基于彩色图像的运动目标分割方法

针对彩色图像Hue-saturation-intensity颜色模型各分量所携带的颜色信息不同的特点,结合区域分割算法在彩色图像中提取区域颜色特征,并将区域颜色特征作为局部阈值分割方法的阈值特征,提出一种基于图像区域颜色特征的运动目标分割方法。分割试验显示了该运动目标分割方法的有效性和可行性。提出融合梯度算子和子区合并技术进行区域分割的方法,子区合并技术能够在一定程度上防止两个独立的区域被错误的合并成一个区域, 这种区域分割方法和常用的Region growing算法的对比分割试验显示该方法对灰度变化不均匀的区域进行分割的效果优于Region growing算法。     

基于小波变换多阈值彩色铁谱图像的分割方法

提出了一种基于小波变换多阈值彩色铁谱图像的分割方法.该方法首先将彩色铁谱图像分割为3个层次图像,然后对各单色图的直方图通过小波变换多阈值进行分割,形成背景色、一般磨粒和异常磨粒3个分割区域,最后再合成彩色图像,实现对背景色、正常磨粒沉积链、异常大磨粒的划分.实验证明该方法可以有效地提高所需图像的质量.     

一种混合遗传算法在彩色图像分割中的应用

磨粒图像分割是磨粒识别的基础,其分割精度直接影响到磨粒自动识别的精度。在磨粒图像RGB彩色空间,选择其3个正交彩色特征,应用遗传算法和类间最大方差法对其分割,依据F isher判别函数选择其最佳特征与最佳阈值,实现了磨粒彩色图像的分割。大量磨粒图像分割实践证明,该分割方法具有分割精度较高、计算速度快、自适应性强等特点,是铁谱磨粒彩色图像自动分割较理想方法之一。     

K-均值优化初始中心聚类单板图像的分割

针对彩色图像处理运算量大、计算耗时和灰度图像分割自适应阈值选择困难的问题,在通过对单板彩色图像充分分析的基础上,基于背景和目标颜色差异比较明显,提出了基于彩色图像RGB彩色空间的R通道的K-均值优化初始中心聚类的分割方法。该方法不需要彩色空间的变换,进一步降低了计算的复杂度。实验结果表明,可以提高分割的效率和准确性。     

基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类

提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持向量机分类器的方法对白细胞进行分类,分类准确度能够达到89.6%。与其他传统的分割和分类的方法相比,本文提出的方法具有一定的优越性。     

基于HSI三分量独立性木材缺陷图像分割

HSI模型的彩色图像分割方法具有传统的RGB彩色图像分割所不具有的出色的分量独立性和色彩的真实性,具备良好的易分割的特点。提出首先将图像转化为HSI图像,然后根据各分量的特点单独进行分割,最后融合处理后的分量,得到准确的缺陷图样。该方法克服了单纯使用灰度图像分割不能准确定位缺陷边缘的弊端,同时对于木材图像纹理等细节信息具有较好的鲁棒性。试验的结果表明该方法即时准确有效。     

一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。     

双阈值热点区域提取的线材表面缺陷检测方法

机器视觉的表面质量检测方法已广泛应用于工业生产,但高速线材由于其外形和工况的特殊性,鲜有应用。研究设计了4维面阵CCD与双色环形光源为图像采集单元,组合对比度边界检测算法、梯度和彩色图像均值阈值热点区域提取和二维最大熵图像分割算法成基于双阈值热点区域提取的线材表面缺陷检测方法。实验结果表明,该方法弥补了单色光源条件下采用单一阈值提取缺陷热点区域的劣势,耗时1.25s可实现多种类二维和三维线材缺陷的准确分割。     

基于阈值分割和形态学相结合的金属废料 X 射线图像轮廓提取方法

针对金属废料 X 射线透射图像中废料之间距离较近时图像可能相互粘连,导致不能有效提取单个物料轮廓的问题,提出了一种基于阈值分割和形态学相结合的金属废料 X 射线图像轮廓提取方法。首先分析图像噪声信息分布,利用约束灰度值范围的 Otsu 阈值分割算法获得全局最优阈值对图像进行滤波;然后采用动态阈值分割方法得到二值化图像,在此基础上采取一种改进的形态学处理策略实现对各单物料区域的连通区标记;最后对各连通区进行轮廓提取以获得单个物料区域的轮廓。经实验表明,该方法有效地提高了在物料粘结情况下图像轮廓提取的准确率和成功率。     

