用图像分析和神经网络法表征颗粒形状

本文提出的图像分析法可以有效地表征中凸或中凹颗粒的形状。本方法采用由颗粒周边的角弯度的傅立叶扩展计算得到的傅立叶描述符作为其弧长的函数，然后将傅立叶描述符作为非受控或受控人工种经网络的输入量应用于颗粒群，并根据颗粒形状进行分类，然后对单一颗粒或颗粒群进行了表征。用图像分析和神经网络法表征颗粒形状@H.S.Hundal     

基于计算机视觉的珍珠形状分级识别技术研究

 为了解决人工分选珍珠效率低、精度不高等问题,提出了一种基于计算机视觉的珍珠形状分级方法.首先根据珍珠图像的灰度直方图对图像进行分割,并使用闭操作去除图像中噪点,接着用八邻域法搜索珍珠图像的边界,提取珍珠轮廓曲线的傅立叶描述子,再计算被测珍珠与标准模板库珍珠的傅立叶描述子的欧氏距离,根据欧氏距离实现珍珠形状的分级识别.最后实验验证了本方法的有效性和实用性.     

一种基于扫描线的图像变形算法

在分析了现有图像变形方法的基础上,提出了一种基于扫描线的图像变形方法。首先指定原始图像的特征轮廓并获得特征轮廓的控制点,然后对控制点进行调整得到目标图像的边界约束,采用给出的扫描线算法对边界约束内部进行像素填充,得到变形图像。解决了变换过程中像素点的选取问题,更重要的是保证了变形后的图像颜色与原始图像变化趋势相同。     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

基于机器视觉的自动扶梯梯级测速方法

针对自动扶梯运行速度的检测,提出一种基于机器视觉的自动扶梯梯级测速方法。首先,对机器视觉系统采集得到的梯级运行图像进行一系列的预处理,通过设置阈值实现目标颜色的识别;然后,采用直线扫描法对颜色提取后的不连通区域进行填充,对得到的二值图像进行边缘检测与轮廓识别,返回轮廓面积最大的图像;最后,提取每张图像中黄色区域右边界直线起始端点的横坐标,通过差分法计算得到梯级的速度。结果表明,该方法实现了非接触测量并且能够得到较为准确的检测结果。     

基于支持向量机的轮胎标识点形状识别

轮胎标识点在轮胎分类中发挥着重要的作用,为了解决人工识别标识点工作强度大、误差较高等问题,提出了一种基于支持向量机的轮胎标识点形状识别算法.首先利用中值滤波对标识点图像进行降噪处理,根据标识点图像的灰度直方图对图像进行分割以去除背景,并利用Canny边缘检测算子提取标识点边缘轮廓.然后,提取标识点轮廓的傅立叶描述子系数,最后利用支持向量机对标识点的傅立叶描述子系数进行分类以识别标识点的形状.实验结果表明,该算法能准确地识别出轮胎标识点的形状,提高了标识点识别效率.     

微小孔尺寸形状的脱模与图像测量

将脱模方法与显微图像处理结合,实现了微小孔内部轮廓的尺寸形状测量.首先采用具有超弹性的乙烯基聚硅氧烷作为制模材料,通过脱模方法将微小孔内部轮廓复制为模型的外部轮廓.然后在显微镜上采集模型的放大图像,利用图像分割、边缘提取、直线检测等图像处理手段,测量出微小孔内部直径随深度的变化曲线.开发出用于测量微小孔尺寸形状的应用软件,利用该软件对脱模法的复制精度进行校验.对于孔口直径在145～155μm的微孔,所制模型在孔口处直径与原始孔口直径的平均绝对值误差为0.9μm.通过脱模方法制作三维型腔模型,得到脱模模型形貌与原始形貌的平均绝对值误差为0.37μm,均方根误差为0.51μm.所提方法融合微米量级的脱模精度和像素级的图像测量精度,可用于微小孔孔径、内部轮廓形状等的测量.     

基于机器视觉的扬声器分层装箱在线检测方法

目的提出一种基于机器视觉技术对人工分层装箱的扬声器进行检测的方法。方法首先对采集的图像进行中值滤波等预处理,然后采用canny算子进行边缘检测提取图像边缘轮廓,并求出当前层边缘距离所选固定区域边界的像素值,用以作为判定层数的依据。结果通过确定的层数,分别求解该层20个区域的平均灰度,从而判断是否缺失扬声器。结论该方法可以准确分辨出扬声器所在的层数与个数,识别效果好、检测速度快、实时性好。     

水下爆炸气泡图像边界提取方法

为准确提取水下爆炸气泡图像边界,尝试采用在边界识别中常用的canny算子边缘检测方法,但结果并不理想。在此基础上提出了先将灰度图像转换成索引图像,采用二维离散小波分解方法小波变换方法对索引图像进行分解,针对分解的图像轮廓部分主要体现在低频部分的特点对低频部分进行增强处理,对高频部分进行衰减处理,然后对处理后的图像进行canny算子边缘检测。结果表明:小波增强后的canny算子边缘检测方法处理出来的气泡图像边界清晰,可作为进一步分析研究的依据。     

双重主动轮廓图像分割

本文首先利用小波变换得到原图像的粗分辨逼近,在粗分辨逼近中得到图像的一个粗尺度分割。由于逼近图像中噪声下降,尺寸减少,使得算法对参数的选取不太敏感,而且收敛速度加快。然后将第一次分割结果通过小波反变换返回到原始尺度上,将得到的近似轮廓曲线作为初始水平集函数再在原图像中演化得到更准确的分割,这样就得到了一种双重主动轮廓图像分割算法。由于初始轮廓曲线非常接近真实的轮廓曲线,所以很快就可以收敛到真实的轮廓。理论分析和数值结果表明,双重主动轮廓分割算法可以快速有效地分离出感兴趣目标。