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.     

基于K-means聚类与最大类间方差的磨粒彩色图像分割

针对在HSI颜色空间下存在的图像的二维颜色分量分布散乱不紧密,存在聚类中心计算错误,利用二维颜色分量很难将背景和磨粒准确分割开,分割完的铁谱图像仍包含许多不需要的微小磨粒等问题,提出采用K-means聚类与最大类间方差的图像分割方法。分别选取球粒、切削磨粒、严重滑动磨粒、红色氧化物、疲劳磨粒的彩色图像,在Lab颜色空间下利用二维颜色分量进行聚类分析及最大类间方差阈值分割,并进行三维数学形态学处理。结果表明,提出的方法实现了小磨粒与目标磨粒的有效分割,可以得到较为完整的彩色磨粒图像,为磨粒的颜色参数识别提供有效的依据。     

基于联合标定的图像分割

针对普适环境下人体区域的提取问题,提出一种基于彩色摄像头和深度摄像头联合标定的图像分割方法。首先根据深度摄像头采集的深度信息易处理和受外界环境影响小的优点,利用大律法从深度图像中快速提取出人体区域;然后建立世界坐标系中彩色图像坐标系和深度图像坐标系的对应关系,实现彩色信息和深度信息的相对位置映射;最后根据分割的深度图像及其在彩色图像中的映射,在彩色图像中完成人体区域分割。通过在复杂背景和不同光照条件下的图像分割实验,验证了本方法具有良好的精度和鲁棒性。     

一种彩色铁谱图像自动分割方法

铁谱图像有效分割是实现铁谱图像自动化分析的基础,但彩色磨粒图像背景颜色相对单一,磨粒区域同时包含亮区域和暗区域且与背景色差较大,且部分磨粒存在黏连的情况,因此铁谱图像的有效分割难以实现。根据彩色铁谱图像特点,提出基于两次K-means颜色聚类分离磨粒区域与背景区域后,再对磨粒区域采用改进的分水岭算法分割黏连磨粒的图像分割方法。该方法解决了铁谱图像中亮暗磨粒同时存在的情况下磨粒提取不完全的问题,并实现了黏连磨粒的分割。实验结果验证了该方法的有效性。     

基于背景减除的彩色铁谱图像自动分割

提出一种基于背景减除和标记分水岭算法的彩色铁谱图像自动分割方法.其分割流程为:基于颜色分量比对彩色铁谱图像的背景进行减除,实现磨粒与背景的分离;通过对分离后的图像进行形态学处理使其成为后续分水岭分割的基础图像;结合形态学复合开闭重建和阈值极小值提取技术得到磨粒前景标记图像,对磨粒测地影响区骨架进行提取得到图像背景标记;利用形态学极小值强加技术修改基础图像,并利用分水岭算法实现其自动分割.     

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。     

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。     

融合颜色与形状信息的铁谱磨粒链分割方法研究

为了对铁谱图像中的磨粒链进行有效分割,提高磨粒特征提取的精度,通过分析铁谱磨粒链图像不同区域的特点,提出一种融合铁谱图像颜色、形状特征信息的磨粒链分割方法。该方法首先基于形态学运算对磨粒链分割方法,对异常大磨粒进行提取并断开磨粒链黏连部分,然后利用标记分水岭与灰色聚类的方法对磨粒链进行分割,最后考虑到不同磨粒链颜色信息存在差异,结合自适应阈值法对灰色聚类进行改进,从而实现磨粒链的自适应分割。结果表明,相较于传统分割方法,提出的方法能有效避免过分割与欠分割,分割效果较好,适用性高,操作简单。     

