图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

图像边缘检测的二维连续小波变换法

提出一种新的基于二维连续小渡变换的图像边缘检测方法。算法充分利用连续小渡变换探测信号奇异性的能力和小波的多分辨率特性。对图像进行二维连续小波变换后，直接对各个分解层的正的小波系数或负的小波系数利用闽值法初步确定图像的边缘点，然后利用“投票选举法”综合各个尺度的边缘信息。这种方法不需要进行边缘点连接，可以直接得到光滑连续的边缘。实验结果表明，新方法能够准确探测图像中目标的整体轮廓和细节信息，在性能上优于传统的两种边缘检测算子。     

基于Gabor小波变换的汉字识别方法

基于Gabor滤波器时频局域性和方向选择性对应在汉字图像上即是对笔划宽度和方向的选择这一认识,考虑到笔划宽度多峰值、笔划是方向的特点,利用二维Gabor小波的多分辨率特性,对汉字图像进行了多尺度多方向分析,提取多个子平面的滤波器输出系数作为统计特征,实现了字符图像的高性能识别,为开展低质量、低分辨率的汉字字符图像识别研究提供了新方法。实验结果表明,用这种方法识别低分辨率的字符图像,效果优于其他方法。     

基于MAS小波变换的红外小目标检测方法

提出一种基于MAS小波变换多尺度相关的红外小目标检测方法.该方法通过二进MAS小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声;利用小目标与背景和云层边缘具有不同的奇异性,在相同尺度下小波变换模不同的特性加以区分,得到最终的检测结果.实验结果表明,该方法能够有效地进行红外小目标检测.     

水下爆炸气泡图像边界提取方法

为准确提取水下爆炸气泡图像边界,尝试采用在边界识别中常用的canny算子边缘检测方法,但结果并不理想。在此基础上提出了先将灰度图像转换成索引图像,采用二维离散小波分解方法小波变换方法对索引图像进行分解,针对分解的图像轮廓部分主要体现在低频部分的特点对低频部分进行增强处理,对高频部分进行衰减处理,然后对处理后的图像进行canny算子边缘检测。结果表明:小波增强后的canny算子边缘检测方法处理出来的气泡图像边界清晰,可作为进一步分析研究的依据。     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

红外车辆目标的自动模糊分割

针对红外图像的特点,提出了一种基于遗传算法的自动模糊分割红外车辆目标图像的方法.首先选取图像的感兴趣区域以加快运算速度;然后对感兴趣区域图像进行模糊增强,借助于二维OTSU方法对增强后的感兴趣区域进行阈值分割,为了加快分割算法的速度,先限定一个最佳阈值范围,再利用遗传算法在此阈值范围内自动搜索最佳分割阈值;为了弥补单独利用二维OTSU方法分割的不足,采用缩短模糊边缘宽度的方法来提取感兴趣区域红外车辆目标图像的边缘.最后把二维OTSU方法分割的图像与模糊边缘提取得到的边缘图像进行或运算后进行填充以得到最终的车辆目标分割图像.实验结果表明,对于红外车辆目标图像,一维OTSU和二维OTSU算法只是基本分割出了红外车辆目标的主体,而本文提出的自动模糊分割技术不仅准确分割出了红外车辆目标的主体,而且对于坦克的模糊炮塔亦得到了完整的分割.     

基于小波变换模的FAB扩散模型

将小波多尺度边缘检测的思想引入到前向-后向(FAB)扩散模型中,根据小波变换能够准确提取图像局部结构信息的特性,给出了利用多个尺度上小波变换模构造图像扩散系数的方法,进而建立了基于小波变换模的前向-后向扩散模型.最后给出了一系列数值实验结果,以比较本文方法与传统FAB方法的图像平滑增强效果.     

