基于二值化的数学形态学生物图像边缘检测算法

针对边缘检测算子对噪声敏感且检测边界相对模糊的缺点,提出了基于动态二值化的数学形态学边缘检测算法。该算法首先利用动态二值化方法确定将灰度图像转化为二值图像的阈值,然后利用数学形态学的腐蚀和去空洞相结合的方法去除二值化图像的噪声,最后用细化方法检测单像素图像边缘。仿真结果表明,该算法能降低噪声及图像模糊对边缘检测的影响,实现边缘的准确定位,并保留足够的图像细节,具有更强的去除噪声能力,为显微生物单体图像处理提供了一种有效的边缘细化检测方法。     

基于MATLAB的车牌定位技术研究

利用MATLAB软件的强大功能,通过对采集到的车牌图像进行灰度化、去噪、边缘检测、形态学滤波等,完成了MATLAB环境下的仿真,最后实现了基于灰度边缘检测的车牌定位。实验结果表明,该方法去噪效果较好,简单方便,定位快、成功率高。     

基于图像处理技术的海洋微藻数量统计方法

根据海洋微藻显微图像的特点,利用图像处理技术给出了自动统计海洋微藻数量的方法。该方法首先对微藻图像进行小波去噪,并对去噪后的图像通过形态学的膨胀运算进行增强;然后利用最大类间方差法和形态学的开运算对增强后的图像进行分割;最后对分割后的二值图像进行微藻区域标记,统计出在图像中的微藻数量,进而计算出水体中微藻的浓度。利用本文中所给出的方法编写了海洋微藻数量自动统计软件,仿真试验结果表明,该方法有效、可行。     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.     

粘连玉米粒群的分水岭分割与粒形的多尺度小波校正算法研究

为实现玉米粒群图像的自动分割和形态校正,在传统分水岭分割算法的基础上提出了一种新的粘连籽粒分离与形态校正算法。首先采用维纳滤波与数学形态学运算对玉米粒群图像进行滤波及背景均匀化处理;然后通过多种边缘检测算子相结合的检测方法,确定玉米籽粒的粘连边界,作为算法的分水岭;利用腐蚀算法与极值化处理确定了粒群图像的蓄水盆地,并以构建的分水岭和蓄水盆底完成对粒群图像的分水岭分割运算;最后利用多尺度小波分析的方法对籽粒图像进行正形。试验结果表明,该算法对玉米粒群图像的有效分割率和正形率分别为94%和95.6%,有效解决了传统分水岭分割方法易出现的过分割和泄露等问题,较传统算法在时间和准确率等方面均有很大提升。     

边缘检测在盘形悬式瓷绝缘子串红外图像上的应用

针对盘形悬式瓷绝缘子串红外图像边缘缺失导致铁帽和伞盘误分割的问题,提出一种基于边缘检测的绝缘子串图像分割方法。首先对红外图像进行灰度化、中值滤波和去噪等图像预处理,然后通过比较多种边缘检测算法,采用PSNR方法确定了多尺度形态学梯度算法是对绝缘子串边缘提取中准确性和完整性最高的方法。接着对二值化后的图像确定最大连通区域,对其进行边缘分割得到绝缘子串区域。最后结合边缘检测确定面积阈值,采取区域提取方法对其进行铁帽和伞盘区域分割,得到铁帽和伞盘区域。通过大量样本训练,正确率达到90%以上,在实际应用中取得十分良好的效果,对提高绝缘子红外智能检测准确率有重要指导意义。     

基于WOA的焊接缺陷图像边缘检测

图形图像处理技术在工程质量检测的损伤评估中得到越来越广泛的应用,便于快速确定结构表面缺陷。图像的边缘特征是缺陷检测的前提和基础,本文针对钢结构工程中焊接质量检测问题,提出基于鲸鱼优化算法的焊接缺陷图像边缘检测技术,通过若干焊接缺陷图像边缘检测工程案例证明了所提出方法的抗噪性和有效性。该方法扩展了群智能算法在图像分析与处理领域的应用范围,可以为工程提供一定的参考价值。     

起重机械金属缺陷识别红外热波检测仿真研究

针对起重机械金属材料结构件缺陷形式多种多样且不规则,不同缺陷形状在红外热波无损检测过程中对红外热像仪采集的缺陷图像进行后处理和识别是一大关键技术,直接决定了热成像的效果。利用ANSYS Workbench有限元模拟仿真几种不同缺陷形状云图模拟热像仪获取的热图序列,通过对图片添加噪声算法来模拟真实热成像中的"噪点"现象,以Matlab为平台,实现了对缺陷图像的滤波、增强、分割、形态学处理以及缺陷特征提取,判断和分类。     

基于变分法的医学超声图像去噪研究

目的 :医学超声图像中斑点噪声的存在,降低了图像质量,本文着重讨论医学超声图像的去噪问题。方法:针对超声图像的斑点噪声,本文基于全变分正则化模型,首先对超声图像进行对数变换,将乘性斑点噪声转化为加性噪声,再对对数变换后的图像进行全变分正则化处理,最后通过指数变换重构超声图像。结果:子宫超声图像去噪实验中,将全变分法与常用的中值滤波和小波变换去噪方法进行对比,结果显示全变分法的去噪性能指标明显优于其余方法。结论:采用基于全变分正则化的方法,不仅很大程度上抑制了医学超声图像的斑点噪声,而且保留了清晰的边缘细节信息,具有重要的学术价值和现实意义。     

一种对FAST角点算法加强鲁棒性改进的M-FAST算法

基于快速的FAST算法,提出一种M-FAST角点算法,即首先使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响,其次用Mallat小波算法对图像进行去噪处理,加强图像的抗噪性,最后再使用FAST进行角点检测。通过实验对比,证明比原FAST算法更具鲁棒性和抗噪性。