基于视觉感知机制的织物疵点轮廓检测

针对传统人工织物疵点检测存在的误检及低效等问题,提出了一种基于视觉感知机制的自适应织物疵点轮廓检测方法.首先,模拟视觉系统中视网膜感受野对视觉信息的处理机制对织物疵点图像进行滤波及疵点增强;其次,依据初级视皮层(V1)区对视觉信息响应的方向选择性机制构建织物疵点图像边缘检测模型,实现对织物疵点图像的边缘检测.最后,采用自适应阈值选择的方法对检测到的边缘进行二次处理,获得织物图像疵点的轮廓.为验证本文方法的有效性和准确性,对4类织物疵点图像进行测试,并定性和定量两方面进行比较分析,结果表明文中提出的方法能够较好地检测出织物疵点轮廓信息,不仅可以得到质量较高的织物疵点轮廓图像,而且在整个检测过程中能够自适应的选择参数,避免受人的主观因素影响,具有实际的应用价值.     

智能手机PCBA圆形焊点轮廓自适应提取EI北大核心CSCD

智能手机印刷电路板装配(printed circuit board assembly,PCBA)集成度高、焊点间隙小,小视场下成像易引入噪声,圆形焊点边缘粘合、断缺现象明显,导致圆形焊点轮廓提取准确性不高.为此,提出PCBA圆形焊点轮廓自适应提取算法.首先,采用引导滤波算法,在有效地抑制噪声的同时捕捉圆形焊点边缘梯度信息;其次,依据自适应OTSU分割算法实现焊点区域分割,采用8邻域边界跟踪算法及Canny算子提取圆形焊点轮廓信息;最后,利用圆形焊点的轮廓几何特性和边缘滑动窗口机制对轮廓信息进行筛选,从而获得更精细的圆形焊点轮廓.在实验设备采集的90幅PCBA图像数据集上与3种典型方法进行实验的结果表明,所提算法的精确率、召回率、F值分别为96.96%,97.88%,97.42%,运行时间为310 ms,可快速、有效地提取出PCBA圆形焊点轮廓.     

基于自适应方向滤波的左心室轮廓提取

提出了基于自适应方向滤波方法来提取左心室轮廓。在噪声的干扰下,引入经平滑处理的方向滤波能够得到精确的边缘,所获得的边缘方向矢量能够在边级跟踪时对边缘走向进行预测,同时对参数进行自适应调整,通过尽量少的人机交互,算法能够自动提取出左心室的轮廓。实验证明该算法增加了边缘提取的精度和一致性,同时显著地降低了计算复杂度。     

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进：以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.     

基于双目视觉的玻璃料滴体积测量方法

针对目前玻璃料滴常规称量方法测量效率低且受环境影响较大的问题, 提出一种基于双目视觉的非接触式测量方法. 搭建双目视觉系统, 对采集的图像进行滤波去噪和特征轮廓提取, 基于融合料滴图像梯度信息的Census变换立体匹配算法得到边缘信息完整的视差图. 分别分析发生相机平面方向偏转和相机景深方向偏转的料滴对水平切片法精度的影响, 首先采用最小外接矩形算法对发生相机平面方向偏转的料滴进行校正, 然后利用视差信息修正发生相机景深方向偏转的料滴, 最后基于水平切片法累加水平切片获得料滴体积及质量. 实验结果验证, 该方法对发生空间偏转的料滴也能达到精度标准, 能够满足玻璃瓶生产的需求.     

基于视觉注意机制的显著物体轮廓感知

针对机器视觉中物体轮廓检测问题,提出了一种基于注意机制的轮廓感知模型.首先根据视觉注意机制得到显著物体的注意焦点;随后利用格式塔知觉组织规则,将从原始图中提取的重要轮廓边缘进行轮廓组织;最后根据注意焦点进行轮廓距离感知,得到人类视觉真正感兴趣和注意到的物体轮廓.结果表明了该算法的有效性和生物学上的合理性.     

