基于背景估计的焊缝缺陷检测

针对射线检测图像中缺陷识别率低的问题,利用背景估计和差分运算来增强缺陷、抑制复杂背景和噪声。该方法首先利用Otsu分割获得的掩模图像提取焊缝区域;其次通过改进的中值滤波对焊缝区域进行背景估计,反背景差分获得含有缺陷的差分图像;随后根据缺陷与误检边缘处梯度方向的差异性,利用多方向多级梯度有效解决背景残余问题;最后通过自适应阈值分割将含有缺陷的差分图像二值化。实验结果表明,该方法具有较高的缺陷识别率,召回率和准确率分别达91.90%和 90.95%,在实际中具有较好的应用价值。     

基于DDAG支持向量机的汽车车型识别

文章应用DDAG支持向量机方法对汽车图像进行识别。首先采用背景差分方法提取运动汽车,然后用Otsu法进行阈值分割、基于边缘阴影检测方法消除阴影,最后提取运动汽车的RST不变特征,输入DDAG支持向量机进行训练和识别。实验表明,基于DDAG支持向量机的车型图像识别算法具有很好的性能。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

基于人眼识别原理的运动目标检测方法

针对于背景差分法与帧间差分法在运动目标中存在的不知足,为提高运动物体检测的实时性和准确性,提出了一种结合背景差分和帧间差分的运动物体检测方法,该方法模拟人眼对运动目标的检测方式,分为整体感知与精确感知两部分。首先将图像分为多个区域并使用较少的像素点建立背景模型,通过背景模型确定运动物体所在的区域,并将其他区域的图像作为背景图像进行存储。然后使用变化区域的当前图像与存储的该区域的背景图像进行差分运算,以获取清晰的运动目标。该方法使用较少的像素点进行背景模型的构建,减少了背景模型建立和更新的运算量,提高了运算的速度。通过存储的背景图像与当前图像进行差分,可以获得完整的运动目标,避免“空洞”的出现。     

相差细胞图像的光照均衡与分割计数方法研究

为了解决相差显微细胞图像的光照不均匀,实现准确、快速的细胞图像分割与计数,本文提出了一种图像光照均衡,并结合双阈值分割计数的方法。该方法对图像进行分块,依据子块与整幅图像平均灰度的比值进行亮度调节,并采用高斯函数权值优化比值,消除因图像分块而产生的“方块效应”,并通过图像熵与高斯函数标准差关系曲线确定了最优的标准差;使用双阈值方法分割修复后的图像,结合孔洞填充与面积约束优化分割后的细胞形态。利用C2C12相差显微细胞图像数据集测试该算法,其中高细胞密度图像的分割精确率、召回率和F值分别为0.966 2、0.967 8和0.967 0,明显优于其他对比方法。实验结果表明,该方法在处理不同细胞密度的光照不均匀相差细胞图像时,均能实现光照均衡,且图像信息损失较小,分割计数结果准确。     

基于颜色空间变量的输电线图像分类及特征提取

针对输电线图像背景复杂多变和单一图像处理方法难以有效处理各种背景类型输电线图像的问题,提出一种基于颜色空间变量的输电线图像分类及特征提取方法。首先根据输电线图像各颜色空间的变量值与图像特征之间的关系对图像进行分类。然后根据不同类别图像特征选用适合的滤波方法通过两次滤波结合去噪,并采用自适应直方图分段均衡化增强图像对比度。通过对Otsu算法得出的阈值进行线性变换确定canny边缘检测参数,提取输电线路边缘。最后根据输电线形状特征和概率霍夫直线变换与形态学运算提出一种边缘优化方法,较好地去除非输电线边缘。结果表明:该方法可以有效处理各种背景类型图像,为输电线路图像智能化处理提供了一种新的思路和方法。     

