结合无下采样Shearlet模极大值和改进尺度积的有噪图像边缘检测

为从噪声污染的图像中提取出更为清晰、连续的边缘,进一步改善边缘检测效果,本文提出了一种基于无下采样Shearlet模极大值和改进尺度积的边缘检测方法。首先对含噪图像进行多尺度、多方向无下采样Shearlet变换（Non-subsampled Shearlet Transform, NSST）,得到图像在NSST域的高频系数;然后选取相邻的两个较大尺度的高频系数进行改进的尺度积运算,并经NSST模极大值处理得到边缘二值图像;最后使用区域连通方法去除二值图像中的孤立点,得到准确的边缘图像。大量实验结果表明,与小波模极大值、小波尺度积、基于无下采样Contourlet变换（Non-subsampled Contourlet Transform, NSCT）模极大值和尺度积、NSST模极大值等4种边缘检测方法相比,本文提出的方法具有更强的抗噪能力,且有效地避免了纹理的影响,检测出的边缘完整清晰,连续性好。      

基于Contourlet变换的嵌入式图像编码

Contourlet变换的基函数分布于多尺度、多方向上,可仅利用少量系数有效地捕捉图像中的光滑轮廓.本文分析了Contourle变换的基本原理和变换特点,提出了基于Contourlet变换的嵌入式编码的方法,给出了所提出方法的实验结果,并与基于小波变换的嵌入式编码(EZW)方法进行了比较.实验结果表明,在压缩比相同的情况下,本文方法比EZW编码的PSNR性能稍优,在视觉效果上有明显的改善,尤其对包含较多精细纹理和轮廓的图像压缩效果更佳.     

二维直方图θ-划分Tsallis熵阈值分割算法

鉴于常用二维直方图区域直分法存在错分,最近提出的斜分法不具普遍性,而Tsallis熵与传统的Shannon熵相比,具有普适性且更为有效,本文提出了适用面更广的基于二维直方图θ-划分和最大Tsallis熵的图像阈值分割算法。首先给出了二维直方图θ-划分方法,采用四条平行斜线及一条法线与灰度级轴成θ角的直线划分二维直方图区域,按灰度级和邻域平均灰度级的加权和进行阈值分割,斜分法可视为该方法中θ=45o的特例;然后导出了二维直方图θ-划分最大Tsallis熵阈值选取公式及其快速递推算法;最后给出了θ取不同值时的分割结果及运行时间,θ取较小值时,边界形状准确性较高,θ取较大值时,抗噪性较强,应用时可根据实际图像特点及需求合理选取θ的值。与常规二维直方图直分最大Tsallis熵法相比,本文提出的方法所得分割结果更为准确,抵抗噪声更为稳健,且所需运行时间及存储空间也大为减少。      

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

二维直方图区域斜分Otsu阈值分割的快速迭代算法

鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的二维直方图区域斜分方法,导出了基于二维直方图区域斜分的otsu法的快速迭代算法.在实验结果中给出了分割结果和运行时间,并与基于二维直方图直分的Otsu原始算法及其他两种快速算法进行了比较.结果表明所提出的快速迭代算法,使分割后的图像内部区域均匀,边界形状准确,有稳健的抗噪性,同时运行时间大幅减少.     

基于各向异性数学形态学的火焰图像边缘检测

为了更加有效地提取锅炉燃烧火焰图像的边缘,提出了一种基于各向异性数学形态学的火焰图像边缘检测方法.首先计算火焰图像的平均平方梯度向量并由其表示平均梯度向量,然后对平均梯度向量进行扩散得到图像的平均梯度向量场,并计算图像各像素点的平均梯度方向,最后根据各点的方向信息构造适合的形态结构元素,并计算其形态学梯度,据此检测出火焰图像的边缘.针对大量火焰图像进行的实验结果表明,与现有的边缘检测方法包括Roberts方法、Sobel方法、Prewitt方法、Canny方法、Log方法、各向同性数学形态学方法以及自适应邻域方法相比,该方法检测出的边缘,定位更加准确,边缘完整清晰,算法抗噪性更好,运算速度快.     