拓扑梯度耦合多重最小修补路径的连续边缘图像修复算法

当前的图像修复算法都是利用非连续边缘的已知块信息来完成损坏区域的填充,造成图像模糊与视觉不连通;且修复路径都是随机确定,使其成本较高.对此,提出了拓扑梯度耦合多重最小路径快速行军的连续轮廓图像修复优化算法.引入拓扑梯度,检测出缺失区域的边缘轮廓;定义关键点择取规则,提取图像损坏区域的关键点,嵌入权重因子,建立权重距离函数,计算最小修补路径成本,并设计多重最小路径快速行军机制,提取出连续边缘,完成损坏区域填充.仿真结果显示,与其他图像修复算法相比,本文算法可检测出损坏区域的连续边缘轮廓;且该算法具有更好的修复视觉与效率.     

一种类圆形图像目标分割方法的研究

研究工业视觉识别系统与图像处理有密切关系.针对类圆形图像背景和目标在色彩和灰度上相近难以准确分割的问题,为了提供精确图像目标,提出了一种新型的类圆形目标分割方法.采用带方向的序贯滤波和方向边缘检测,有效去除背景干扰信息;边缘检测的结果填充后进行图像投影,据此得到待分割目标的大致区域,再次滤波得到较佳的预分割结果;采用中心扫描算法,接合投影曲线完成粗分割,得到边缘曲线;最后根据边缘曲率对边缘线进行矫正,实现了类圆形目标的完整提取.通过实验表明,对灰度相近的图像能进行有效提取,避免了阈值法的局限性,提高了类圆形目标分割的完整性和精确度.     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

基于信息流多级结构响应的轮廓检测模型

考虑到视觉信息流在视通路多级结构中的处理方式,提出一种图像轮廓检测的新模型。首先,根据初级视皮层(V1区)4B层的简单细胞具有三重感受野结构并对朝向敏感的特性,感知图像方位信息,并经复杂细胞提取获得边缘轮廓响应;其次,根据V1区2/3层细胞的抑制特性,引入稀疏性度量指标和神经元突触动态编码机制对边缘轮廓响应进行抑制,得到纹理抑制响应;最后,利用高级视皮层的融合修正机制,对边缘轮廓响应和纹理抑制响应进行优势互补,得到最终的轮廓检测结果。在RuG40和BSDS500图像数据集上进行实验,结果表明所提算法能够有效地区分图像的轮廓与纹理信息,凸显主体轮廓。所构建的基于信息流多级结构响应的轮廓检测模型对后续基于生物视觉机制的图像分析具有一定的参考价值。     

基于融合的显微图像Gabor边缘提取算法

不同参数Gabor滤波器都具有各自的频率选择和方向选择特性,图像中纹理基元可以利用多个方向和中心频率Gabor滤波器组提取出来的频谱值来表示.据此提出一种适应于显微图像的Gabor滤波边缘检测算法.使用特定不同方向Gabor滤波边缘提取算子对图像进行边缘信息提取,获得不同方向上边缘特征信息,对其进行分析和融合提取图像边缘.运用该方法时所获不同方向的图像边缘进行自适应融合,获得的图像边缘较理想,模糊的边缘得到增强,并有效地消除了噪声.实验结果表明,该算法对显微图像处理有效,检测到的边缘清晰.     

一种基于边缘综合特征的彩色图像检索算法

图像边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值。以视觉重要的图像边缘轮廓为基础,提出了一种基于边缘综合特征的彩色图像检索新算法。该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓;然后构造出能全面反映边缘轮廓内容的两种直方图(边缘颜色直方图和边缘方向直方图);最后综合利用上述两种边缘直方图计算图像间的内容相似度,并进行彩色图像检索。仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

基于改进分水岭算法的硅片缺陷提取方法

为了提取硅片表面的缺陷,对其缺陷的提取技术进行了研究,提出了改进水分岭算法进行缺陷提取.该方法首先利用形态滤波对缺陷图像进行滤波,并对滤波后梯度图像进行平滑,在去除噪声的同时很好的保持物体轮廓和细节;为了克服分水岭算法的过度分割问题,利用区域强度准则和边界强度准则对过分割区域合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取奠定了基础.     

