基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

基于邻域关联特性的纸病去噪方法

对传统的均值滤波、中值滤波的优缺点进行了分析,引入基于邻域关联特性的图像滤波去噪方法。该方法针对纸病图像噪声源多、样本有限等局限性,根据系统各因素间的内部联系和发展态势的相似程度来度量因素之间的关联程度,从而进行滤波。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好地保护图像细节。在纸病检测测试中,该方法可以解决纸病准确去噪的问题。     

基于灰度邻域操作的缺陷图像消噪分析与实现

以图像中的噪声影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出了基于MATLAB的灰度邻域操作消噪方法。该方法将灰度化的缺陷图像,利用相邻像素间的颜色分布对图像进行平滑、增强、边缘提取、滤波、恢复。仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波方面能有效地滤除噪声,同时还能较好的保护图像细节,较准确的复原受噪图像特征。     

基于多特征融合的水下目标检测算法

本文充分利用水下目标形状、纹理等区别于自然背景的特性,首先利用形态学滤波消除不同尺度的噪声和微小干扰区域对目标图像的影响,在此基础上给出了一种基于多特征融合的水下目标的检测算法,利用分形维数的特征和灰度图像的直方图直观特征相融合,对侧扫声纳图像水下目标进行检测,该检测技术具有算法鲁棒性强,运行效率高等特点,经实验验证具有较好的检测性能。     

基于多特征融合的水下目标检测算法

本文充分利用水下目标形状、纹理等区别于自然背景的特性,首先利用形态学滤波消除不同尺度的噪声和微小干扰区域对目标图像的影响,在此基础上给出了一种基于多特征融合的水下目标的检测算法,利用分形维教的特征和灰度图像的直方图直观特征相融合,对侧扫声纳图像水下目标进行检测,该检测技术具有算法鲁棒性强,运行效率高等特点,经实验验证具有较好的检测性能。     

基于多特征融合的水下目标检测算法

本文充分利用水下目标形状、纹理等区别于自然背景的特性,首先利用形态学滤波消除不同尺度的噪声和微小干扰区域对目标图像的影响,在此基础上给出了一种基于多特征融合的水下目标的检测算法,利用分形维数的特征和灰度图像的直方图直观特征相融合,对侧扫声纳图像水下目标进行检测,该检测技术具有算法鲁棒性强,运行效率高等特点,经实验验证具有较好的检测性能。     

自适应中值滤波在图像处理中的应用

图像在形成和传输的过程中会受到许多噪声污染,这时就需要对其进行滤波。传统的中值滤波在处理噪声污染时常常会牺牲掉一些图像细节部分,而自适应中值滤波在图像处理中具有更好的处理效果,可以在不影响到图像细节的基础之上,通过对噪声的检测,确定滤波窗口尺寸,再对其进行噪声的滤除,因此自适应中值滤波被广泛应用到图像处理中。     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

基于DCT同态滤波的纸病图像去噪算法研究

针对纸病图像采集过程中容易受到光源噪声干扰的问题,在分析了光源噪声特性的基础上,提出基于DCT同态滤波的纸病去噪算法。该算法首先对采集到的纸病图像进行分块,然后对每一图像块取对数,DCT变换,将其变换到频率域,使用高斯同态滤波滤除噪声干扰,最后通过IDCT变换以及取指数操作将其恢复到空间域。实验结果表明,该算法可以有效地去除纸病图像中的各类光源噪声干扰,增强纸病图像区域。     

基于二值图像连通域提取的图像滤波方法

为解决常用滤波方法对目标图像噪声抑制效果不理想的问题,提出了一种基于二值图像连通域提取的图像滤波方法。将采集到的图像进行二值化,对图像进行连通域提取并根据连通域的轮廓筛选出噪声干扰点,对噪声点进行过滤,保留图像细节特征,对目标图像的噪声达到有效抑制的效果。结果表明:该方法在特定应用上优于常规滤波方法。     

基于形态学梯度重建的分水岭算法改进研究

图像分割是图像分析和计算机视觉领域中一个最重要的处理过程,常用的边缘检测算子存在边缘定位不准等缺点,而传统的分水岭算法则对噪声敏感且存在过分割的问题。本研究提出基于形态学梯度重建的改进型分水岭算法,该算法通过在人脸图像预处理过程中对图像进行中值滤波消除部分噪声,然后再对滤波后的图像进行增强对比度以及重构梯度图处理,最后利用分水岭算法对处理后的图像进行分割。仿真实验应用不同的算法对同一图像进行计算分割,对比结果显示,本研究提出的方法能够较好地抑制过分割,并且能够分割出人脸图像的主要特征。     