大型结构体裂缝检测中的定位方法

为了提高大型结构体表面裂缝检测的效率,提出了一种基于图像处理技术和坐标映射相结合的定位方法。该方法首先在序列图像中抽取清晰度最高的一帧,应用Retinex算法对光照引起的亮度不均进行补偿。然后将提取的标志点图像坐标映射到观测坐标系下,根据标志点的观测坐标和世界坐标计算两坐标系间的映射关系。再根据形态学图像处理中的凸壳、像素化、细化算法提取裂缝的图像坐标;如果观测新裂缝,则将裂缝图像坐标映射到世界坐标系下;如果观测历史裂缝,则将该条裂缝的世界坐标映射到当前观测坐标系下,并计算该条历史裂缝当前的观测角度,从而实现裂缝的空间定位。经实验证明,该方法高效、准确、便捷,16 s内可实现自动定位,且偏差不大于0.07°。     

一种彩色印刷图像套印检测新方法研究

提出了一种印刷品检测方法,用印刷图像信息取代套印控制条来检测套准。首先,把CCD采集到的印刷品图像从RGB色彩空间转换到CMYK色彩空间,并分解成C、M、Y、K(青、品、黄、黑)4个通道。之后求出C、M、Y、K通道图像的边缘,计算C、M、Y边缘图像和基准K边缘图像的距离边缘共生矩阵(distance edge cooccurrence matrix,DECM),即可求出四色套印偏差。通过仿真和实验证明本算法检测印刷品套准具有较高的精度,符合国家印刷行业标准规定的套准精度要求。为印刷机的工作状态的调整提供可靠的数据。     

一种改进的未知环境无人机三维地图实时创建方法

提出一种针对RGB-D传感器获取未知环境三维地图的方法。该方法将RGB-D传感器获得的数据信息实时地转化为三维点云地图。在扫描环境之前,引入径向畸变和切向畸变模型,完成对RGB-D传感器彩色摄像头和深度摄像头的标定,获得摄像机参数; 同时,对RGB-D传感器红外模式和深度模式下的图进行偏差矫正,提高三维点云计算的精度。实时地图构建时,利用投影和反投影将获得的彩色图片和深度图片转换成局部三维地图; 在RGB-D传感器移动过程中,实时提取RGB图片上的特征进行位姿估计和关键帧处理,从而获得整个地图。实验表明,     

结合高斯混合模型的改进暗通道图像去雾方法

针对经典的暗通道先验方法在处理含有大面积天空的有雾图像时,去雾图像的天空区域出现不同程度的颜色失真等问题,提出了一种结合高斯混合模型的改进暗通道图像去雾方法。首先,采用高斯混合模型对有雾图像进行建模,然后用期望最大化(Expectation maximization,EM)算法优化模型参数,从而将有雾图像分割成天空区域和非天空区域。其次,根据天空区域暗通道值的不同将其分为淡雾区、中雾区和浓雾区,分别估计透射率。并结合大气散射模型得到复原图像。最后,采用高动态范围图像自适应局部色调映射方法提升复原图像的亮度。实验结果表明,该方法有效地解决了经典暗通道先验方法去雾时产生的天空失真问题,且复原后的图像更清晰、视觉效果更好。     

基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。     

一种不同高度目标的视觉定位新算法

本文提出一种针对平面上方高度已知目标的视觉定位算法。该方法避开了复杂的摄像机参数标定过程,直接运用射影几何的基本性质实现了平面内目标的单目视觉定位。在此基础上,进一步运用成像深度的多义性实现对高度已知目标的平面坐标定位。最后进行了初步的精度分析,给出了算法应用的建议。该定位算法无需预先知道摄像机的参数,也无需对姿态进行特别的规定,可以根据实际场景来布局定位参考点,降低定位误差。实验表明其具有实现简单,精度高的特点。     