多层次信息融合在铁谱图像磨粒识别中的应用

针对铁谱图像磨粒识别中异类信息综合利用率较低的问题,提出多层次信息融合的铁谱图像磨粒识别方法。首先,在铁谱图像二值化分割的基础上进行二值滤波,结合彩色铁谱图的R、G、B三分量,实现铁谱图像的彩色滤波。其次,以实际采集的磨粒图像样本为例,提取滤波后二值图像的形态特征,以及滤波后彩色图像的颜色特征;在特征层利用PCA对异类特征进行维数约简,并结合SVM和k-fold交叉验证,实现形态特征和颜色特征的特征层融合;在决策层将异类特征的SVM概率输出结果作为D-S证据理论的基本概率分配函数,实现形态特征和颜色特征的决策层融合。通过与形态学滤波结果对比,验证了本文提出滤波方法的优越性;其次,不同层次的信息融合结果表明,与单独使用颜色特征和形态特征相比,异类信息融合后可实现优势互补,有效提高故障磨粒的识别准确率。     

基于显微图像识别的在线滑油中磨粒分析方法

针对现有显微图像油液磨粒监测技术的芯片结构的不足,改进微通道与外通道结合处结构,减小了微通道被阻塞的可能性,提高了检验精度。为了提高机器润滑油中金属磨粒在线图像识别的准确性,分析图像运动模糊退化模型,并以自相关函数估算模糊尺度,采用基于维纳滤波的图像恢复算法获得清晰的磨粒图像;应用图像差值与最大类间方差法（Otsu）对图像进行分割并对分割后的磨粒图像计数获得磨粒等效直径和分布。研究结果表明,该图像分割方法提高了油液磨粒的在线实时检测的准确率,其精度达95%以上。     

图像颜色特征提取在铁谱图像分类及磨粒识别中的应用研究

铁谱图像所包含的彩色信息对磨粒识别、磨损形式分析非常重要。对图像分类技术进行研究，主要对铁谱图像的颜色特征进行研究，提出了聚类树分析、模糊聚类技术与统计分析相结合的定量研究方法，对铁谱图像进行背景、磨粒区域分割，以获得可进行定量分析的磨粒。计算的颜色特征为铁谱图像的进一步处理和识别以及磨粒的机器自动识别、磨损形式分析奠定了基础。     

图像可视在线铁谱传感器的图像数字化处理技术

为实现图像可视在线铁谱传感器的磨粒图像自动辨识,建立数字图像获取系统,探讨铁谱图像数字化处理方法。研究了铁谱图像的预处理方法,对比在RGB和YUV颜色空间对铁谱图像的灰度化处理效果,采用不同的微分模板对平滑后图像进行锐化处理;探讨减背景法和自动阈值法在铁谱图像磨粒分割中的应用效果;给出适用于在线铁谱图像的定量描述方法。研究表明,采用YUV颜色空间的明视度分量可以得到平滑的灰度图像,合理的模板选择可以使微分法在锐化磨粒边缘的同时保持整体图像的平滑;铁谱图像的磨粒分割结果表明,减背景法由于采用人工选取门限值而难以适用于在线铁谱图像的处理,而自动阈值法可以根据铁谱图像自动选取合适的阈值以达到良好的分割效果;采用磨粒百分覆盖面积作为定量指标可反应良好分割的铁谱图像中的磨粒统计质量分数。     

K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。     

油液在线监测系统中磨粒识别技术研究

针对磨损状态监测要求,构建了基于显微图像分析的油液在线监测系统。根据系统光路特点,对磨粒图像进行了基于彩色特征的转换,并通过与背景图像的差值处理来快速提取磨粒目标。基于最小二乘支持向量机设计了磨粒两类分类器,并利用粒子群优化算法对最小二乘支持向量机模型中的参数进行了优化选取;根据磨粒识别体系,设计了基于最小二乘支持向量机的磨粒综合分类器。最后,利用铁谱分析技术对系统性能和识别效果进行了检验,结果表明本系统具有较高的检测精度和识别效果。     

车牌照识别系统设计

车牌自动识别系统可以分为图像采集、图像预处理、车牌定位、车牌预处理、字符分割、字符识别几大部分.每个模块即相互关联的,又有其自身的特点和技术.车牌定位是车牌识别的基础,本文采用水平和垂直的车牌定位算法;车牌字符的分割是进行单个字符识别的前提,本文采用一种垂直投影的字符分割方法;字符识别采用了BP神经元网络的方法.     