轮廓编组综述

轮廓编组是中层视觉处理的一项重要内容。轮廓编组的目的是从前阶段视觉处理中提取的低层边缘特征中找出符合人类视觉感知的显著性轮廓,这些显著性轮廓往往对应着场景中的目标轮廓。在轮廓编组中,格式塔规则对编组模型的建立有重要的指导作用。讨论了从20世纪90年代到现在的轮廓编组研究中的主要算法,将这些算法进行了分类,阐述了各个算法的提出动机及基本原理;最后,对轮廓编组研究的发展方向进行了展望。     

基于生物视觉特征的目标轮廓提取算法

自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题。其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性。近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果。其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合。然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留。基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法。首先采用多水平抑制方法得到候选轮廓边缘集合。接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓。与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性。     

融合全局显著性信息的轮廓编组模型

基于感知编组的轮廓提取算法容易受背景上边缘的影响,导致轮廓提取的准确率低,为此提出一种结合感知编组与全局显著性信息的轮廓提取算法.首先在Canny算子框架下增加显著性信息的约束,提取显著边缘,减少了背景上的边缘;然后在Ratio-contour算法的基础上提出了新的目标函数,使得文中算法能够收敛于显著性高的区域,得到的轮廓更准确地标识前景物体.实验结果表明,该算法有效地提高了轮廓提取的准确性,同时大幅减少了轮廓提取的计算时间.     

基于边缘直方图的彩色图像检索算法研究

图像边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值.本文以视觉重要的图像边缘轮廓为基础,提出一种基于边缘直方图的彩色图像检索新算法.该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓;然后构造出能全面反映边缘轮廓内容的3种直方图(颜色直方图、距离直方图和角度直方图);最后综合利用上述3种边缘直方图计算图像间的内容相似度,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

多水平外区抑制的轮廓检测

提取自然图像中的物体轮廓是机器视觉研究的重要问题,主要困难在于自然图像中的纹理性边缘严重干扰了物体轮廓的提取。研究表明视皮层方位选择性神经元的非经典感受野机制使得人类视觉系统在处理自然图像时不仅能够抑制纹理性边缘,而且能够增强物体的轮廓。基于此人们提出多种仿生轮廓检测算法,但算法中被称为抑制水平的参量在取值较高时会漏检部分轮廓,而在其取值较低时又会引入过多的纹理性边缘。针对这一问题,提出多水平外区抑制轮廓检测算法,通过整合各级单水平外区抑制的检测信息,有效抑制了纹理性边缘和降低了漏检轮廓的可能性。实验结果表明,相对于传统算法,新算法在轮廓检测性能上提高了10%左右,并具有更好的稳健性。     

基于梯度显著性的轮廓提取方法

在复杂的自然场景中将轮廓准确地提取出来一直是一个难题,传统的基于梯度图像分割的方法在性能提高上遇到瓶颈。分析了梯度图像中轮廓与纹理的视觉特性,说明了显著性检测的必要性;引入视觉注意机制,利用残余谱得到梯度显著图,突出了轮廓的梯度响应的同时抑制了纹理的梯度响应,证明了显著性检测的可行性;详细介绍了算法实现流程。通过与其他三种算法进行对比,证明基于梯度显著图进行边缘分割和跟踪,有效地抑制了纹理边缘,轮廓提取性能得到明显提高;通过调整参数设置,验证该算法对参数变化具有一定程度的鲁棒性。     

对光照鲁棒的道路边缘检测算法

针对在光照变化和强阴影干扰条件下的道路边缘检测问题,提出了一种对光照鲁棒的道路边缘检测算法。该算法结合导向滤波和抗阴影特征提取器,首先,采用导向滤波对图像的边缘进行增强,减少背景噪声干扰;其次,利用抗阴影道路特征提取器提取道路粗边缘轮廓;最后,采用模糊连通性分析,结合道路边缘全局信息将道路边缘分为远、近两部分,对提取的边缘点进行修正,并采用RANSAC进行拟合。实验部分采用ROMA数据集对算法进行验证,实验结果表明,该边缘检测算法的综合性能指标为83.67%,在各种道路条件下,具有较好的鲁棒性和准确性。