基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

基于数学形态学和小波阈值的红外温度图像去噪方法

针对普通小波阈值去噪方法不能较好地保留红外图像边缘信息的问题,提出一种数学形态学边缘检测和小波阈值去噪相结合的方法,即红外图像先经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。结果表明,与普通小波阈值去噪方法相比,该方法较好地保留了红外图像的边缘信息,去噪效果明显,且改善了均方误差和峰值信噪比,对摩擦副表面红外温度图像进行去噪,可获得较为准确的温度场。     

基于形态学边缘检测和小波阈值的摩擦副红外图像去噪

针对红外图像通过普通小波阈值去噪不能较好地保留边缘信息的问题,提出了一种数学形态学边缘检测和小波阈值去噪相结合的方法,对摩擦副表面红外图像进行去噪,达到获得较为准确的温度场的目的。红外图像经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。试验结果表明,相比普通小波阈值去噪方法,该方法不仅较好地保留了红外图像的边缘信息,去噪效果明显,而且改善了均方误差和峰值信噪比。该方法意在提高红外图像测温的准确性,为测量和分析摩擦温度场提供更好的技术支持,具有较高的工程应用价值。     

基于形态学和区域生长法的医学图像分割

图像分割技术是图像理解和图像识别的前提,分割效果的好坏将直接关系到后续图像的分析、处理。基于区域生长算法是一种比较有效的医学图像分割方法。为了提高分割质量,利用数学形态学的基本运算对生长结果进行修正,填充区域生长后的小孔洞噪声;最后通过实验,证明该方法分割效果理想。     

基于HALCON图像处理的粘连零件颗粒计数方法研究

为了解决传统的粘连零件颗粒计数方法存在的效率低、准确性不高等问题,基于HALCON图像识别和处理技术,提出了一种基于欧式距离变换及高斯滤波的分水岭分割算法.首先,利用工业相机采集零件颗粒图像,然后对图像进行预处理,接着对预处理后的图像进行数学形态学处理,再对数学形态学处理后的图像进行距离变换和高斯滤波,最后进行分水岭分割,得到分割图像.实验表明,该算法能有效减少过分割,为后续零件颗粒的准确计数提供了保障.     

基于红外图像识别的电气设备温升检测

为了更好地利用红外热成像技术对电气设备故障进行识别和诊断的问题,提出了一种基于红外图像特征和种子区域生长法的设备温升检测方法。采用邻域平均法减少了红外图像的噪声干扰,提取出了红外图像RGB空间中的红色分量图及绿色分量图,应用种子区域生长法分别对两分量图进行了分割,先通过寻找局部最高温点划分区域,再计算各区域内形态学梯度筛选出有故障的高温点,并将该点所在区域作为种子区域从而实现种子区域的自动选取,将像素点4个方向上的最大梯度及像素点与种子点的灰度差作为种子生长的判定条件,用交集的方法将分割后的红色分量图和绿色分量图融合,提取出了设备温升过高区域。实验及研究结果表明,该方法能确定高温升区域,且轮廓清晰,为电气设备温升故障诊断提供依据。     

基于均值漂移的红外舰船图像分割算法

提出了一种有效的舰船红外目标图像分割算法,利用均值漂移分割算法的二维灰度和灰度邻域信息,滤除了海面的强杂波干扰,同时又不会损失舰船目标信息。利用不同类别的灰度权重,将红外舰船图像分割成为天空、海水和舰船3类,从而将舰船从图像中有效地分割。由于采用区域节点和灰度直方图来表征图像,与原始图像像素节点表征图像相比,区域节点的个数远远小于原始图像像素节点,从而提高了算法计算效率。计算结果也表明,该算法能够在海面强杂波的干扰下,有效地提取红外舰船目标。     

多尺度区域生长与去粘连模型的乳腺细胞分割

乳腺癌已经成为女性最常见的恶性肿瘤,组织切片显微图像的病理分析是诊断的主要手段,细胞的准确分割是病理分析的重要环节。该文提出了一种新的乳腺细胞显微图像的自动分割算法:首先结合小波分解和多尺度区域生长算法分离细胞和背景,实现对细胞的精确定位;然后采用改进的数学形态学对粘连细胞进行一次细分割;接着再采用基于曲率尺度空间(CSS)的角点检测分割算法对粘连细胞进行二次细分割;两次细分割方法构成了一个双策略去粘连模型,保证了去粘连的准确性和鲁棒性。将算法应用到22幅乳腺细胞显微图像上,可以对不同类型的乳腺细胞图像进行全自动分割,有较高的分割灵敏度(0.944±0.024)和特异度(0.937±0.038),且具有较好的普适性。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

基于边缘检测的红外图像二值化算法

提出一种基于形态学边缘检测的红外图像二值化算法。结合边缘检测、自适应形态学边缘增强方法对图像进行处理,使得二值化结果有效地保留红外图像的边界特征,试验结果证明该方法是一种有效、实用的图像二值化方法。     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

SF6断路器气体泄漏红外图像中散斑噪声的抑制算法

SF6断路器是电力系统中常见的电气设备,针对SF6断路器气体泄漏红外图像中广泛存在的激光散斑噪声,提出一种抑制散斑噪声的新算法.将同态均值滤波与小波变换结合,并应用贝叶斯软阈值,对红外图像进行去噪处理.研究中,将该算法与同态均值滤波、同态均值滤波与传统周定小波阈值结合滤波等算法作了比较,结果表明,在图像标准偏差、信噪比和散斑指数等常用性能指标上所提算法优于其他算法.     