基于K-L展开式的车牌倾斜校正方法

在车牌识别系统中,为提高后续字符分割和识别的效果,需要对定位后的车牌图像进行倾斜校正.本文提出了一种基于Karhunen-Loeve展开式的车牌倾斜校正方法.首先对车牌图像进行垂直边缘检测;然后利用K-L展开式推导出垂直边缘点在最小均方误差意义下的特征直线,由此确定车牌的倾斜角度;最后通过双线性插值方法校正车牌.文中给出了实验结果,并与车牌倾斜校正的Hough变换法、旋转投影法进行了精确度、算法复杂度及运算时间的比较,结果表明,本文提出的方法精确度高、复杂性低、鲁棒性好、实时性强.     

超声相控阵用于无损检测的一种新方法

基于超声相控阵技术的无损检测在工业上已经得到广泛应用,相控阵技术的最大优点就是能快速控制和聚焦阵列换能器发射的辐射声束,根据换能器参数设置的不同,辐射声束也会随之改变。所研究的超声相控阵检测系统,对实时信号进行高速采集,将全部22个晶片发射和接收的信号进行存储,并通过检测系统数据处理软件将所存储数据处理,改善了信噪比,提高了横向和纵向分辨率,完成了被检测处的B扫描成像。实验证明：检测系统在工业无损检测方面有较好的应用前景。     

基于Tent映射CPSO和车牌纹理特征的车牌定位

针对现有车牌定位算法定位准确率不高和速度慢等问题,结合车牌纹理特征,提出了一种基于Tent映射混沌粒子群(CPSO)的车牌精确定位算法.首先用基于二维直方图区域斜分的OTSU方法对车牌图像做二值化处理;接着使用三组一维滤波器获取其二值纹理特征向量.然后利用基于Tent映射CPSO快速准确的全局搜索能力,结合二值纹理特征向量构造适应度函数,并引入车牌纹理的一致性度量作为判决条件,找到车牌区域的最佳定位参量.最后,与基于遗传算法(GA)和基本粒子群算法(BPSO)的定位方法进行了比较.实验结果表明,该方法适应性强,定位效果较好,运行时间更短.     

基于视觉的液晶屏/OLED屏缺陷检测方法综述

液晶屏（liquid crystal display,LCD）和有机发光半导体（organic light-emitting diode,OLED）屏的制造工艺复杂,其生产过程的每个阶段会不可避免地引入各种缺陷,影响产品的视觉效果及用户体验,甚至出现严重的质量问题。实现快速且精确的缺陷检测是提高产品质量和生产效率的重要手段。本文综述了近20年来基于机器视觉的液晶屏/OLED屏缺陷检测方法。首先给出了液晶屏/OLED屏表面缺陷的定义、分类及其产生的原因和缺陷的量化指标;指出了基于视觉的液晶屏/OLED屏表面缺陷检测的难点。然后重点阐述了基于图像处理的缺陷检测方法,包括介绍图像去噪和图像亮度矫正的图像预处理过程;考虑到所采集的液晶屏/OLED屏图像存在纹理背景干扰,对重复性纹理背景消除和背景抑制法进行分析;针对Mura缺陷边缘模糊等特点,总结改进的缺陷分割方法;阐述提取图像特征并使用支持向量机、支持向量数据描述和随机森林算法等基于特征识别的缺陷检测方法。接着综述了基于深度学习的缺陷检测方法,根据产线不同时期的样本数量分别总结了无监督学习、缺陷样本生成、迁移学习和监督学习的方法,其中无监督学习从基于生成对抗网络和自编码器两个方面进行阐述。随后梳理了通用纹理表面缺陷数据集和模型性能的评价指标。最后针对目前液晶屏/OLED屏缺陷检测方法存在的问题,对未来进一步的研究方向进行了展望。