一种基于中值滤波的局部阈值分割算法

在实际的工业现场,光照环境无法非常均匀,在部分位置可能会出现目标区域与背景无法分割,这就给后期的BLOB分析带来了非常大的困难.针对这种光照不均匀、背景复杂的情况,提出了这种基于中值滤波的局部阈值分割算法.在得到原始图像之后,使用中值滤波得到一个大于原始图像宽度两倍的掩膜,再用原始图像与掩膜图像做差得到一个区域,最后选择一个合适的阈值对这个区域进行分水岭阈值分割,就可以得到期望的区域,为之后的连通性分析打下基础.通过在halcon中的实验结果可以说明,提出的算法优于全局Otsu分割算法和分水岭分割算法,更加适用于缺陷检测,字符识别等工业应用的现场.     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

基于分块差分与背景减除的运动检测

本文提出了一种基于分块的帧间差分与背景减除相结合的运动目标检测方法.该方法中,运动目标检测分两步进行,在粗分割阶段,首先把视频图像划分为多个子块,用帧间差分对运动图像各个子块进行检测,分离出背景区域和前景区域,背景区域用来构造和更新背景模型.一旦背景构造完成后,便可以对粗分割出的运动区域采用背景减除方法进行细分割,检测出精确的运动目标.使用帧间差分获取的背景区域构造和更新背景,能有效地把停止的运动目标融入背景,同时也能去除场景中突然运动的目标原来位置所留下"鬼影".实验结果表明,该方法克服帧间差分提取目标不精细缺点,解决了背景减除方法中背景构造更新的困难,能够对监控场景中运动目标进行精确检测,对光线变化、背景干扰不敏感,具有较好的鲁棒性和实时性.     

基于Lab和YUV颜色空间的农田图像分割方法

针对农田这种非结构环境下的图像分割问题,提出了一种基于Lab和YUV颜色空间的农田图像分割方法。该方法首先将获得的原始农田彩色图像分别转换到Lab颜色空间和YUV颜色空间,然后分别对Lab颜色空间进行Otsu阈值分割,对YUV颜色空间进行加权模糊熵分割,最后将2种分割方法得到的二值图像进行合并、滤波,以得到最终的分割图像。结果表明,该方法能够有效地实现农田图像的精准分割,并滤除噪声及抑制光照不均匀等复杂环境带来的影响,获得令人满意的结果。     

基于背景色彩和PCNN的磨粒图像单通道分割

为有效地从磨粒图像中分离出磨粒区域,根据彩色磨粒图像背景相对单一的特点,提出了一种基于背景色彩和脉冲耦合神经网络(PCNN)的磨粒图像单通道分割方法.首先,利用Otsu算法对磨粒图像进行预分割处理,并计算图像背景色彩的统计特征,以此作为背景的特征色彩矢量;然后,引入综合色距函数,通过计算图像中各像素与背景特征色彩之间的色差,将彩色磨粒图像三通道问题转化成单通道问题;最后,利用简化PCNN对构造的色差矩阵进行分割,从而得到彩色磨粒图像的分割结果.实验结果表明,该方法对含有单个磨粒和多个磨粒的彩色磨粒图像均能进行精确自动分割,是一种比较理想的分割方法.     

基于遗传算法的图像阈值分割研究

主要论述了利用遗传算法进行图像阈值分割的实现方法,重点研究了最大熵和最大类间方差2种阈值分割方法.将通信电源配电屏开关图片作为研究对象,分别采用基于传统搜索算法和遗传算法的最大熵和最大类间方差法对其灰度图进行阈值分割,并应用Visual C 编程实现.实验结果表明,基于遗传算法的最大类间方差法的分割效果好,更好地满足了通信设备对远程视频监控与识别系统中图像分割实时性的需求.     