基于二维小波变换的爆堆矿岩边缘检测

根据爆堆图像灰度分布的特点,并结合小波变换应用于边缘检测的基本原理,采用能够检测局部突变能力的B样条小波用于爆堆岩石的边缘检测。通过推导,给出B样条小波滤波器,并根据滤波器设计出了基于二维小波边缘检测算法。在小波边缘分割中自主设计了自适应阈值检测算法,该算法能很好地去除图像的噪声,并保留了图像的边缘。     

基于小波分析方法的图像边缘检测

边缘检测是图像处理的重要组成部分,是图像处理与分析技术的研究热点,首先介绍小波分析方法的发展历史与主要思想,然后分析其中的多尺度分析方法,并将这种方法应用于图像的边缘检测中,从而得出小波变换是一种较好的进行边缘检测的手段。     

EMS表单中手写体中文识别图像预处理方法研究

目的在脱机手写体文字识别系统中,由于自由书写的字符不可避免地受到图像背景不均匀、图像倾斜和字符粘连及大小不一等因素的影响,为了确保字符切分和识别的正确性,对EMS表单中手写体汉字字符图像预处理方法进行探讨,展示了EMS表单图像预处理的全过程。方法采用最小二乘法作拟合直线的方法,对目标图像进行定位和分割,用基于大津阈值的分块阈值算法处理目标图像的背景不均问题,并减少噪声干扰。结果该图像预处理方法在1020张真实EMS图像上进行测试,识别正确率达到了86.3%。结论该方法有一定的灵活性和抗干扰性,减少了图像噪声对汉字字符切分和识别的影响。     

基于图像识别算法的图像传感器质量检测方法改善研究

针对图像传感器质量检测结果可信度低的问题，基于Laplacian算子图像识别技术，借助Matlab软件，建立图像识别模型，实现图像采集、图像边缘智能识别、图像特征信息智能提取与分析的功能。通过实验对比，证明改善后的检测方法能更准确地反映产品质量特性。     

Recognition and Classification of Pomegranate Leaves Diseases by Image Processing and Machine Learning Techniques

Disease recognition in plants is one of the essential problems in agricultural image processing. This article focuses on designing a framework that can recognize and classify diseases on pomegranate plants exactly. The framework utilizes image processing techniques such as image acquisition, image resizing, image enhancement, image segmentation, ROI extraction (region of interest), and feature extraction. An image dataset related to pomegranate leaf disease is utilized to implement the framework, divided into a training set and a test set. In the implementation process, techniques such as image enhancement and image segmentation are primarily used for identifying ROI and features. An image classification will then be implemented by combining a supervised learning model with a support vector machine. The proposed framework is developed based on MATLAB with a graphical user interface. According to the experimental results, the proposed framework can achieve 98.39% accuracy for classifying diseased and healthy leaves. Moreover, the framework can achieve an accuracy of 98.07% for classifying diseases on pomegranate leaves.     

Online variational learning of finite inverted Beta-Liouville mixture model for biomedical analysis

Image segmentation is widely applied for biomedical image analysis. However, segmentation of medical images is challenging due to many image modalities, such as, CT, X-ray, MRI, microscopy among others. An additional challenge to this is the high variability, inconsistent regions with missing edges, absence of texture contrast, and high noise in the background of biomedical images. Thus, many segmentation approaches have been investigated to address these issues and to transform medical images into meaningful information. During the past decade, finite mixture models have been revealed to be one of the most flexible and popular approaches in data clustering. In this article, we propose a statistical framework for online variational learning of finite inverted Beta-Liouville mixture model for clustering medical images. The online variational learning framework is used to estimate the parameters and the number of mixture components simultaneously, thus decreasing the computational complexity of the model. To this end, we evaluated our proposed algorithm on five different biomedical image data sets including optic disc detection and localization in diabetic retinopathy, digital imaging in melanoma lesion detection and segmentation, brain tumor detection, colon cancer detection and computer aid detection (CAD) of Malaria. Furthermore, we compared the proposed algorithm with three other popular algorithms. In our results, we analyze that the proposed online variational learning of finite IBL mixture model algorithm performs accurately on multiple modalities of medical images. It detects the disease patterns with high confidence. Computational and statistical approaches like the one presented in this article hold a significant impact on medical image analysis and interpretation in both clinical applications and scientific research. We believe that the proposed algorithm has the capacity to address multi modal biomedical image data sets and can be further applied by researchers to analyze correct disease patterns.     

