基于亚像素边缘定位点查找表的检测算法

提出了一种新型的测量图像快速亚像素边缘检测方法。首先通过计算机模拟仿真,找出图像边缘处灰度落差与边缘点偏移之间的规律性,建立了一个由灰度落差得到边缘亚像素定位点的查找表;然后结合改进的Sobel检测算子和十字窗检测法将图像边缘检测精度达到像素级,并应用查找表实现了亚像素级的检测精度。实验表明:该方法不仅得到了较高的检测精度,定位精度为0.3pixels,而且可以大大地提高检测速度。     

HSV 彩色空间的亚像素边缘检测磁

图像测量需要高精度、高准确度的图像边缘。随着测量精度要求提高,像素级图像边缘不能满足实际的需求,需要更为精确,提供更多细节的亚像素级边缘。提出了一种在 HSV彩色空间利用基样条插值提取亚像素边缘的算法。首先,将RGB空间的彩色图像转换到 HSV颜色空间;然后,利用提出的 H SVsin－cos彩色距离模型检测出像素级的边缘;最后,对像素级边缘进行基样条插值,得到亚像素边缘,并与B样条、三次样条插值结果相比较。实验结果表明：基样条插值的结果对图像的逼近度、差异性优于其它方法,分析与讨论的结果为利用插值方法进行亚像素边缘精确定位技术选取提供可靠的依据。     

基于二维小波亚像素图像处理的螺纹尺寸测量

针对传统微分算子图像处理方法的不足,提出一种基于二维小波降噪的亚像素图像处理方法。首先对获取的图像进行灰度值处理,通过二维小波变换消除图像噪声、重构图像、边缘检测,得到螺纹像素级的边缘图像及灰度二维矩阵。然后采用最小二乘算法拟合,得到亚像素级精度图像直线和中心标定位置及矩阵,计算螺纹大、小径尺寸,解决人工测量和传统图像处理算法精度不足的问题。最后,设计螺纹尺寸测量系统,实现尺寸测量的可视化和应用化,满足测量精度要求。     

二维几何图形测量中的边缘定位算法研究

研究图像优化测景和提取问题,针对CCD摄像机采集的图像中含有各种噪声,传统的边缘检测算法不仅不能很好地抑制噪声,而且定位精度只达到像素级.为了更好地提取图像边缘信息并抑制噪声,以提高测量系统的测量精度.在比较分析各种像素级边缘检测及亚像素细分算法的性能后,采用能同时协调图像边缘信息和抑制噪声的多结构多尺度形态边缘检测.根据测量系统的被测目标,采用矩估计亚像素细分算法来实现图像边缘的精确定位,并进行仿真.仿真结果表明算法通过提高定位精度,有效地提高了测量精度.     

基于Halcon的阀芯尺寸亚像素级测量

针对传统人工在检测阀芯时的低效和低精度问题,采用性能优越的机器视觉软件Halcon为平台,利用Canny算子边缘检测和双线性插值方法得到阀芯图像亚像素级边缘,结合最小二乘算法进行边缘拟合,实现对阀芯快速、稳定和较高精度的尺寸测量。实验结果表明：该检测方式可以达到亚像素级的尺寸测量,测量精度高于2‰,满足企业对测量精度要求,且测量过程比较稳定和快速。     

基于图像的精密零件缺陷检测技术

研究零件缺陷检测问题。针对要求机械零件精密度高,传统的图像检测或者肉眼检测很难保证精密零件的细微缺陷被准确检测出来。提出计算机视觉图像的缺陷零件检测方法。采取了去除小成分的方法去除图像中的噪声和一些干扰测量的部分;选取最大类间方差法作为此检测系统的阈值分割方法。采用像素级和亚像素级边缘检测,克服传统方法的缺陷,实现精密零件缺陷的完整检测。实验结果证明,方案切实可行,提高了测试精度,为图像检测提供了可靠的方法。     

高分辨率PCB图像亚像素边缘检测算法

针对高分辨率工业印刷电路板PCB图像的直方图和边缘特征进行了统计分析,提出了一种基于直方图统计的双门限选择方法进行像素级边缘定位,然后根据亚像素原理把像素级边缘校正到亚像素精度的快速亚像素边缘检测算法。与插值、空间矩以及曲面拟合等传统亚像素边缘检测算法的对比实验结果表明,本文算法在检测精度上达到0.066个像素,满足检测精度的要求,并在计算速度上具有较大优势。     