织物密度的数字图像检测方法

针对织物的纱线密度检测,提出一种对织物图像,信息进行检测的方法。通过数字相机获得织物图像,对织物图像进行最优二值化处理。利用像素黑白颜色区分织物上的纱线和间隙,通过扫描经线和纬线方向的像素颜色值获得纱线处像素颜色特性,从而计算出经线方向和纬线方向的纱线数目。根据各方向最大像素数得织物的大小,即可得知织物的密度。     

角膜老年环检测方法研究

当人体脂类物质代谢发生异常时,会在角膜处形成角膜老年环。角膜老年环主要呈云雾环状覆盖在虹膜外环中,角膜老年环的检测可以作为一种辅助手段,对及时方便了解体内脂类代谢异常状况具有重要意义。针对目前方法中由于没有对角膜老年环边界精确检测而造成的鲁棒性不高,以及当存在K-F环时会发生检测错误的问题,提出了一种角膜老年环检测方法。首先,对其彩色图像进行分割与归一化;其次,利用基于梯度响应最优算法提取环状特征内外边界,通过定义的光照影响检测模型提高算法对光照的鲁棒性;最后,通过定义的宽度特征量化算子以及颜色特征量化算子完成角膜老年环的检测。实验结果表明,在采集的1 968幅图像中该方法能够达到96.3%的识别率,算法不仅不受光照影响而且当患者具有K-F环时,本文方法仍能够取得很好的检测效果。     

Turbidity-adaptive underwater image enhancement method using image fusion

Clear, correct imaging is a prerequisite for underwater operations. In real freshwater environment including rivers and lakes, the water bodies are usually turbid and dynamic, which brings extra troubles to quality of imaging due to color deviation and suspended particulate. Most of the existing underwater imaging methods focus on relatively clear underwater environment, it is uncertain that if those methods can work well in turbid and dynamic underwater environments. In this paper, we propose a turbidity-adaptive underwater image enhancement method. To deal with attenuation and scattering of varying degree, the turbidity is detected by the histogram of images. Based on the detection result, different image enhancement strategies are designed to deal with the problem of color deviation and blurring. The proposed method is verified by an underwater image dataset captured in real underwater environment. The result is evaluated by image metrics including structure similarity index measure, underwater color image quality evaluation metric, and speeded-up robust features. Test results exhibit that the method can correct the color deviation and improve the quality of underwater images.     

基于阵列图像的自适应光场三维重建算法研究

针对现有光场图像获取困难,深度重建过程中遮挡以及亮度变化较大区域匹配效果差、稳健性低等问题,提出了基于单反相机的光场图像获取方法以及EPI自适应三维重建算法。在图像预处理阶段,该算法利用双边滤波器对EPI进行去噪,并通过交叉检测模型求得边缘区域。在边缘深度求解以及深度扩散阶段,算法在先验似然策略的基础上,提出EPI自适应框架,通过最大类间方差(OSTU)准则自动设定阈值,舍弃类外点,使距离度量只发生在类内点之间,因此极大地消除了遮挡以及光照变化的影响,提高了边缘深度和内部深度估计的准确性和稳健性。实验结果表明,所提出的系统可以方便地获取阵列图像,成本低、操作方便,且提出的算法能较好地估计场景的深度信息,并实现场景的三维重建,比以往算法在精度上有较大提高。     

全天候移动车间巡检机器人目标定位算法

全天候移动车间巡检机器人移动轨迹复杂,为获取高精度的巡检机器人目标定位结果,提出一种全天候移动车间巡检机器人目标定位算法。优先标定得到移动车间环境的相机,获取相机参数,通过高低纹理匹配完成移动车间环境重建。然后通过相机内外参数将匹配点的图像坐标和世界坐标相关联,以此为依据估计巡检机器人的位姿。最终将得到的移动车间环境地图和周围数据相结合,采用粒子滤波算法对全天候移动车间巡检机器人位置组建的粒子群集合优化处理,通过不断迭代更新,输出目标定位结果。结果表明,所提算法可以有效降低巡检机器人目标定位时间以及联合定位误差,获取准确率更高的目标定位结果。