基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

复杂海空背景下弱小目标的快速自动检测

针对海面运动载体的可见光序列图像,结合复杂海空背景图像的特点,提出了一种不以检测海天线为前提的弱小目标检测方法.首先,修复图像中被高亮度噪声损毁的部分,如曝光区域或反光区域;接着,量化子图像的区域复杂度以及单元区域上下邻域的灰度差异,据此来判断海天线区域是否存在,若存在则预测海天线区域的位置,否则放弃后续处理;然后,采取Mean-shift分割算法中先滤波后聚类的策略,使用周围纹理抑制滤波来平滑海天线区域,并以像素点和点集为单位对平滑图像进行聚类;最后,将最大面积区域与其他区域分离来二值化图像,完成目标提取.试验证明,该方法能够很好地定位目标信息,单帧处理平均耗时为35 ms,具有准确性和实时性.     

搜索区域和目标尺度自适应的无人艇海面目标跟踪

海面目标跟踪任务是实现水面无人艇自主化航行、智能化作业的重要基础。相比于普通场景的目标跟踪,海面目标跟踪需要面对目标抖动剧烈及目标尺度变化大等问题。针对海面目标在图像画面中抖动剧烈的问题,本文提出了搜索区域自适应算法,该方法通过对海面场景的分割完成了海天线位置的提取,然后通过海天线运动模型自适应地确定了每帧图像中目标搜索的区域;针对跟踪过程中海面目标尺度变化较大的问题,本文通过分割搜索区域的方法实现了目标尺度变化的自适应跟踪。基于相关滤波跟踪框架并结合上述两种改进策略,在真实的海面目标图像测试序列中,本文算法相比传统的相关滤波算法在跟踪精度上至少提升了26%,有效地解决了目标抖动剧烈和尺度自适应问题,提高了海面目标跟踪任务的精度。     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

基于均值漂移的红外舰船图像分割算法

提出了一种有效的舰船红外目标图像分割算法,利用均值漂移分割算法的二维灰度和灰度邻域信息,滤除了海面的强杂波干扰,同时又不会损失舰船目标信息。利用不同类别的灰度权重,将红外舰船图像分割成为天空、海水和舰船3类,从而将舰船从图像中有效地分割。由于采用区域节点和灰度直方图来表征图像,与原始图像像素节点表征图像相比,区域节点的个数远远小于原始图像像素节点,从而提高了算法计算效率。计算结果也表明,该算法能够在海面强杂波的干扰下,有效地提取红外舰船目标。     

结合最小均方差滤波和目标灰度的边缘检测

针对图像处理中对噪声去除和边界保持两方面的需要,对灰度值差异不大的目标之边缘检测算法进行了研究。首先,对最小均方差滤波器模板进行改进,并将方差最小模板对应的灰度中值作为被处理像素的新灰度值以实现图像去噪;然后,选取部分目标区域并以其灰度中值为基础设置上、下阈值实现图像分割,对分割后的图像运用Canny算子检测目标边缘;最后,运用MATLAB软件进行算法仿真。仿真结果表明:该算法不仅能在去除噪声的同时实现对目标与非目标的有效分割,还能保证目标轮廓的完整性。该算法能够对目标灰度值差异不大的图像进行去噪、分割,并获取完整的目标轮廓。     

基于机器视觉的金属工件尺寸测量

针对多孔金属工件人工测量步骤繁杂、精度低问题,提出了基于机器视觉的金属工件尺寸精密测量方法.首先对目标进行灰度化、增强、滤波等预处理,再提取区域轮廓,针对轮廓定位分割问题,提出了基于Ramer算法逼近的两步轮廓分割方法,并引用全局轮廓分割参数S对轮廓进行分类.为提高直线和圆的边缘点定位准确性,提出了基于卡尺工具的边缘点...     