工业CT图像的亚像素级面积测量

为了提高工业CT图像测量的精度,研究了一种基于Facet模型的亚像素级面积测量方法,并将其应用于实际的工业CT图像测量中。首先采用基于Facet模型的边缘检测算法提取亚像素边缘,然后通过最小距离搜索法分离出待测目标的边缘点并排序,最后利用离散化的格林公式计算面积。其中,基于Facet模型的边缘检测算法精度高、抗噪声能力强,能为后续基于边缘的测量提供高精度的数据;最小距离搜索法在浮点型边缘点上实现了待测目标边缘与整幅图像边缘的分离,并生成排序链码,克服了边缘点是浮点型且不连续的困难,给面积的计算提供了有效的数据。测量方法是在亚像素边缘上进行的,突破了图像分辨率对测量精度的限制,使在低分辨率的图像上实现高精度的测量成为可能。分别针对仿真图像和实际的工业CT图像进行了实验,实验结果表明该方法的测量精度高于普遍采用的像素累加法。     

基于亚像素边缘定位的排针参数精密测量

为了提高排针参数的检测效率和精度,提出了一种利用亚像素边缘定位对排针进行非接触测量的方法.首先采用LOG算子对图像进行整像素级的边缘粗定位,在抑制噪声的同时,保持图像边缘的完整性.然后采用改进的Zemike矩进行亚像素边缘定位.最后通过最小二乘法拟合离散的边缘点得出排针的精确边缘.实验结果表明,该方法边缘定位精度高,稳...     

改进的圆形标志亚像素级中心检测方法

针对现有亚像素级边缘检测算法过于依赖图像灰度值,且计算邻域不明确等不足,提出一种改进的圆形标志中心亚像素级检测方法。利用双阈值法得到边缘的粗定位点,将坐标轴按粗定位点的梯度方向进行旋转,在新坐标系下通过邻域控制参数S的自适应选择,选取合适的邻域进行边界点的亚像素级定位,利用椭圆拟合确定目标边缘。通过Matlab编程实现算法,并与原算法进行比较,结果显示改进方法的精度较高,可满足摄影测量等光电测量的要求。     

基于自适应阈值的三维SD-OCT糖网亮斑分割

糖尿病视网膜病变是糖尿病严重的微血管并发症，硬性渗出是其病变表现之一，而频域光学相干断层（SD-OCT）视网膜图像中的高信号亮斑与硬性渗出有着紧密联系。为了能够准确定位糖尿病性视网膜病变图像中的这类病损信息，提出了一种自动分割亮斑的方法。提取亮斑分为四个步骤：使用双边滤波对图像去噪；使用基于图论的层分割算法来限制亮斑所在区域；在自适应阈值法产生的整体阈值及单帧阈值间选择大阈值帧数更多的作为基础进行第一次三维区域生长；将上一步得到的图像在另一阈值产生的种子图像范围内进行第二次区域生长。选取20只患有糖网的眼睛进行实验，自动分割的亮斑面积覆盖率较现有方法提高了约7%。     

一种基于边缘检测的医学图像增强方法

现在是用数字图像进行临床诊断的时代。文章提出了一种结合非采样轮廓波变换（NSCT）和脉冲耦合神经网络（PCNN）优点的肿瘤检测方法。该方法首先分别对一组正常人的脑部CT和MRI图像及一位40岁酗酒男性的脑部MRI和PET图像施行三次样条插值配准,并进行非采样轮廓波变换获取其高频和低频信息。将低频子带系数输入PCNN神经元经计算获得融合图像低频系数,对于高频部分对比度被用于激化PCNN网络。最后经逆NSCT变换生成融合图像,并将该图像用Canny算子进行边缘检测。结果显示第一组的融合图像中高密度组织得到了增强并减少了像素扭曲且肿瘤组织能被检测,第二组的融合图像清晰显示了脑部解剖结构同时壳核、尾状核也到得了明确定位。由于非采样轮廓波变换优良的方向性和几何表达能力,该方法能够为外科医生提供精确的肿瘤定位方案。     

