K-F环自动检测系统设计

考虑Kayser-Fleischer(K-F)环自动检测系统可以用于威尔逊氏病(wilson's disease,WD)的辅助诊断,本文针对现有的威尔逊氏病检测方法均没有考虑光照及角膜老年环的影响,通过分析彩色图像中Kayser-Fleischer(K-F)环的分布特征,设计了K-F环自动检测系统。该系统通过对图像进行预处理获得目标检测候选区域,通过梯度响应最优算法精确检测K-F环的边界信息。为了降低光照对算法有效性影响,建立了光照检测模型来提高检测系统的鲁棒性。最后,定义宽度特征算子排除正常图像的影响,定义颜色特征算子排除角膜老年环的影响。实验分析显示,在采集的2 234幅图像中,本文提出的K-F环自动检测系统的识别率能够达到98.4%,而且系统不受角膜老年环的影响。     

基于多尺度颜色替换的角膜老年环分割

角膜老年环是一种在角膜边缘形成的白色环状改变,主要由于人体脂类代谢异常而产生。通过图像分析的方法对角膜老年环进行检测可以方便、及时帮助人们发现身体脂类代谢异常状况。自然睁开状态下获取的彩色图像,角膜老年环经常被眼睑随机遮挡,而且被光斑、血管等因素的干扰。为了提高算法鲁棒性,减少由于眼睑的随机遮挡造成的定位失误,提出了一种基于多尺度颜色替换的角膜老年环分割方法。首先对图像进行量化;其次,在不同尺度模板下对图像按照本文定义的颜色替换策略进行处理,并最终实现目标分割。实验结果表明,在采集的1 968幅图像中该方法能够达到97.0%的分割正确率,所用算法具有较高的鲁棒性。     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

基于自适应超环检测器的设备异常度检测方法

针对在无故障样本情况下如何快速检测设备异常度问题,在引入自己空间边界样本概念的基础上,提出一种自适应超环检测器。在描述自适应超环检测器生成算法的基础上,以Iris数据集为例进行分析,发现与已有的异常检测方法相比,自适应超环检测器异常检测方法在区分有较清晰类边界数据时,具有更好检测性能。利用自适应超环检测器异常检测方法分析轴承状态数据,不仅能反映出轴承的各种状态,而且能通过设备的异常程度反映出同类故障的轻重程度。基于自适应超环检测器的设备异常度检测方法,是在学习设备正常运行数据的基础上,寻找自己空间的边界样本,结合其方位信息与自己样本半径,建立能完全覆盖状态空间的自适应超环检测器,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的异常检测。     

基于协方差矩阵的点云孔洞边界检测

逆向工程中点云模型孔洞边界的检测是孔洞修补的前提,完美的孔洞轮廓线有利于提高孔洞修补的质量。参照二维图像中边界的定义,给出了三维模型中点云孔洞边界的定义,并且提出了一种简单的孔洞轮廓线生成算法。首先,通过分析邻域点协方差矩阵特征值之间的关系,提出了一种边界点检测算子,用于初步提取孔洞特征点;然后,综合考虑邻域点最大特征向量方向、距离以及边界检测值(边界检测算子)三者之间的关系生成孔洞轮廓线。试验结果表明,所提边界点检测算子能够有效检测模型中的孔洞点,并且有较好的抗噪声性能,生成的孔洞轮廓线比仅以距离为参数的轮廓线生成算法的精度高。     

基于矢量加权线检测算子的虹膜环状线条检测

由于虹膜环状线条与背景相比信号强度比较弱,且背景图像纹理异常丰富,环状线条灰度不完全连续,在灰度图像上直接用边缘检测算子进行虹膜环状线条检测时,会丢失很多有效信息,误检率及漏检率较高,为了解决这个问题,在对虹膜环状线条特征进行分析的基础上,设计了一种适用于虹膜环状线条检测的矢量加权线检测算子。首先由于环状线条在虹膜上的位置比较固定,选取虹膜环状区域左右两部分区域作为感兴趣区域;其次,设计矢量加权线检测算子,依据优势信号出现在不同通道的随机性自适应的进行加权,由此将矢量图像转变为边缘信息最为突出的单通道图像,再根据环状线条的线特征分布特点设计线检测矩阵,对预处理后的感兴趣(ROI)区域进行检测;最后在二值化图像上根据环状线条的形状设计区域形状因子排除非环状线条,实现环状线条的检测。该方法在图库中人工标定的1 921条环状线条的检测正确检出率达到91.78%。实验结果表明,本方法与经典的边缘检测算子相比,更适用于虹膜环状线条的检测。     

改进的基于局部联合特征的运动目标检测方法

背景减除是机器视觉中运动目标检测最常用的方法。针对复杂场景中传统单特征算法检测精度不高、多特征检测算法实时性较差的问题,提出了一种改进的联合纹理、颜色和位置特征的局部联合特征,并对局部联合特征混合高斯建模,采用多重判定进行学习和更新的目标检测算法。为更好地抵抗阴影和光照变化影响并减少计算量,改进了LBP算子,Lab局部颜色特征在处理纹理缺乏情况时,有更好的效果,而位置特征能减缓场景抖动等噪声影响。实验结果表明,该算法能准确地检测上述影响下的目标,检测效果在多种数据集上表现出更高的鲁棒性和精确性并且基本达到实时性要求。     

