基于Prewitt算子与形态学的纸病图像检测方法

针对Prewitt算子在检测中存在的边缘不连续性的问题,提出一种基于Prewitt算子和数学形态学的纸病图像边缘检测方法。首先利用Prewitt算子对纸病图像进行处理,然后将处理后的图像进行形态学的闭运算。实验表明,该方法结合了两种检测方法的优点,有效地提高了边缘检测的准确性,得到了比较理想的纸病边缘检测效果。     

一种基于机器视觉的纸病识别方法

提出了一种基于图像灰度变换和BP神经网络的纸病识别算法。该算法是利用动态双阈值法和图像合成法对图像进行预处理,提取出纸病的特征值,再利用BP神经网络对纸病进行分类。结果表明,BP神经网络分类器可以很好地识别出纸病图像中的孔洞、脏点和褶皱,平均识别率达93.8%。     

基于MATLAB数字图像边缘检测算法的研究

随着计算机技术的迅速发展,图像的边缘检测技术已成为数字图像处理的重要内容。所谓的边缘即图像局部强度变化最明显的地方,它是图像分割、识别和图像特征提取的关键。因此,研究图像边缘检测算子对数字图像处理来说是十分重要的。为了对经典图像边缘检测算子进行研究,如Roberts算子、Sobel算子、Prewitt算子、LOG算子以及Canny算子等,通过理论分析和实验仿真比较它们各自的优缺点,可知Canny边缘检测算子是几种算子中检测效果较好的一种。     

改进Hough变换在纸病检测系统中的应用

通过对褶皱纸病的分析研究,提出一种基于改进Hough变换的检测方法.利用边缘检测对纸病信息进行去噪和简单提取,采取Hough变换的方法将纸张从图像灰度空间转换到参数空间,从变换后的参数空间中提取纸病图像中的褶皱特征并进行识别.实验结果表明,此方法识别率高、计算速度快、检测效果好.     

基于阈值分割及分形特征的纸病图像识别算法研究

针对脏点、孔洞、褶子和裂口等常见的典型纸病识别问题,在分析纸病图像灰度特征及分形特征基础上,提出了一种基于图像双阈值分割盒维数特征的纸病识别算法,该算法采用灰度阈值分割提取纸病区域及二值数字图像分形盒维数计算结果,确定纸病类型.实验结果表明,该算法识别率较高,且简单迅速.     

基于机器视觉的低对比度纸病识别算法研究

利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。     

应用Prewitt算子的织物疵点检测改进算法

针对经典Prewitt算子在织物疵点边缘检测中存在的检测边缘较粗、定位不准确和人为选取阈值会造成边缘点误判等缺点,基于改进的Prewitt算子,提出了一种与非极大值抑制方法相结合的自适应阈值的织物疵点检测方法。该方法对织物原图像采用高斯滤波进行预处理,以消除图像上的光照不均和噪声等影响,增加45°和135°方向模板完善边缘结构,利用非极大值抑制方法细化边缘,并用自适应阈值法确定最优阈值来减少边缘点的误判。通过对不同类型织物疵点的试验结果进行分析,证明改进后的算法具有更好的自适应能力,提高了算法的有效性。     

基于粒子群优化算法与形态学的纸病图像检测方法

针对传统边缘检测算子对纸病图像检测的不足,提出了一种基于粒子群优化算法和数学形态学的边缘检测方法。首先通过粒子群优化算法得到图像最优分割阈值,将图像二值化,然后利用数学形态学中的腐蚀运算对纸病图像进行边缘检测。仿真结果表明,相比传统算法,该方法的检测结果更真实地反映了纸病图像的形态特征,且边缘定位准确,取得了较为理想的检测效果。     

边缘检测算子在提取图像金色区域中的应用

为了提取图像中适合金墨印刷的金色区域,对边缘检测的方法进行了深入探讨,运用各种边缘检测算子分割图像。利用MATLAB对Roberts算子、Sobel算子、Prewitt算子、Log算子、Canny算子进行实验验证和分析。结果表明,边缘检测的方法基本上可以实现边缘轮廓的闭合,简单图像能产生连续的闭合轮廓,相比复杂图像效果要好,特别是对于那些背景不是太复杂的图像,图像分割的效果比较理想。分析比较几种算子,运用Canny算子进行边缘检测分割效果较好。     

基于相位一致性的低对比度纸病识别算法研究

针对机器视觉检测低对比度纸病,存在常规的阈值分割会引起低对比度纸病信息丢失以及边缘检测存在鲁棒性差的问题,本课题提出了一种基于相位一致性算法识别低对比度纸病的方法,并与常规的阈值分割以及边缘检测中具有代表性的canny算子进行了对比分析。结果表明,当识别低对比度纸病时,本课题提出的方法不仅保留的有用信息较常规阈值分割的多,而且鲁棒性较canny算子的边缘检测好。