湍流退化红外图像降晰函数辨识

针对高速湍流场导致的红外成像模糊,提出了一种基于图像质量评价的湍流退化红外图像降晰函数辨识算法。利用先验知识将退化过程简化为可用参数描述的二维高斯函数形式,将退化图像分割为边缘区、纹理区和平坦区,计算不同支持域下复原图像在不同参数时的峰度值;利用曲率最大准则对得到的“峰度-参数”曲线进行相应的降晰函数参数估计,进而由支持域和对应的估计参数得到对应降晰函数并用于复原退化图像;最后对复原图像进行无参考图像质量评价,评价指标最高的复原图像对应的降晰函数即为最终辨识结果。实验结果表明：该算法能较好地辨识降晰函数参数和支持域大小,当退化图像信噪比大于30 dB时,估计参数与真实值的最大偏差小于±5%。该算法所得结果可以作为湍流退化红外图像其他复原算法的降晰函数起始估计。     

基于区域划分的红外超分辨率重建

提出了红外超分辨率重建系统以获取高分辨率红外数据。首先,根据红外图像获取过程建立了数学模型,讨论了降采样、模糊、运动以及高斯噪声对红外系统的影响;在非退化特征提取的基础上提出了基于特征的亚像素配准算法,其根据所得到的非退化特征应用归一化均方根误差来估计两帧之间的亚像素位移。然后,分析了传统全变分因子在高分辨重建时的不足并对其进行改进;利用区域划分将图像划分为平滑区域和细节区域,并根据区域的不同情况自适应全变分因子,从而使细节区域不至于过平滑。最后,利用MM(Majorization Minimixation)算法对合成的低分辨率红外图像和真实红外图像进行了超锐度重建。与同类相关算法的比较实验显示:所提算法亚像素配准最大误差为0.09pixel,重建后的红外图像质量优于其他同类算法。所提算法可以对低分辨红外图像序列进行有效重建,具有配准精度高、重建图像细节丰富等特点,可应用于各种红外成像系统。     

一种红外十字分划线的中心定位方法

红外十字分划线的提取和中心定位是红外观瞄装备实现光轴检测数字化的重要组成部分。针对红外图像对比度差、信噪比低、边缘模糊的特点,提出了基于灰度形态学的十字分划线提取方法,应用一个形态学顶帽算子并对得到的结果使用大津(Otsu)方法进行阈值处理。根据十字分划线的形态特点设计了十字结构元素对提取出的十字分划线进行腐蚀,对红外十字分划线实现了定位。实验结果表明,提出的算法能在图像对比度较低,边缘模糊的情况下有效地提取出十字分划线,并准确定位到十字分划线的中心。     

红外成像系统的非均匀性实时校正

针对红外相机系统响应非均匀性所产生的竖条纹固定噪声,提出了基于多线程优化的单帧红外图像非均匀性实时校正算法。该算法参考全变分理论的非均匀性校正算法确定噪声与图像输出之间的加性校正关系,建立了描述条纹噪声的数学模型;通过滤波算法将图像分为高频分量和低频分量,运用建立的条纹噪声模型,基于最小二乘法从高频部分中拟合出条纹噪声。最后,使用全变分理论确定的加性关系对图像进行校正。为了提高算法的计算速度,运用多线程技术对算法进行了优化。对提出的算法与MIRE(Midway Infrared Equalization)算法及传统双边滤波算法进行了图像质量评价和性能对比。结果显示:本文算法使图像非均匀性较原图降低了3%;算法效率与MIRE算法无异,系统运行时间在320×256的14位红外图像上为1.5ms/frame,达到了工程标准。     

基于小波变换的水果红外图像目标识别

边缘在机器视觉应用中是一个很重要的特征.提出了一种新的基于小波变换的边缘检测方法,并对红外水果图像进行识别.它是自动化采摘技术的基础.以二次光滑小波作为小波函数,对水果红外图像进行二维二进小波变换,计算了小波变换结果的局部模极大值点,从而得到了水果红外图像的轮廓.     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于 HSV 色彩空间的改进红外与可见光图像融合算法研究

为了增强红外与可见光图像融合的目标信息、环境信息以及图像的人眼辨识度,提出 2 种基于 HSV 色彩空间的红外与可见光图像融合算法。每种算法首先将 RGB 和可见光图像分别转为 HSV 图像,并将 H 、 S 和 V 三通道分离,然后对于红外与可见光的 H 、 S 和 V 通道建立合适的数学模型相互映射融合,再将新的 HSV 图像转换到 RGB 图像。结果表明,所提的融合方法相较于传统空间域的处理方法,拥有更加明亮的目标信息、环境信息和视觉效果。     

炭素制品缺陷的X射线自动检测技术研究

针对炭素制品X光图像的特点,对其缺陷的提取与识别技术进行了研究,给出了目标边界提取算法和基于小波变换的图像增强算法,实现了图像的背景去除及增强处理。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从背景去除后的图像中提取出缺陷区域,取得了良好的效果。对缺陷特征选择及识别方法进行了研究,设计了基于遗传策略的特征选择和基于BP神经网络的缺陷识别算法,计算表明:缺陷正确识别率可达95%以上。采用上述技术开发完成了一套炭素制品缺陷X射线自动检测系统。