有色彩恢复的多尺度Retinex算法、GUM算法、Tarel算法、融合算法4种方法进行了对比。从增强结果可以看出,本文算法能够有效解决降质图像的颜色偏移和对比度低的问题,并增强图像的整体视觉效果。结论 本文算法充分利用沙尘降质图像三通道颜色直方图分布的特点,能够快速高效地实现颜色校正,并通过图像频域的奇异值信息进一步提升图像的对比度。经过多幅沙尘降质图像清晰化实验验证,表明本文方法能够实现对不同程度沙尘降质图像的增强,具有较强的适用性。     

基于小波变换的低对比度图像增强方法

传统的图像增强方法对于光照不足或不均匀的图像处理效果不佳.而且还存在噪声增强的问题.文章提出了一种基于小波变换的低对比度图像增强算法,对小波变换后的高频系数进行去噪、增强,对低频系数进行多尺度Retinex增强,既作了图像动态范围压缩,又较好地保证了图像的色感一致性.实验结果表明,该算法效果较好,可以有效增强图像的细节...     

融合注意力机制和上下文信息的微光图像增强

目的 微光图像存在低对比度、噪声伪影和颜色失真等退化问题,造成图像的视觉感受质量较差,同时也导致后续图像识别、分类和检测等任务的精度降低。针对以上问题,提出一种融合注意力机制和上下文信息的微光图像增强方法。方法 为提高运算精度,以U型结构网络为基础构建了一种端到端的微光图像增强网络框架,主要由注意力机制编/解码模块、跨尺度上下文模块和融合模块等组成。由混合注意力块(包括空间注意力和通道注意力)引导主干网络学习,其空间注意力模块用于计算空间位置的权重以学习不同区域的噪声特征,而通道注意力模块根据不同通道的颜色信息计算通道权重,以提升网络的颜色信息重建能力。此外,跨尺度上下文模块用于聚合各阶段网络中的深层和浅层特征,借助融合机制来提高网络的亮度和颜色增强效果。结果 本文方法与现有主流方法进行定量和定性对比实验,结果显示本文方法显著提升了微光图像亮度,并且较好保持了图像颜色一致性,原微光图像较暗区域的噪点显著去除,重建图像的纹理细节清晰。在峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity,SSIM)和图像感知相似度(perceptual image patch similarity,LPIPS)等客观指标上,本文方法较其他方法的最优值分别提高了0.74 dB、0.153和0.172。结论 本文方法能有效解决微光图像存在的曝光不足、噪声干扰和颜色不一致等问题,具有一定应用价值。