基于小波变换的PCB图像拼接

在印刷电路板(PCB)的机器视觉检测中需要通过图像拼接来得到整个PCB的图像,传统的图像配准拼接技术由于光照干扰效果不好.用图像的小波分解高频系数去掉反映光照渐变的低能量系数后,可以较好地避免光照不均匀的干扰,分别利用有效垂直高频系数的垂直投影和水平高频系数的水平投影可以快速水平配准和垂直配准,低频部分作拼接的灰度渐变平滑处理.     

大规模纤维切片图像拼接算法研究

以灰度归一化相似性度量值构建统一配准模型,实现显微镜下2D图像全局拼接.算法通过统一配准模型将图像配准过程与全局移位参数的获取过程结合在一起,用待配准图片的2个模板子图同时在已配准两幅相邻图片中进行搜索,寻找最佳拼接位置,最后使用2D灰度调整、图像融合算法修整图像.算法减少了一般全局拼接算法的非线性模型求解过程,提高了拼接速度,达到较好的拼接图像效果.     

一种基于角点特征的医学图像配准方法

医学图像配准技术是医学图像融合及影像三维重建的基础.提出了一种基于SUSAN算子的特征点的医学图像配准方法.该方法利用SUSAN算子提取两幅图像的角点,通过粗匹配和细匹配两个步骤建立特征点集之间的对应关系,得到匹配特征点对.然后再根据这些特征点使用反向映射的仿射变换实现图像的配准.实验表明,此方法能有效地实现医学图像的配准,并取得良好的精度.     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。     

基于Harris角点的木材CT图像配准

提出一种三角形法描述Harris特征点的方法,该算法首先利用Harris算子对两幅图像进行角点检测,将检测到的角点按照权值大小进行排序后,利用三角形法对特征点进行特征描述,从而找出两幅图像间特征点相互对应的关系,同时也得到了图像配准所需要的参数。实验结果证明,该算法配准准确率高,速度快,具有很强的鲁棒性。     

基于边缘比对的MR-PET配准算法

采用待配准图像的边缘梯度相关性代替传统的灰度相关性作为配准的目标函数,利用轮廓点比对的方法将待配准图像的轮廓像素点描述成具有时延关系的两组二维序列,并通过最小二乘法从两组序列的配对样本中求取最优变换参数.通过在颅脑 MR PET图像上进行的配准实验表明,采用边缘梯度相关性作为目标函数比直接利用灰度相关性作为目标函数获得了更好的配准结果,而采用轮廓点比对的方法进行参数寻优在保证了配准精度的情况下,较采用诸如遍历式搜索和遗传算法等方式,大大缩短了配准时间.     

光学拼接系统中基于模板的图像配准

为了扩大成像系统的视场,设计了一套视场拼接系统。系统中,整个像面被分割成4部分,并分别由4个图像传感器接收,将4幅图像拼接可以获得完整的图像。将基于特征点的图像配准算法应用到光学拼接系统中,实现4幅图像的配准。由于4幅图像边缘有较严重的渐晕现象,为了提高图像配准的稳定性,提出了基于模板匹配的配准算法。将模板法和直接配准法的结果进行了对比,实验表明,模板法能够给出稳定的配准结果,从而能够保证配准的精度。     

基于力学分解原理的断层图像配准算

为了通过配准的手段得到信息融合的医学图像,利用力学的分解原理将待配准图像的轮廓信息解释为一系列边界力的合成,将待配准图像的力图投影分量描述成具有角度延迟关系且与平移位置无关的两组周期信号,并采用两组信号间的最小均方误差作为配准的目标函数,利用改进的粒子群优化算法求解得到两幅图像的空间变换参数.通过在颅脑（MR）图像上进行的配准实验表明,在寻优方法一致的情况下采用力学图像的目标函数比采用其他目标函数大大缩短配准时间,且配准误差达到了亚像素级以下.     

基于力学分解原理的断层图像配准算法

为了通过配准的手段得到信息融合的医学图像,利用力学的分解原理将待配准图像的轮廓信息解释为一系列边界力的合成,将待配准图像的力图投影分量描述成具有角度延迟关系且与平移位置无关的两组周期信号,并采用两组信号间的最小均方误差作为配准的目标函数,利用改进的粒子群优化算法求解得到两幅图像的空间变换参数．通过在颅脑（MR）图像上进行的配准实验表明,在寻优方法一致的情况下采用力学图像的目标函数比采用其他目标函数大大缩短配准时间,且配准误差达到了亚像素级以下．     

单线阵CCD系统的表面凹坑缺陷检测方法

为解决表面凹坑缺陷与其他平面表面缺陷同时在线检测的问题,提出一种基于单线阵CCD系统进行表面凹坑缺陷检测的方法．根据光辐射照射模型和相机成像模型,建立了基于单线阵CCD的凹坑检测数学模型,由模型推导出图像像素灰度与凹坑深度的关系,利用特定光源和光照角度的关系,进行表面凹坑缺陷的检测．结果表明,由于凹坑边缘部位深度的渐变引起CCD输出电压信号的渐变,凹坑图像呈现边缘像素灰度渐变现象,且随光源光照角度的降低,凹坑图像特征更加突出．边缘灰度渐变的图像特征成为凹坑缺陷与其他平面缺陷相区别的重要特征,有利于凹坑缺陷的检测与识别．     

光照变化条件下的人脸识别研究

本文提出了两种研究光照变化条件下人脸识别的方法.第1种方法光照子空间方法,它适用于训练集中存在与测试人脸图像相同或者相似光照的人脸训练图像.当这个条件不满足时,可得用径向基函数产生虚拟光照条件下的人脸图像样本图像特征加入训练集,该方法适用于更一般的情况。实验结果证明文中提出的方法可以有效提高识别率。     