人眼状态检测与识别系统研究

本文主要介绍基于人眼特征的疲劳驾驶检测与识别系统,主要内容包括:视频图像采集、图像预处理、人脸区域识别、人眼定位,人眼特征及人眼疲劳状态的判别。图像预处理包括图像灰度化和图像滤波。图像预处理旨在减少图像中无效信息,消除噪声干扰。论文采用基于皮肤颜色模型法作为人脸检测算法,实现人脸图像分割。根据人眼定位"由粗到精"的思想,采用了一种基于灰度积分投影的人眼检测定位算法,采用双向灰度积分投影法对双目区域进行分割,最后实现眼睛精确定位和识别。     

应用显著性算法的纱线条干均匀度检测

针对运用图像方法进行纱线条干均匀度检测时,背景黑板、纱线毛羽以及图像噪声等对检测结果影响较大的问题,借鉴人的视觉感知机制,提出一种应用显著性算法检测纱线条干均匀度的方法。对采集到的纱线图像提取颜色和亮度特征,进行显著性分析,突出纱线条干区域,然后利用迭代阈值分割算法和区域滤波,得到准确清晰的纱线条干二值图像,基于此进行直径计算、均匀度分析和纱线疵点判定。通过边缘准确性评价可知,采用所提方法分割得到的纱线条干二值图像有着较高的分割精度。通过与Uster Classimat 5的均匀度检测结果进行比较,证明这种方法可得到准确的结果,与Used Classimat 5 的测量结果有着较好的一致性。     

基于纹理抑制平滑滤波的织物图案识别

针对织物图案特征提取效率低的问题,提出以纹理抑制平滑滤波算法与Adaboost算法为基础的织物图案识别法。首先对织物扫描图案的纱线纹理进行滤除;灰度化后再分别对图像的3个特征进行提取,最终构建图像特征库,以此作为训练对象,采用Adaboost算法进行实验。结果显示,以纹理抑制平滑滤波算法为基础的识别法能够提高图案识别率。     

基于最大熵与密度聚类相融合的毛羽检测

为能够更加精确地计算出纱线毛羽的根数及毛羽长度,基于最大熵与密度聚类相融合对纱线毛羽的长度及根数进行检测。该方法首先利用双边滤波对采集到的纱线图像进行预处理,滤除图像中的噪声,同时增强纱线毛羽特征;然后利用最大熵对预处理后的纱线图像进行阈值分割,去除条干提取毛羽,并对毛羽进行细化;最后利用密度聚类算法(DBSCAN聚类)对细化后的毛羽进行分类统计,根据所分类的个数以及每类所含像素点的个数计算出毛羽的根数及长度。将实验结果与目测法和基准线法进行比较,结果表明,该方法与目测方法检测的结果非常接近,结果比基准线法更加精确,检测结果准确、有效。     

一种改进的植物叶片病斑区域边缘提取技术

针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术。运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像。实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘。     

一种新型大米检测图像的自适应滤波算法

针对大米检测图像中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法，结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强，特别在噪声密度比较高的情况。     

棉花噪声图像的检测与滤波

针对当前图像噪声检测中存在的“虚噪声”以及中值滤波对图像边缘特征的影响,提出将图像饱和度通道像素中极大值或极小值的点列为可疑噪声点,在图像色调通道检测出噪声点与色相相近可疑噪声点,对明度通道色相相近的可疑噪声点进行再判别,筛选出噪声和有用信号。同时,对选取窗口内4个特定方向上的像素点灰度值进行排序,对排序后的各个中值进行加权计算,用计算结果替代窗口中心像素的灰度值。试验结果表明,该方法能够有效检测彩色图像饱和度通道表现出的“虚噪声”,在去除噪声的同时有效保护图像细节。与其他滤波方法相比,峰值信噪比(PSNR)平均提高了8.2%,归一化均方误差(NMSE)至少降低了0.004,在滤波性能与滤波速度上都具有优势。     

Matlab在单板表面裂缝检测中的应用研究

针对单板表面裂缝缺陷,提出一种基于非局域均值(NLM)滤波与模糊区域竞争(FRC)模型的表面裂缝图像检测算法。将RGB彩色图像用2R-G-B灰度化,对灰度图像非局域均值滤波,并用FRC模型进行图像分割,得到单板缺陷目标并利用长宽比特征识别出裂缝。Matlab试验结果表明,提出的算法去噪能力强,分割效果好,能很好地提取单板表面裂缝。     

改进型自适应中值滤波算法在图像处理中的应用

对于高强度的椒盐噪声,标准的中值滤波算法在抑制图像噪声和保护细节两方面存在矛盾.针对上述问题,提出了一种改进型自适应中值滤波算法,该算法结合图像灰度直方图,先将噪声限制在一定的灰度值范围内,然后通过调整窗口局部大小进行滤波处理.仿真结果表明,与其他滤波算法相比,该方法的图像处理效果明显改善.