融合类间方差和概率误差的肺部图像分割

X线胸片图像存对比度低、边界模糊等不足,严重影响了X线胸片图像的分割效果。为了利用X线胸片图像快速且准确地对肺部疾病进行诊断和治疗,本文提出了一种基于类间方差和概率误差的X线胸片肺部图像分割算法。该算法在对X线胸片图像预处理的基础上,首先利用X线胸片图像中的人体结构信息进行图像粗分割;然后对预处理图像分别计算目标类和背景类之间的类间方差和概率误差,并在无量纲化处理后,设计新的分割目标函数来计算最佳阈值,从而实现图像细分割;最后合并粗、细分割过程的分割结果,并进行优化,从而基于最佳阈值的图像分割。X线胸片图像的对比实验结果显示,本文算法的DSC和IOU指标分别为89.5%和81.1%,分割所得肺部区域在完整性和准确性上都有良好表现,表明本文算法是有效可行的,适合基于X线胸片图像的肺部图像分割。     

CFRP/Al蜂窝结构缺陷红外热图特征的多结构形态学-PCNN识别

CFRP/Al蜂窝结构在制备和长期服役过程中易产生脱粘、分层、积水等缺陷,因此采用红外热波无损检测技术对其状态进行检测尤为重要.在采集CFRP/Al蜂窝结构缺陷红外热图像序列的过程中,存在着较大的背景噪声,容易产生对缺陷的检测效率低、对比度差等问题.为了提高缺陷检测效果,采用主成分分析算法对去除背景后的红外图像序列进行缺陷特征信息降维处理,有效滤除红外图像序列中的不均匀背景噪声.结合多结构形态学和脉冲耦合神经网络(PCNN)混合算法对缺陷区域进行图像增强和图像分割来提取缺陷区域.实验结果表明,采用上述方法,能够进一步地滤除红外图像的不均匀背景噪声,改善缺陷区域提取效果,有效提高缺陷检出率.     

基于改进 PCM 聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性 C-均值聚类方法(PCM) 对绝缘子图像进行分割。 方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对 噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统 PCM 聚类中心点重合问题。 实验 利用人工合成数据和复杂背景的绝缘子图像对比该算法与 FCM、PCM、K-means、KFCM 和 IFCM 算法的聚类分割性能。 结果表 明改进 PCM 对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为 0. 153,相比其他对比方法对复杂环境 下的绝缘子图片有更好的分割性能。     

Iris Segmentation Based on Matting

In this paper, we aim to propose a novel and effective iris segmentation method that is robust to uneven light intensity and different kinds of noises such as occlusion by light spots, eyelashes, eyelids, spectacle-frame, etc. Unlike previous methods, the proposed method makes full use of gray intensities of the iris image. Inspired by the matting algorithm, a premier assumption is made that the foreground and background images of the iris image are both locally smooth. According to the RST algorithm, trimaps are built to provide priori information. Under the assumption and priori, the optimal alpha matte can be obtained by least square loss function. A series of effective post processing methods are applied to the alpha image to obtain a more precise iris segmentation. The experiment on CASIA-iris-thousand database shows that the proposed method achieves a much better performance than conventional methods. Our experimental results achieve 20.5% and 26.4%, more than the well-known integro-differential operator and edge detection combined with Hough transform on iris segmentation rate respectively. The stability and validity of the proposed method is further demonstrated through the complementary experiments on the challenging iris images.     

太阳能光伏电池缺陷检测

太阳能是一种极具吸引力的替代电力能源,太阳能光伏电池是太阳能发电系统的基础。太阳能光伏电池中的各类缺陷严重影响光伏电池的光电转化效率和使用寿命。为有效地检测出这些缺陷,提出了一种基于块数据删除模型的缺陷检测方法。首先,对太阳能光伏电池图像进行傅里叶变换去除母线并调节亮度和对比度,然后将图像分块,通过块数据删除模型找出去除母线后的图像中所有的异常块,并将这些异常块全部剔除,利用余下的图像块通过非线性回归模型重建图像的背景。最后,用待检图像与得到的背景图像作差以突出缺陷区域,达到缺陷检测的目的。实验结果表明,所提出的方法能够有效地检测出太阳能光伏电池中多种类型的缺陷,如隐裂、断栅和碎片等。用该方法对313幅太阳能光伏电池图像进行实验,其中158幅无缺陷图像均未检测出缺陷,而另外155幅含有隐裂、断栅等缺陷的图像,仅有5幅出现误检,缺陷检测率达96.77%。