基于机器视觉的航空铆钉尺寸检测技术

航空铆钉的尺寸偏差会增加航空事故发生的可能性。为了实现航空铆钉尺寸检测的高精度与智能化,提出一种基于机器视觉的航空铆钉尺寸检测方法。通过边缘检测算法对铆钉进行自动识别与检测,可减少航空铆钉尺寸的误差。基于航空铆钉产品规范,分析得出各项尺寸参数要求与事件流程,使用OpenCV作为开发平台,采用阈值分割算法与分水岭算法进行图像分割;同时,通过平滑处理、形态学、轮廓提取算法完成图像处理。实测结果表明,在±0.005mm精度下,铆钉尺寸检测结果与实际值的吻合度达到90%以上。     

生产线复杂场景钢坯检测识别的定位方法研究

在生产线钢坯检测识别过程中,如何准确地从光照复杂场景中确定钢坯端面字符串目标所在位置是一个关键技术问题。为了解决这个问题,本文提出利用 Mean Shift对复杂场景图像进行抑制,采用多级分割滤波与聚类处理突出并找出字符串目标兴趣区域,通过最小二乘法自适应修整倾斜角度,进而完成字符串目标精准定位。实验结果表明,与传统投影定位方法相比,该定位方法能对各类钢坯字符串复杂场景完成精准定位,具有良好的稳定性和准确性,解决了钢坯字符串复杂场景的定位问题,为钢坯字符识别工作提供了关键技术。     

Studying Grout Propagation in Granular Soils by Image Processing Techniques

Abstract: This article presents two image‐processing techniques which allow studying grout propagation in granular soils. The first one deals with the evaluation of the cement grout concentration using UV spectrophotometry. The second is based on image segmentation processing: active contour model. We propose to develop the active contour model image analysis technique. This process, currently applied in the field of medicine, can be transposed to grout flow detection during soil injection. They are powerful image segmentation techniques that combine geometry, physics and approximation theory. Two distinct formulations exist to employ these techniques, parametric or geometric curves. These models have proven to be effective in segmenting and tracking non‐rigid structures. They exploit features derived from the image data together with a prior knowledge about the location, size and shape of these structures. We focus on a parametric approach for deformable models. They support highly intuitive interaction mechanisms. Those mechanisms allow, when necessary, researchers to bring their expertise to bear on the model‐based image interpretation task. In this paper, we show the development of the two different image analysis methods employed in our experiments for grout detection and grout concentration measurement.     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。     

图像处理的货车侧面防护装置安装位置的研究

提出一种基于图像处理的货车侧面防护装置尺寸参数快速检测系统.在收费站的匝道安装摄像系统对货车侧面防护装置进行图像采集,通过图像预处理、边缘提取、目标识别与提取,实现货车侧面防护装置和货车轮胎的识别,实现防护装置和货车车轮间距离及离地距离的快速检测,并对货车侧面防护装置尺寸是否符合国家标准进行判定.实验结果表明,该方法能实现目标边缘距离的检测,检测误差小于10mm,满足GB11567—2001《汽车和挂车侧面防护装置要求》对防护装置安装位置的要求.     

食品包装日期喷码检测系统设计

目的为了提高食品包装过程中喷码检测的准确度,基于机器视觉提出一种喷码缺陷检测方法。方法分析自动喷码系统结构和工艺流程,包括搬运机械手、传送装置、喷码装置、检测装置等。以扫码检测为重点研究对象,利用机器视觉采集图像,通过图像处理算法实现喷码缺陷检测,包括模板匹配算法和垂直投影方法。同时给出缺陷检测流程,主要由图像分割、字符校正和分割、字符分割、缺陷检测等步骤组成。结果实验结果表明,所述喷码检测方法的识别成功率可以达到99%,识别成功率较高。结论该方法能够有效处理漏印等喷码缺陷,可以代替人工实现食品包装的自动化分拣。