基于图像处理的油封缺陷检测方法研究

针对员工对油封缺陷进行肉眼检测时存在检测效率低、易遗漏、成本高等不足,提出一种基于图像处理的油封缺陷在线检测方法.通过图像的采集系统采集油封图像,先对油封图像进行预处理,包括灰度处理、中值滤波,然后通过Otsu阈值分割和链码法提取油封边缘轮廓特征,采用最小二乘法拟合油封唇口圆形轮廓来确定样件是否存在缺陷,根据检测结果将有缺陷的样件筛选出来.实验结果表明,该检测系统能够在线完成产品缺陷检测,该方法具有检测成本低、可靠性高、实时性好、容易在线实施等优点.     

一种基于八邻域链码的掌纹图像定位方法

准确地检测出手掌轮廓线的角点是对在线掌纹图像进行精确定位的关键.目前已有的角点检测算法不能自动地提取出定位有用的角点.通过分析手掌轮廓线的8-邻域链码在角点附近的变化规律,提出了一种快速而有效的掌纹图像的轮廓特征点检测方法.首先,采用LOG边缘算子检测出二值掌纹的图像的边缘并用轮廓跟踪方法获得掌轮廓线的8-邻域链码;其次,根据手掌轮廓的8-邻域链在特征点附近的变化规律精确地检测出手掌轮廓特征点;最后,根据检测出的特征点建立参考坐标系,对掌纹图像进行定位.实验结果表明该方法是快速而有效的.     

基于链码描述的二值图像恢复的新算法

二值图像可以用记录其边缘轮廓信息的方向链码来描述，根据这些给定的方向链码可以恢复原二值图像。本文提出了一种新的二值图像恢复算法，算法在二值图像的恢复的区域填充方面给出了一种新的方法。     

基于局部马尔科夫随机场的模型校准嘴唇分割方法

为了有效挖掘人说话时的唇动特征,提出了一种综合局部区域马尔科夫随机场（Markov random field,MRF）特性和模型校准的嘴唇分割方法。将嘴唇区域图像从RGB转换到LUX色彩空间,并利用对数化色彩分量U实现初始化轮廓的确定。沿轮廓选取固定半径的圆形窗口函数界定局部区域,再利用马尔科夫随机场进行嘴唇分割,并使用基于Kullback-Leiller（KL）距离的模型校准方法使局部区域之间的分割结果相互协调。实验证明,该方法可以在皮肤中分离出嘴唇,分割准确率高,鲁棒性好,具有较高的实用价值。     

结合KL散度和RSF模型的主动轮廓图像分割方法

针对主动轮廓模型在进行图像分割时计算复杂度较高的问题,提出一种基于区域的变分水平集主动轮廓模型图像分割方法.新模型将Kullback-Leibler(KL)散度信息加入到RSF(region-scalable fitting)模型中,在新模型的能量项中通过RSF能量项计算区域内某点和该区域"中心"之间的拟合距离来表示目标区域的相似性,同时通过最大化KL能量项使模型能更容易分离图像中的不同灰度区域,进而使图像分割的计算时间显著降低.该模型可以很好地处理图像的模糊边界和图像噪声等问题,并适用于合成图像和实际图像的分割.通过实验结果的对比可以看出,本模型在保证分割精度的前提下,加快了边缘的收敛速度,提高了图像分割的效率.     

基于水平集改进的水下目标轮廓提取方法

为以更快的计算速度提取到更加精确的轮廓,提出一种基于水平集改进的水下目标轮廓提取方法.即利用水下目标检测结果确定目标演化子区域,缩小目标区域范围,同时在目标检测结果中,根据目标高亮区和阴影区的位置,确定各个目标演化子区域初始闭合曲线的中心坐标,通过Vese-Chan分段常量四相水平集方法的演化函数进行目标高亮区和阴影区的轮廓提取.对不同原始声纳图像的实验比较分析表明,提出的水下目标轮廓提取方法具有较高的适应性和较快的计算速度,能精确地提取到目标高亮区和阴影区的轮廓.     

一种基于Freeman链码描述及其应用的快速图象复原算法

描述了一种快速的图象复原算法,该图象由记录图象轮廓的链码所描述,首先使用链码描述对图象的轮廓进行跟踪并对其进行了平滑,从而产生平滑后的图象的链码,之后提出了一种用于将图象复原的区域填充的简单思想。     

基于支持向量机和椭圆拟合的细胞图像自动分割

提出细胞显微图像的自动分割方法,重点解决重叠细胞之间的分割难题.对原始图像进行二值化,提取每个连通区域的多个形状特征并应用支持向量机(SVM)进行测试,区分单个与重叠细胞.运用瓶颈检测寻找分离点对分割重叠细胞.基于细胞的椭圆或圆形结构,对分割后的边缘,应用改进的椭圆拟合法进行修正,修正后的细胞区域能够有效地反映重叠在一起的细胞的真实形状.对新生成的封闭区域进行循环检测,直至所有重叠细胞分割完毕.实验结果表明,相较于多种现有的细胞分割方法,采用该算法能够更有效地抑制过分割和欠分割,分割准确率、敏感度和特异度高.     

