Improved preprocessed Yaroslavsky filter based on shearlet features

An improved preprocessed Yaroslavsky filter (IPYF) is proposed to avoid the nick effects and obtain a better denoising result when the noise variance is unknown. Different from its predecessors, the similarity between two pixels is calculated by shearlet features. The feature vector consists of initial denoised results by the non-subsampled shearlet transform hard thresholding (NSST-HT) and NSST coefficients, which can help allocate the averaging weights more reasonably. With the correct estimated noise variance, the NSST-HT can provide good denoised results as the initial estimation and high-frequency coefficients contribute large weights to preserve textures. In case of the incorrect estimated noise variance, the low-frequency coefficients will mitigate the nick effect in cartoon regions greatly, making the IPYF more robust than the original PYF. Detailed experimental results show that the IPYF is a very competitive method based on a comprehensive consideration involving peak signal to noise ratio (PSNR), computing time, visual quality and method noise.     

二维直方图θ-划分最大平均离差阈值分割算法

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, 而基于L1范数的最小一乘准则比最小二乘准则更为合理且简捷, 提出了适用面更广的基于二维直方图θ-划分和最大类间平均离差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4条平行斜线及1条其法线与灰度级轴成 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=45° 的特例; 然后导出了二维直方图θ-划分最大类间平均离差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类间方差法及最大类间平均离差法相比, 所需运行时间相近, 但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, 且存储空间也大为减少.     

平均灰度级-梯度二维直方图最大相关阈值分割

鉴于现常用的灰度级-平均灰度级二维直方图区域划分存在明显的不足,提出基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取方法,导出相应的快速递推算法公式;给出实验结果并进行了分析与比较.结果表明:与现有的有关算法相比,所提出的基于灰度级(或平均灰度级)-梯度二维直方图最大相关阈值选取快速递推算法不仅能使分割后的图像区域内部更均匀、边界形状更准确、抵抗噪声稳健,而且同时其运行时间还减少了约20%.     

蜂群优化的二维非对称Tsallis交叉熵图像阈值选取

交叉熵能够度量图像分割前后的差异,与Shannon交叉熵相比,引入参数q的Tsallis交叉熵则为图像阈值分割提供了灵活性和普适性,而非对称Tsallis交叉熵的表达形式更加简洁。由此,提出了蜂群优化的二维非对称Tsallis交叉熵图像阈值选取方法。首先引出了非对称Tsallis交叉熵,导出了二维非对称Tsallis交叉熵阈值选取公式,并利用递推方式计算阈值选取准则函数涉及的中间变量,建立查找表,消除冗余运算;然后采用蜂群算法搜寻最佳二维阈值。大量实验结果表明,相对二维最大Shannon熵法、二维Shannon交叉熵法、二维Tsallis熵法和二维对称Tsallis交叉熵法等同类方法,所提出方法在主观视觉效果和区域间对比度评价指标上有较大的改善,能够更准确地分割出目标,运行速度也更快。     

基于Krawtchouk矩不变量和核模糊聚类的快速分形编码

针对基于分类的快速分形编码方法存在着编码速度与解码质量间的矛盾,鉴于Krawtchouk矩不变量具有在仿射变换下保持不变的特性和核模糊聚类在处理非线性问题上的突出优势,本文首次将这两者引入到分形编码中,提出了基于Krawtchouk矩不变量和核模糊聚类的自适应分类快速分形编码方法。首先根据Domain块的方差将其粗分类,再根据Domain块的Krawtchouk矩不变量利用核模糊聚类对Domain块细分类。实验结果表明,与其他基于分类的快速分形编码方法相比,在解码图像质量提高的同时,大大加快了分形编码的速度。     

基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取

提出了基于斜分倒数交叉熵和蜂群优化的火焰图像阈值选取方法以便更为准确地分割火焰图像。以最小倒数交叉熵作为阈值选取准则,解决了Shannon熵定义中存在的无意义值问题。同时,以二维直方图斜分方式更加准确地划分目标和背景,提高了算法抗噪性能,且使需要选取的阈值个数由两个变为一个,减少了算法运行时间。此外,采用蜂群优化算法加速对最佳阈值的搜索,使速度提升了约80%~140%,进一步提高了算法的实时性。最后,针对火焰图像进行了大量实验,并与二维斜分最大Shannon熵法、基于混沌小生境粒子群优化(NCPSO)的二维斜分最大倒数熵法进行了比较。结果表明,提出的方法在分割效果上优势明显,且抗噪性能更好,是一种实时有效的火焰图像分割方法。     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

基于快速Hartley变换计算离散正弦变换的新算法

导出了用DHT表示DSTⅡ与DSTⅢ的关系式,从而构造了基于FHT计算DSTⅡ与DSTⅢ的新算法。与其它快速算法作了运算量的比较。新算法结构规则,所需运算量最少。