结合假边缘提取和直方图分析的图像灰度变换

光学刻划字符图像的前景通常由高灰度像素区域和低灰度像素区域组成,导致使用传统的基于梯度的边缘提取方法如Canny算子不能准确地获得字符的轮廓,为此本文提出了一种利用假边缘信息结合直方图分析的图像灰度变换方法,变换后的图像前景仅由低灰度像素构成。首先对Canny边缘点进行特征分析,提取其假边缘点;然后进行图像直方图分析,确定灰度变换范围以及灰度对应关系,并对假边缘两侧的边界区域施加光滑度约束来确定灰度变换参数;最后以此变换参数对非背景区域的高灰度像素进行灰度变换。实验证明,灰度变换后字符笔画仅由低灰度像素构成,原边界处的灰度变化足够光滑,可以使用基于梯度的方法来提取完整而准确的字符轮廓。     

钢坯表面裂纹的图像识别算法研究

通过对钢坯表面裂纹的形状特征的分析,运用图像增强、图像分割、边缘检测、特征提取及识别等方法,提出了一个更加精确、快速的钢坯表面裂纹识别算法。通过边缘检测及链码标识,可以得到更细致的裂纹特征,进行更精准和深入的分析。计算机通过阈值分割和边缘检测对图像的对象和背景进行分割,抽取图像的特征区域,对该区域的灰度值进行比较和分析,找出附近灰度值显著不同的面积区域。对于加强钢坯生产过程中的检测和控制,提高企业经济效益,可以有较大帮助。     

基于运动模糊特征分割的空间移变降质复原

针对一类由动机座上的相机对运动目标拍摄得到的空间移变降质图像,提出基于像素运动模糊特征分割的图像复原方法。首先分析由于运动模糊的卷积作用,该类图像中的运动目标和背景产生相对位移,两者的像素发生叠加,发现若背景灰度均匀,则叠加区相邻像素灰度值的变化程度相似。根据该灰度变化特征检测运动模糊方向上的目标边缘,并结合canny算子检测平行于模糊方向的边缘,两部分边缘图像进行求或运算,然后利用形态学操作处理,从而分割得到完整的目标模糊图像。对该目标图像剔除叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。实际复原结果证明,该方法能够有效地解决该类空间移变降质图像的复原问题。     

基于像素分布特征的图像去噪法在刀具磨损检测中的应用

根据对机床刀具实时数据采集得到的图像的固有特征,提出了一种基于灰度差及像素分布连续性判断的方法,对磨损刀具灰度图像中的椒盐颗粒噪声采取先检测判断再进行去除的原则进行处理。采用Canny算子对图像的磨损区域进行边缘检测,检测结果的二值化图像中含有较多被算子误判为边缘的像素点。根据伪边缘像素点是分布特征,将其判断为噪声点,同样采用基于像素分布连续性判断的方法对伪边缘噪声点采取先检测后去除的方法进行处理,最终检测到磨损区域连续清晰的边缘线。结果证明:该方法在刀具磨损检测中有较强的实用性,在实践中可运用于刀具磨损的实时监测。     

基于直方图数据拟合的PCB板嵌孔识别研究

快速精准地识别PCB板上感兴趣区域的位置,是图像处理过程中衡量算法有效性的重要指标。在图像处理的前期,通过分析同一背景条件下灰度曲线的变化趋势,确定光照不均匀对于PCB板感兴趣区域的影响,提出了运用同态滤波处理降低图像灰度变化的动态范围,从而加强感兴趣区域中目标和背景的对比度。基于现阶段相关PCB板的识别分割算法,针对研究对象PCB板实际感兴趣区域的灰度分布,探讨了全局阈值分割方法的优势。在此基础上,为了更精确的图像分割效果,提出了一种基于灰度直方图数据拟合的阈值分割方法。根据不同的阈值分割算法对图像进行处理,通过比较分析,结果表明本文提出的算法能够更加快速精确地分割出图像的感兴趣区域。     

基于NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

一种新的兴趣区域车辆定位方法

利用哈夫变换检测图像中的直线结合车辆位置特征确定兴趣区域,实现感兴趣区域的确定,使用最大类间方差法将感兴趣区域的车辆进行分割提取,去除道路等背景信息。计算阈值分割后的图像的行/列的平均灰度值,再对该值来确定车辆的精确位置信息。实验结果表明,若车辆存在兴趣区域,文中提出的基于兴趣区域车辆定位方法可以实现有效检测。该方法计算简便,检出率高,具有一定的实际应用价值。     