图像重建算法中的窗函数研究

对广角扇束扫描模式下的图像重建算法进行了研究．在引入实验的七种典型窗函数中，有限带宽、三角形窗以及余弦窗是卷积窗函数比较理想的选择．在图像重建，选择有限带宽窗时有较好的空间分辨率，三角形窗时有较好的密度分辨率。选择余弦窗时是空间分辨率与密度分辨率两者的折衷；从窗函数的频谱角度考虑。可用于图像重建的一个良好的卷积窗函数应该具备以下条件：（1）最小的3dB带宽B，即最小的主瓣宽度；（2）最小的旁瓣最大峰值A；（3）最大的旁瓣峰值衰减速度D．通过实验，验证了基于窗函数的卷积反投影图像重建算法可以有效地提高重建图像的质量．     

基于形状先验与轮廓预定位的目标分割

针对单帧图像中特定目标的分割一直面临着由于背景复杂和光照变化等因素带来的分割精度偏低的问题,提出一种基于轮廓预定位的先验局部二值拟合(local binary fitting,LBF)算法,用于人体上肢图像的分割.首先,利用浅层卷积神经网络对上肢形状模板进行筛选和预定位,得到分割目标的粗轮廓曲线;然后,利用基于先验形状的LBF算法对粗轮廓曲线进行演化,得到分割目标的精确轮廓曲线.实验结果显示算法的成功率在90%以上,表明该方法对于背景复杂和光照变化情况下的特定目标分割具有良好的效果.     

多阈值优化的运动图像轮廓特征提取方法

针对传统运动图像轮廓特征提取方法存在提取时间较长、提取精度较低的问题,提出多阈值优化的运动图像轮廓特征提取方法.通过运动图像轮廓特征分析,利用最大类间方差模糊约束法获取隶属度函数,利用模糊隶属计算运动图像中目标体轮廓多个阈值,利用约束后的多个阈值计算图像轮廓范围内中心点近邻的两个轮廓点的几何中心值,通过计算曲率角得到曲率符号,依据曲率符号提取运动图像轮廓特征.结果表明,所提方法曲率特征计算误差率低,有效减少了运动图像轮廓特征提取时间,提高了特征信息提取精度.     

基于图像处理的复杂条件下手机二维码识别

针对手机二维码在光线不均衡、拍摄条码发生几何畸变等复杂条件下的识别问题,以QR码为例,提出利用透视投影变换对拍摄图像进行几何畸变校正,使用多阈值方法进行二值化处理。依据位置探测图形的特点对条码图像进行定位和裁切,设计了基于采样网格的窗口采样方法,以提高信息采样准确率,给出了QR条码的纠错译码步骤。实验结果表明,该方法可以有效识读光线不均和几何畸变的手机二维码。     

基于几何多尺度方向窗的小波图像去噪

针对小波变换处理1-D信号十分有效，但处理2-D信号由于具有方向的缺失，不能做到最优逼近的问题，提出了基于几何多尺度方向窗的小波图像去噪方法．该方：去利用图像的几何特征，在小波域中按照最小逼近误差的原则，在初始化方向窗内寻找图像几何方向信患，并在峰值信噪比规则下合并不同大小方向窗内的几何方向．最终选择出图像的去噪方向．在获得每个方向窗内去噪方向的基础上，沿去噪方向作2-D向1-D系数投影，进而对产生的1-D信号作小波去噪，重构后即实现了对图像的去噪处理。     

小鼠切片图像自动去背景方法的研究

根据小鼠断面轮廓在连续切片图像中大体是渐变的特征,研究采用了一种基于模板匹配的自动去背景方法,即每次以新获得的一张切片的小鼠断面轮廓为模板对其相邻切片进行边缘提取,然后结合进一步图像处理去毛刺以及利用拉格朗日插值形成连续轮廓,再予以填充后与原始图像相与实现背景去除.结果表明,该方法能有效地达到自动去除小鼠切片图像中背景...     

Contour reconstruction method for noisy image based on depth residual learning

In order to improve the recognition ability of noisy images, a method of contour reconstruction based on depth residuals learning is proposed. The sharpening template matching technique is used to enhance the noisy image information, the local gray level information on the image is used to construct the edge active contour model of the image, and the active contour lasso method is used to reconstruct the image with a high resolution. The feature quantities of local gray energy and local gradient energy of the noisy image are extracted, and a convolutional neural network classifier is constructed to classify the features. The learning depth of the learning convolutional neural network is judged by combining the similarity of the gray histogram of the image. The resolution ability of image detail information is improved, and the contour high resolution reconstruction of the noisy image is realized. Simulation results show that the proposed method has a high resolution and a high peak signal to noise ratio (PSNR), which improves the recognition ability of the image effectively.     

基于二次样条小波变换极大模的织物疵点检测方法

提出了一种基于二次样条小波变换极大模的织物疵点检测方法:首先由二次样条小波对织物图像进行分解,利用分解后的纬向和经向2个子图像建立正常织物图像和待检测织物图像的极大模边缘图像,并求得它们的差分图像;然后由差分图像提取特征参数检测织物疵点以及识别疵点的位置.实验表明:这种方法具有检测准确率高,稳定性好等优点.     

一种基于纹理方向性分析的织物疵点检测方法

根据织物图像纹理自身特点,从图像纹理的方向性入手,提出了基于纹理方向性分析的织物疵点检测方法.通过对不同方向性织物疵点图像检测实验,证明本文提出方法对具有方向性的斜纹类织物疵点检测具有较好的有效性和可靠性.