基于人工蜂群算法的彩色铁谱图像背景减除

针对铁谱图像背景与磨粒的分割,提出了基于人工蜂群算法的彩色铁谱图像背景减除方法(ABCTO)。该方法是在CIE L*a*b*颜色空间,利用人工蜂群算法分别对L、a、b三通道图进行分割;再通过对各通道分割结果进行操作,得到铁谱图像二值图,实现磨粒与背景的分离;最后将原始图像的背景像素点设置为白色,从而得到减除背景的彩色铁谱图像。实验证明该方法可以精确减除铁谱图像背景,是一种有效的背景减除方法。     

一种彩色铁谱图像自动分割方法

铁谱图像有效分割是实现铁谱图像自动化分析的基础,但彩色磨粒图像背景颜色相对单一,磨粒区域同时包含亮区域和暗区域且与背景色差较大,且部分磨粒存在黏连的情况,因此铁谱图像的有效分割难以实现。根据彩色铁谱图像特点,提出基于两次K-means颜色聚类分离磨粒区域与背景区域后,再对磨粒区域采用改进的分水岭算法分割黏连磨粒的图像分割方法。该方法解决了铁谱图像中亮暗磨粒同时存在的情况下磨粒提取不完全的问题,并实现了黏连磨粒的分割。实验结果验证了该方法的有效性。     

自动阈值法在铁谱图像磨粒分割中的应用

铁谱图像处理、分析的目的就是要通过对图像中磨粒信息的研究来判断机械磨损形式及故障原因,而磨粒信息的获取依赖于铁谱图像磨粒的分割和磨粒特征的提取。本文将数学形态学中的自动阈值算法引入铁谱磨粒图像的分割中,利用MATLAB程序成功地完成了磨粒图像的分割,有助于实现铁谱磨粒的自动识别。     

自动阈值法在铁谱图像磨粒分割中的应用

铁谱图像处理、分析的目的就是要通过对图像中磨粒信息的研究来判断机械磨损形式及故障原因,而磨粒信息的获取依赖于铁谱图像磨粒的分割和磨粒特征的提取。本文将数学形态学中的自动阈值算法引入铁谱磨粒图像的分割中,利用MATLAB程序成功地完成了磨粒图像的分割,有助于实现铁谱磨粒的自动识别。     

融合颜色与形状信息的铁谱磨粒链分割方法研究

为了对铁谱图像中的磨粒链进行有效分割,提高磨粒特征提取的精度,通过分析铁谱磨粒链图像不同区域的特点,提出一种融合铁谱图像颜色、形状特征信息的磨粒链分割方法。该方法首先基于形态学运算对磨粒链分割方法,对异常大磨粒进行提取并断开磨粒链黏连部分,然后利用标记分水岭与灰色聚类的方法对磨粒链进行分割,最后考虑到不同磨粒链颜色信息存在差异,结合自适应阈值法对灰色聚类进行改进,从而实现磨粒链的自适应分割。结果表明,相较于传统分割方法,提出的方法能有效避免过分割与欠分割,分割效果较好,适用性高,操作简单。     

基于GrabCut的磨粒图像分割方法研究

提出基于GrabCut算法的彩色磨粒图像分割方法。在CIELab颜色空间的L、a、b通道采用大津阈值法(OSTU)进行分割,对分割结果进行"L与(a或b)"处理,并对处理结果进行形态学腐蚀和膨胀,得到标记出磨粒区域、可能的磨粒区域和背景区域的标记图像。根据标记图像分别对磨粒区域和背景区域的高斯混合模型(GMM)参数进行初始化,构建带权值的无向图映射原图像并建立包含区域项和边界项的Gibbs能量方程。通过迭代运算调整各像素点所属类别和高斯混合模型的参数,采用mincut/maxflow算法极小化能量函数,当能量趋于收敛时即可得到最终的分割结果。     

基于形态学算法分割铁谱图像研究

在铁谱图像分析与研究中,为实现对铁谱图像的准确性与自动快速分割,首先将二值化图像进行边缘干扰去除并用形态学重构滤除明暗区域,然后采用形态学膨胀与腐蚀消除目标区域内细小孔洞,最后基于形态学分水岭方法实现自动探测目标区域并分割粘连重叠磨粒,大大提高了铁谱图像分割精度,另外由于使用形态学方法处理图像,加快了图像处理的速度,使...     

基于提升小波的铁谱图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一。铁谱图像磨粒边缘作为铁谱图像中最基本的特征,为铁谱图像特征提取提供了非常有价值的重要特征参数,在基于铁谱分析的机器故障诊断技术中有着重要的地位。将第二代提升小波算法应用于铁谱图像边缘检测:首先将彩色铁谱图像分解为R、G、B单通道图像,对三通道图像分别进行预处理,并利用直方图处理和图像深度转换实现磨粒和背景的分离;然后对各个通道图像进行D4提升小波变换,在小波域中,通过阈值判断提取高频子图中的边缘像素;最后通过或运算将各个通道的边缘进行融合得到最终的磨粒边缘图像。本文结果与Sobel算子和Canny算子的结果进行比较表明:本文中算法能有效的抑制噪声,较好地再现铁谱图像的磨粒边缘信息,是一种有效的铁谱图像边缘检测算法。     

移动机器人视觉控制系统的目标提取

在移动机器人视觉控制系统中,目标标志物的提取是关键技术之一。本文提出了利用基于标记的分水岭算法分割移动机器人目标标志物图像,首先将获取的目标标志物图像进行预处理,包括转换为灰度图像、进行空间滤波和二值化操作,接着对预处理后的图像进行数学形态学处理,最后利用基于标记的分水岭算法分割目标标志物图像。实验结果表明,该算法不但正确的分割了目标标志物图像,并很好的保护原图像的边缘信息,验证了该算法的有效性。     

基于相关准则的磨粒显微图像目标提取

针对磨粒显微图像识别中的目标提取问题 ,应用一种新的阈值分割方法将磨粒目标从复杂背景中分离。该算法以原始图像与分割后图像的相关系数最大为准则 ,选取最优阈值对磨粒图像进行二值化 ,经腐蚀、膨胀等滤波运算后 ,利用跟踪搜索法提取磨粒边界 ,实现了复杂背景下磨粒目标的有效提取。应用实例表明了算法的简洁有效性。