全自动尿液图像识别技术

提出了一种全自动的尿液显微图像处理方法.提出一种新的图像预处理方法,通过拉伸图像中各个像素的灰度值与局部灰度值之间的差来增强图像中目标的边界,通过对局部灰度均值的非线性变换来消除图像中光照不均匀的影响.设计恰当的细胞神经网络（CNN）模板分割图像,采用形态学操作和对边缘链码序列的操作,分离黏连细胞,得到分割的最终结果.在获取目标区域后,提取目标的各种形态学参数和纹理参数,采用多个多层感知（MLP）网络分层次地对目标进行分类,得到全自动的处理结果.通过对大量临床尿液样本图像的测试,该方法获得了良好的分割和自动识别结果,并已经集成到全自动尿液图像分析系统中应用于临床,取得了良好的效果.     

基于凹凸变换与圆周拟合的重叠气泡轮廓重构

针对识别气液两相流的气泡过程中气相比例较大气泡易发生重叠的问题,提出基于曲线凹凸性变换与圆周拟合的重叠气泡分割与轮廓重构算法.对气泡图像进行预处理,利用高斯滤波滤除噪声干扰,依据自适应阈值分离出前景,得到预分割图像.利用Canny算法提取轮廓,利用高斯函数平滑曲线,计算轮廓上的点到质心的距离.对得到的距离曲线进行凹凸性变换特性分析,对每两个凹点进行分割路径选取.利用最小二乘圆周拟合插值算法对重叠部分的气泡轮廓进行重构,得到气泡分割后的重构图像.实验结果表明,该算法是一种有效的分割与重构重叠气泡的算法,具有较好的分割和重构性能.     

一种基于模型的自适应阈值分割算法

为了减少穷举式阈值分割方法中的重复计算，提出了连通域树（CCtTree)的结构与构造算法.在进行新阈值下的分割与连通域标记时，根据原阈值分割标记后得到的结果，结合新出现的连通域，以合并的方式得到新阈值分割下的连通域来减少多余的计算过程.给出了在CCTree中利用树搜索算法进行模型匹配区域搜索的方法.实际的图像库实验表明，在保证同样的模型匹配区域检出效果的基础上，基于CCTree的方法在运行时间上明显优于ETL，并能迅速有效地筛除重叠区域，获得更好的匹配区域.利用CCTree方法可以准确而快速地获得基于模型匹配的阈值分割结果.     

椭圆拟合的圆环模板摄像机标定

结合平面模板和一维标定物摄像机标定方法的优点,提出了一种新的基于椭圆拟合的圆环模板摄像机标定方法．该方法设计了一种新的圆环模板,只需要3副模板图像即可标定摄像机; 通过引入椭圆拟合精确定位圆环模板特征点,利用非线性优化进一步提高了摄像机的标定精度．仿真实验结果表明,该方法精确度高、鲁棒性强,通过在真实图像上的实验,验证了该算法的性能．     

基于改进Harris的图像拼接算法

针对传统Harris角点检测算法进行改进,提出了一种基于改进Harris的图像拼接算法.首先,通过修改角点响应函数,引进8邻域比较以及圆形非极大值抑制窗口,采用NCC算法对检测出的Harris角点进行粗匹配,采用RANSAC算法剔除误匹配,最后对匹配图像进行图像融合,完成图像拼接.仿真结果表明,该算法提高了图像拼接的准确性、稳定性和鲁棒性,能够达到无缝拼接,具有优良的实用性.     

一种改进的拼接缝消除方法

针对线性加权平滑法找到的拼接缝两边的灰度差异较大,存在缝较明显的问题,提出最佳拼接缝的线性加权平滑法。该算法首先从图像重叠部分的中间区域开始选择每行梯度和最小的像素作为最佳拼接点;同时,对于图像受噪声的影响,以及存在多个像素点最小＂梯度和＂相等的问题,利用散度量进一步检查最佳拼接点,然后连接每行的最佳拼接点作为最佳拼接缝,最后使用线性加权平滑法消除拼接缝。试验结果表明,此方法使图像重叠区域能平滑自然过渡,实现无缝拼接。     

基于目标形态特征的工件自动分割方法

为了使交互式工件分割算法满足实时性的要求,提出了一种将工件形态特征与图像分割算法相结合的工件自动分割方法.利用MeanShift算法分割图像提取目标区域;利用形态学开运算消除目标区域的噪声,进而分离相连的目标区域;对目标区域进行边缘检测,计算完整的工件轮廓信息,然后根据外轮廓的面积确定工件区域;利用工件区域的最小外接矩形在图像中标出前景和背景区域,再利用GrabCut算法分别对前景和背景建立高斯混合模型,然后通过mincut/maxflow算法分割前景与背景区域,最终实现工件目标的提取.实验结果表明,对于制造商提供的样本,该方法分割工件的召回率和准确率分别为94.97%和88.48%,具有较强的实用性和良好的实时性.     