基于多尺度水平集的MR图像海马区分割方法

针对MR图像中海马区存在灰度不均匀性,基于区域动态轮廓的C-V模型只利用区域信息无法获得准确的海马区分割问题,结合多尺度边缘约束的演化思想和图像区域的全局信息,提出了一种结合边缘和区域信息的多尺度水平集MR(magnetic resonance)图像海马区分割方法.首先,在C-V模型的基础上采用内部约束能量项,消除水平集的重初始化,提高分割速度;其次,改进水平集函数中外部能量项的图像区域全局信息,解决由于灰度不均匀所引起的分割不准确问题;最后,在水平集函数的外部能量项中加入基于多尺度图像边缘的梯度信息,作为边缘约束停止项,使分割效果达到优化.实验结果表明,该算法对存在灰度不均匀性的图像海马区分割速度快、准确率高.     

基于多层图像分割hough变换的零件定位模型

本文根据零件原始图像数据,先对图像进行灰度化处理,再运用Sobel算子对原始图像进行轮廓提取,接着采用几何特征对其进行识别。本文设计思想是:首先做Hough变换检测圆心位置与大圆边界,并将圆心位置存入内存;其次,为减少误差将图像分割为4部分,对每一个零件再做一次Hough变换检测,进一步检测到小圆的边界、确定小圆半径,从而最终提取零件的轮廓,同时对图像分割后的4个零件做Hough变换的直线检验;接着删除部分内容后做第3次Hough变换检测,确定中圆的边缘及半径;最后,删除大圆以内部分,做第4次Hough变换检测齿轮。针对模型验证,采集第3次及以后的Hough变换时求其几何特征可以验证第1、2次所得到的几何特征发现误差稳定在5个像素以内,说明优化模型的适用性好。     

一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。     

结合多尺度视觉显著性的舰船目标检测

光学遥感图像海面舰船目标检测易受云雾,海岛,海杂波等复杂背景的干扰。本文提出了一种适用于复杂背景的舰船目标检测方法。首先为了克服目标尺度多变问题,利用视觉显著性生成多尺度显著图,然后使用基尼指数自适应选择最优显著图。考虑到全局阈值分割算法带来的漏检测问题,提出一种新的方案来分离目标和背景像素点。利用图像膨胀原理获取显著图的局部极大值点,然后使用k-means算法判断极大值点属于目标像素点还是背景像素点。接着对目标点邻近区域进行精细分割。最后引入基于径向梯度变换的旋转不变特征来进一步剔除虚警。实验结果表明,该算法能够成功检测出不同尺寸和方向的舰船目标,有效克服复杂背景的干扰。算法检测正确率93%,虚警率4%,优于其他舰船检测方法。     

微小型零件边缘光学特征和识别技术

分析了非相干光照明条件下微小型零件的边缘光学特征,传统的边缘检测方法没有考虑微小型零件的边缘光学特征,不能满足显微视觉测量方法的精度要求。针对微小型零件边缘检测的问题,提出一种基于最小二乘拟合的亚像素边缘检测方法。首先找出边缘区域灰度值最大和最小的点,根据灰度值最大和最小的点计算出阈值,然后将灰度值最大和最小点之间的点用直线方程回归,根据阈值的大小求出微小型零件的尺寸。试验结果表明,这种新的方法能够准确地识别出微小型零件的边缘,满足显微视觉测量精度的要求。     

基于机器视觉的手机尾插件精密测量方法研究

提出了一种基于机器视觉的小尺寸不规则零件精密测量方法和系统,方法包括图像采集、图像增强、图像配准、边缘检测、目标直线提取、相机标定和计算测量环节。针对传统尺度不变特征变换(SIFT)匹配算法完全忽略特征点之间的几何关系,对于灰度变化较平滑的图像在寻找匹配特征点对时易产生较多误匹配的问题,引入轮廓匹配获取图像几何信息、对SIFT特征点匹配进行约束,并通过随机样本一致(RANSAC)算法去除噪声点对的影响、精确估计几何变换矩阵;针对现有Hough变换拟合直线算法对非线性边缘易在Hough空间形成伪峰、影响边缘检测精准度的问题,设计了Hough空间投票权重分配新策略来抑制伪峰的产生。实验结果表明:与传统方法相比,所提出的方法特征匹配精度提高了12%,直线检测精准度提高了22%,系统测量精度达到0.015 mm。