焦炭反射率与强度指标及反应性之间的相关性

通过控制偏光显微镜的起偏镜旋转角度可以实现焦炭气孔壁平均最大反射率Rˉmax和平均双反射率Rˉbi的自动测定。经回归分析发现,Rˉmax和焦炭反应性CRI,以及反应后强度CSR之间存在显著的相关关系,相关系数r分别达到－0.926和0.949。Rˉmax和焦炭机械强度DI 15015之间的相关性相对较弱,r为0.704。Rˉbi和焦炭各强度指标之间没有发现明显的相关关系。     

曲线描述的一种方法:夹角链码

提出了一种有效的曲线编码和描述方法--夹角链码.夹角链码的思想框架是:首先将曲线用一串有方向的等长度的线段来表述,根据相邻线段之间的夹角差形成一串角度序列,即夹角链码来描述这条曲线.描述曲线的直线段的数目由面积法则来决定,并且待处理的曲线将被分割成相等数目的线段.该方法最大的一个优点是曲线的描述具有平移、拉伸和旋转的不变性.该方法的一个实际应用在于,将某一个地区的合成孔径雷达(synthetic aperture Radar,简称SAR)图像与地图相匹配.     

一种通过视点切割的纹理描述方法

提出一种新的描述纹理的方法——视点切割（Viewpoint Slicing）模式。方法依据视觉心理学的理论，提取人的视觉系统对之敏感的纹理信息，如纹理的全局灰度极值点，局部灰度极值点，基元的边缘等特征。方法可以描述基于统计的方法无法适用的基元比较大的纹理，也可以有效描述复杂的自然纹理。详细讨论了方法的有效性，并用提取的纹理特征进行纹理分类实验，在Brodatz纹理全集上达到了96.7％的高正确分类率。而且方法基本不用调整参数，实验证明不同的参数配置都能稳定地达到相当高的正确分类率。     

机器人平台上基于Kinect相机的地平面检测方法

地平面检测对于移动机器人进行3D导航和环境感知非常重要.描述一种基于Kinect相机的地平面检测的新算法.算法主要包括两个部分：首先,通过3D点云的多方位投影变换及2D投影面的L-p范数集中度度量获取地平面的法向量,然后,根据获得的法向量进行3D空间中地平面具体位置的确定.算法使用了安装在PR2机器人平台上的Kinect相机拍摄得到的数据集进行验证,实验结果表明该算法可以获得非常可靠的地平面检测结果.     

用于二维形状描述圆周分解法

本文提出一种新的二维形状描述方法，用于描述二值和灰度图像物体的形状信息。该方法使用同心环状区域对二维形状进行分解，产生一组描述强度值的投影函数，并通过傅立叶变换实现旋转不变性和抗干扰能力。该方法与物体是否具有单一边界无关，能够适应各种复杂的、边界不规则的或者不连通的物体形状。此外，该方法还能够直接应用于灰度图象。     

基于统计地形特征的纹理检索方法

提出了一种利用图像函数图的信息来进行纹理描述的方法.图像函数图在三维空间中所形成的曲面形状看起来像地形地貌.提出的方法被称为统计地形特征,它首先用一个可变水平平面去切割图像函数的图可得到一些实体,然后从这些实体的几何和拓扑属性推导出4条特征曲线来描述纹理特征.在Brodatz和VisTex纹理集上的比较实验结果表明,统计地形特征的检索性能高于多维度自回归纹理模型、统计几何特征和离散小波变换等方法.     

基于ECM的彩色套印偏差检测算法

为检测彩色套印图像是否存在偏差及其偏差参数,提出基于边缘共生条件概率矩阵(ECM)的彩色套印偏差检测算法。该算法检测彩色套印图像的边缘信息,在边缘图像中计算ECM,并提取ECM中的极值点。若存在非(0,0)点处的极值点,则原图中存在套印偏差且极值为其偏差参数;否则,原图中不存在套印偏差。实验表明,该算法的检测结果可以精确到像素级。     

局部区域描绘子和SOM聚类算法在LED管芯计数中的应用

传统的图像处理算法往往受到光照干扰、角度变化、噪声等因素的影响,无法得到准确快速的识别结果.提出一种新颖的局部区域描绘子刻画目标点群的灰度值特征,并结合自组织映射SOM聚类,对发光二极管(LED)芯片中的管芯区域进行高效识别和准确计数.实验结果表明,该方法能够对LED管芯进行有效的识别计数,准确度高、鲁棒性好.     

焦炭光学组织的超反射率图像分析系统

分析焦炭的光学组织是一种重要的评估焦炭质量的方式,目前这种评估方式还停留在人工阶段.为了改变现状,本文设计和实现了一套自动分析系统,可以自动采集焦炭切片的显微图像并自动分割和识别其中的焦炭光学组织.系统由图像采集系统和图像分析系统两个子系统构成.在图像采集系统中,我们使用多角度极化技术拍摄得到焦炭切片在不同极化角度下的反射率图像,本文称这种特殊图像为超反射率图像.在图像分析系统中,我们提出了一种针对焦炭的超反射率图像的新型分析算法,可以准确高效地分割和识别图像中的各种焦炭光学组织.     

基于图像表征特性的轮廓线提取的研究

轮廓线提取是计算机视觉中的一个重要问题.但是,用来解决这个问题的传统方法总是不能得到像人的视觉系统一样令人满意的结果.人的视觉系统一个重要的特点,就是人眼在获得轮廓线的时候,不仅对轮廓线两侧图像的差异及轮廓线本身几何拓扑结构上有所考虑,同时也考虑到了轮廓线周围区域图像的特性(图像的亮度、颜色、纹理等特征)的连续性.然而计算机解决这个问题的传统方法通常忽略了后一个问题.这些方法总是被分成边缘检测和边缘连接两步骤而当边缘被检测出来之后,它们周围区域图像的特性就不会再被考虑到,导致了属于不同物体的边缘被错误地连在一个轮廓线中.通过提取表示边缘的线段并连接它们的方法找出一幅图像中最显著的轮廓线.引入了一个"表征特性"来描述以表示边缘的线段周围的图像的特性,然后这个特征被用来定义一个度量轮廓线显著程度的尺度"显著度估计"中.这样,图像中最显著的一个完整轮廓线就可以通过对这个"显著度估计"的优化来得到.最后,这个方法的有效性在实验中得到了验证.