自适应窗口和半全局立体匹配算法研究

针对区域立体匹配算法中匹配窗口的选择和在图像中视差不连续、弱纹理区域误匹配率较高的难题,提出了一种自适应窗口和半全局算法相结合的立体匹配算法.该算法先通过基于灰度的自适应窗口算法计算初始匹配代价,然后利用相邻像素之间的视差梯度作为约束,采用半全局立体匹配算法以得出视差图.最后对左右视差图进行左右一致性遮挡检测,获得精确的稠密视差图.针对不同的图像信息采用自适应窗口和半全局算法相结合的立体匹配算法,剔除、修正了视差不连续、弱纹理区域的误匹配点,得到匹配效果较好的视差图.实验结果表明:该算法有效降低了视差图在视差不连续、弱纹理区域和遮挡处的误匹配率.     

一种自适应暗通道先验去雾算法

基于暗通道先验的图像去雾算法是一种简单有效的图像去雾算法,但该算法在处理较高分辨率的图像时,时间复杂度较高,复原后的图像亮度偏低,且在处理具有大面积白色明亮区域图像时存在色彩失真的问题。针对这些问题,本文提出了改进的自适应暗通道先验去雾算法,新算法引入自适应的指导滤波法代替原算法中的软抠图法,提高算法的计算效率的同时获得最优滤波窗口半径。同时,新算法还通过改进透射率图估计方法,弱化对明亮区域的去雾处理,避免过增强,并调整图像亮度,优化去雾结果。通过合成雾图和真实场景雾图实验验证了新算法的有效性。合成雾图实验中采用全参考评价方式,在清晰的无雾场景上模拟雾的形成,计算加雾前与使用不同算法去雾后图像的绝对差值进行比较。真实场景雾图实验中,采用基于人类视觉感知的CNC(Contrast-naturalness-colorfulness)综合评价体系,计算同一雾图在不同算法去雾后图像的CNC指数。实验结果表明,在相同图像分辨率条件下,本文提出的自适应算法不仅去雾后图像视觉效果更加理想,而且处理时间大为减少。     

基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用.车牌定位是车牌识别中的关键步骤.本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法,可以有效地解决背景复杂的彩色图像中车牌定位的问题.该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正.通过对垂直边缘的统计分析将邻近的边缘点进行连接,结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选,而后对得到的车牌区域加以校正,最终输出易于分割的车牌字符图像.该系统包括从图像采集,到车牌分类、车牌文字区别等完整过程,适应性强.通过一系列实际采样图像的试验结果证明,该方法准确率高、鲁棒性好,能够满足实际车辆车牌自动识别系统应用的需要.     

自适应多分辨率动态图象水印处理技术

动态图象的知识产权保护越来越重要,动态图像所固有的特点使其印技术存在很多问题。为此提出动态图象运动与非运动区域分块分割的多分辨率自适应水印嵌入和提取算法,运动区域与非运动区域分别嵌入不同类型的水印,使得水印入过程适应原始动态图象的内容,水印嵌入和提的仿真实验表明,用该算法嵌入的水印具有很好的鲁棒性和透明性,无论采用何种的动态图象,该水印技术对于原始动态图象都是自适应的,经各种典型的攻击后,至少有一种水印（独立的或统一的）可有效地生存。     

联合多尺度与注意力机制的遥感图像目标检测

遥感图像存在背景复杂、目标尺度差异大且密集分布等不足,为提高现有算法的检测效果提出联合多尺度与注意力机制的遥感图像目标检测算法. 改进空洞空间金字塔池化模块,增大不同尺寸图像的感受野;提出注意力模块用于学习特征图通道信息和空间位置信息,提升算法对复杂背景下遥感图像目标区域的特征提取能力;引入加权双向特征金字塔网络结构与主干网结合来增进多层次特征的融合;使用基于距离的非极大值抑制方法进行后处理,改善检测框易重叠的问题. 在DIOR和NWPUVHR-10数据集上的实验结果表明：所提算法的平均精度均值mAP分别达到71.6%和91.6%,相比于主流的YOLOv5s算法分别提升了2.9%和1.5%. 所提算法对复杂遥感图像取得了更好的检测效果.