基于形状模板匹配的印刷品缺陷检测

针对传统的模板匹配算法无法满足工业检测中的实时性要求,提出了一种基于形状模板的匹配算法,并应用于印刷品的缺陷检测。算法以Sobel算子滤波后得到的边缘点的方向向量为基础,定义相似性度量,同时结合图像金字塔分层搜索策略,利用形状信息进行模板匹配。实验结果表明,所提出的匹配算法速度快、精度高,而且匹配鲁棒性高,不受印刷品缺陷检测中可能出现的遮挡、非线性光照变化和全局对比度反转等情况的影响。     

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。     

局部正交子空间投影高光谱图像异常检测算法

正交子空间投影是一种监督分类算法,需要已知待分类目标的特征信息。为了扩展该算法的应用场合,提出局部正交子空间投影算法,并成功应用于高光谱图像异常检测。异常检测常用于自然背景下的人工目标提取,在小范围邻域内地物类型相对单一。基于此,以被检测点作为感兴趣目标、被检测点邻域内样本均值作为不感兴趣目标,构造局部投影算子。实验结果表明：能够检测出含量高于30％的亚像元目标;可通过适当增大滑动窗尺寸,检测像元面积较大的目标;不受Hughes效应影响;当波段数为80时,运算时间低于RX算法的十分之一。局部正交子空间投影算法检测精度高、运算速度快,适用于实时高光谱图像异常检测。     

基于形态学与支持向量机的虹膜坑洞纹理检测

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。     

复杂光照环境下手工装配件视觉检测方法研究

手工装配流水线上的工件摆放位置随机,且光照复杂多变,现有的视觉检测方法易受影响。针对此工况下的插座螺钉装配检测需求,设计了一套复杂光照环境下手工装配件视觉检测方法。首先在HSV颜色空间利用颜色进行图像分割,找到工件外轮廓,通过几何位置换算找到螺钉孔所在的大致区域;然后在此区域中对自适应阈值二值化图像进行霍夫变换圆检测,得到螺钉孔精确位置;最后基于全图平均灰度值设置阈值,对螺钉孔位置的灰度特征进行判断,得出检测结果。经实验验证,该方法有很强的鲁棒性、适应性,具有良好的工程参考价值。     

基于BAB策略与SVM的虹膜块状纹理检测

块状纹理是虹膜表面上一种重要的特征纹理。对于可见光虹膜图像而言,由于受眼睑、光斑及光照不均匀等因素影响,如何准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于分枝定界(BAB)策略和支持向量机(SVM)的可见光虹膜块状纹理检测方法。首先使用线性模板来提取虹膜上所有目标纹理;然后,采用BAB策略定位所有目标纹理并计算每个目标纹理的特征向量;最后,使用SVM实现对块状纹理的检测。通过实验证明,该方法对于虹膜块状纹理的检出率和检测时间均优于同类方法。     

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。     

一种快速精确的虹膜定位方法

为了提高虹膜定位的速度和精度,本文提出了一种定位方法.对于虹膜的内边缘定位,本文基于图像二值化和形态学的腐蚀、膨胀,建立了有效的去噪算法,并提出了一种灰度投影与圆的方程相结合的方法,可准确定位虹膜内边缘.对于虹膜的外边缘定位,本文利用虹膜内边缘定位数据对边缘图像去噪得到有效的边缘信息,在此基础上提出了一种改进的Hough变换方法,可以快速准确地定位虹膜外边缘.实验结果表明,本文提出的虹膜定位算法显著提高了虹膜定位的速度和精度,避免了传统Hough算法搜索的盲目性.     

基于线性模板和模糊规则的虹膜坑洞纹理检测

基于虹膜表面特定形状纹理的虹膜识别方法是虹膜识别的一种有效手段。然而,由于虹膜纹理复杂多样,形态各异,因此如何快速、准确地检测出虹膜表面各种不同类型的特征纹理仍然是目前亟待解决的一个难题。针对坑洞纹理的检测,提出一种基于定长线性模板和模糊规则的虹膜坑洞纹理的检测方法,首先使用一个定长的线性模板提取出虹膜表面所有纹理的边缘。然后,根据坑洞纹理与其他类型的纹理在形状上存在的不同,定义相应的模糊规则,从各种不同类型的纹理中识别出坑洞纹理。该算法对图库中人工标定的坑洞纹理检测的正确率为86.06%;对色素斑、裂缝以及眼睑的排除率分别为84.62%,71.56%,100%。实验结果表明,该方法能够从背景复杂的可见光虹膜图像中识别出坑洞纹理,为虹膜的特征提取提供了一个新的思路。     

基于PCHIP-LMD的虹膜识别方法

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点,提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性,利用PCHIP-LMD对归一化的虹膜图像逐行分解,得到不同尺度的分量图像;通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配,得到匹配向量。最后计算匹配向量的改进标准差,用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明：该方法消除了虹膜特征提取时的高频噪声,有效提取了图像的二值特征,与EMD和LMD方法相比,识别速度,识别准确率和鲁棒性均有极大提高。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。