基于改进DenseNet的乳腺钼靶肿块分类方法

乳腺X线摄影技术是目前乳腺癌早期发现和诊断的重要手段。然而乳腺X线图像中肿块边缘模糊,分类相对困难,因此提升乳腺肿块的诊断精度从而及早预防和治疗仍是医学领域的一大挑战。针对乳腺肿块的特点,提出了一种结合密集卷积神经网络（DenseNet）和压缩激励（SE）模块的新网络（DSAMNet）,该网络融合了二者优势,既加强特征重用,又实现特征提取过程中的特征重标定。根据SE模块嵌入DenseNet的不同位置,提出了模型SE-DenseNet-A、SE-DenseNet-B和SE-DenseNet-C。对SE-DenseNet的池化函数进行改进,提出了模型DSAMNet-A、DSAMNet-B和DSAMNet-C。综合不同结构和不同深度的网络模型在公开数据集CBIS-DDSM上进行训练和测试。实验结果表明,DSAMNet-B有更加优异的性能,其准确率比DenseNet模型的准确率提高了10.8%,AUC达到了0.929。     

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。     

基于SIFT和NCC的多源遥感影像配准方法

针对多源遥感影像的配准,提出了一种结合SIFT算法和归一化互相关（NCC）匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后,利用SIFT特征点的尺度和方向信息对NCC进行改进,进一步从未能匹配的特征点中获取匹配点对,经粗差滤除后得到有效的匹配特征点对,随之进行影像配准。方法结合了SIFT算法和NCC算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

单幅图像超分辨重建的深度学习方法综述

图像超分辨重建（Super-Resolution,SR）是指利用信号处理和机器学习等方法,从单幅或者多幅低分辨率图像（Low Resolution,LR）中重建对应的高分辨率图像（High Resolution,HR）的技术。由于多幅LR图像之间亚像素位移的不可预知性,单幅图像超分辨重建（Single Image Super-Resolution,SISR）逐渐成为超分辨研究的主要方向。近年来,深度学习方法得到迅速发展,并广泛应用到图像处理领域。因此,针对单幅图像超分辨重建所使用的深度学习相关算法和网络模型进行系统的总结。介绍图像超分辨问题的设置和评价指标;讨论和比较单幅图像超分辨重建的深度学习算法,主要从网络结构设计、损失函数和上采样方式三方面进行论述;介绍常用的标准数据集,并选用基于不同网络模型的几种典型算法进行实验对比分析;展望图像超分辨技术未来的研究趋势和发展方向。     

多尺度中心误差补偿二值模式的表情识别

针对Gabor小波与局部二值模式（Local Binary Pattern,LBP）在表情识别上的局限性,提出了一种多尺度中心误差补偿二值模式（Center Error Compensation Binary Pattern,CECBP）的表情识别方法。对预处理后的人脸表情图像创建多尺度的金字塔,用中心误差补偿二值模式对金字塔中的各层图像进行编码,分块提取各层编码后的直方图序列作为特征,用支持向量机（Support Vector Machine,SVM）进行分类。在JAFFE、Cohn-Kanade以及Pain Expression表情库上的交叉验证表明,该方法可以抑制噪声,具有较高的识别率和较快的识别速度,比传统的Gabor小波以及LBP更具有优势。     

邻域保持判别非负矩阵分解

非负矩阵分解（NMF）是一种新的矩阵分解技术,为了提高NMF算法的识别率,提出了一种新的方法——邻域保持判别非负矩阵分解（NPDNMF）,该方法通过将邻域保持判别分析（NPDA）与NMF相结合来实现。邻域保持判别分析是一个将线性判别分析（LDA）与局部保持投影（LPP）综合考虑的判别分析方法,该算法既保持了LDA的判别能力,同时又可以保持原始数据的几何结构。通过将NPDA与NMF相结合,提取得到局部化同时又有很强判别能力的基图像。在ORL人脸数据库上进行人脸识别实验,结果表明该方法得到较好的识别效果。     

基于自适应薄板样条全变分的肺CT/PET图像配准

全变分正则项虽然能够在具有滑移运动的肺等胸腹部器官图像配准时校正边界不连续位移场，但仍然无法保留图像的局部特征，损失配准精度。针对肺图像CT单模配准和CT/PET双模配准，通过像素点空间位置权重将薄板样条能量算子与全变分算子进行空间加权建立自适应薄板样条全变分正则项。然后，将正则项与CRMI相似性测度以及L-BFGS优化方法结合建立非刚性配准算法。通过DIR-Lab 4D-CT公共数据集和CT/PET临床数据集上的实验结果表明，提出的方法能够在保证边界不连续运动的同时保证图像内部的平滑性，具有更高的配准精度。