气泡高干扰在线铁谱视频图像的磨粒快速分割算法研究

针对在线铁谱视频图像气泡高干扰所面临的磨粒分割困难问题,提出一种气泡高干扰在线铁谱视频图像的磨粒快速分割算法。首先运用运动检测的方法确定视频中气泡的位置,并用相邻帧相同位置的图像信息对气泡区域进行处理,再使用双边滤波对处理后的图像进行平滑去噪,实现气泡干扰的初步抑制;最后基于抑制气泡图像的灰度直方图,对每一帧图像选取其自适应的阈值,实现在线铁谱视频图像中磨粒的快速分割。该研究为在线铁谱的磨粒分割与后续对磨粒特征的智能提取和分析奠定了基础。     

车牌识别关键技术的研究与实现

车牌识别是指通过计算机视觉、图像处理与模式识别等方法从车辆图像中提取车牌字符信息,从而确定车辆身份的技术。车牌识别分为车牌定位、字符分割、字符识别三大部分。车牌定位是一个难题：车牌区域在整幅图像中所占比例很小,车牌的颜色、大小、位置也不确定,并且定位算法要能够克服不同光照和复杂背景的影响,还要兼顾准确性和实时性,因此快速准确的定位车牌是比较困难的。本文通过车牌的纹理和颜色特征,采用粗定位和细定位相结合的方法进行识别。     

一种基于颜色聚类和种子填充的目标识别算法

针对类人足球机器人目标识别易受光照强度变化影响的问题,改进了常规的扫描线种子填充算法,提出了一种基于颜色聚类分割和种子填充的目标识别算法。该算法采用HSI颜色模型,依据亮度和饱和度信息对图像粗分割,基于阈值将彩色区域和灰色区域分离,同时将灰色区域二值化;基于色调直方图聚类分析对彩色区域的像素进行了归类,通过改进扫描线种子填充算法实现了色块的最简扩充和特征提取,使颜色分割和特征提取同步进行,解决了目标物体的快速、精确识别。实验结果表明,该算法抗干扰能力强,分割精度高,能满足实时性要求,具有一定的实用价值。     

Fuzzy c-means clustering based colour image segmentation for tool wear monitoring in micro-milling

Micro-milling is an extensively used micro-machining process for producing high precision 3D components from varied materials. However, tool wear in micro-tools is a big concern, as component accuracy directly depends on it. Also, size effects limit the monitoring by the naked eye, but it can be compensated by implying a proper wear monitoring mechanism. Various direct and indirect methods have earlier been used for monitoring purposes, and considering the needs of the fourth industrial revolution, one of the direct methods, machine vision, when combined with image processing algorithms, can play a more prominent role. Current work focuses on creating a wear monitoring algorithm based on fuzzy c-means clustering technique directly implied on acquired colour micro-tool images. The proposed algorithm has three steps: the first step is Region of Interest (ROI) extraction, where the background is removed, orientation correction is done, and ROI on each tooth is extracted from micro-tool colour images. The second uses the fuzzy c-means technique on ROI to cluster them, from which wear cluster is chosen and morphologically enhanced. The last step performs pixel level measurement and results in numerical wear width. Overall, quantitative results at each step are correlation coefficient of 99 % after image registration, segmentation accuracy of 92 % and wear measurement accuracy of 97 %. A comparison is also made between the proposed algorithm, k-means clustering and RGB thresholding technique, where the proposed algorithm outshines. Lastly, the wear measurement error of the proposed algorithm is less than 5 %, indicating its repeatable, reliable, and robust nature.