斜拉桥拉索径向畸变CCD图像的边缘检测与图像提取

径向畸变是CCD成像系统中的一种常见现象.提出了一种对斜拉桥拉索径向畸变CCD图像进行边缘检测和图像提取的算法.首先,在图像的预处理阶段,对原始图像进行灰度化和滤波处理.其次,运用边缘检测、边界跟踪及Hough变换获得了拉索轮廓的连续边界.最后,利用原始的灰度图像和基于拉索轮廓的掩模板,获得了无背景的拉索表面图像.该算法在斜拉桥拉索表面伤痕检测中得到应用,结果表明该算法对径向畸变的CCD图像能有效地进行边缘检测和图像提取.     

基于图像处理的管道裂缝检测

传统的管道裂缝检测方法速度慢、精确度低,因此提出一种基于图像处理的管道裂缝自动检测方法。首先对采集到的管道裂缝图像进行图像增强,有效地去除噪声。利用裂缝图像与背景图像灰度值的差异性,采用形态学梯度算法进行边缘检测。提出在边缘检测的基础上进行阈值分割,经实验比较分割结果优于其他方法。对分割的图像进行形态学处理,从而提取到特征图像,最后对特征图像进行特征值计算。     

图像处理在医用纱布表面缺陷检测中的应用

针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

基于机器视觉的亚像素精度法兰盘尺寸测量方法

针对空调压缩机法兰盘尺寸人工测量方式存在效率低、精度难以保证等问题,提出一种基于机器视觉的法兰盘尺寸亚像素级别测量方法,并构建视觉测量系统。对法兰盘图像,先使用转灰度、中值滤波和二值化分割进行预处理,抑制图像噪声,同时提取目标法兰盘区域;再使用Canny算子获取法兰盘边缘像素坐标;然后根据Zernike算法对旋转、尺度等不敏感的特点,使用改进的Zernike矩亚像素边缘检测算法重新定位法兰盘边缘,获取法兰盘边缘的亚像素级别坐标;最后使用最小二乘拟合算法得到法兰盘外圆直径与内孔直径尺寸。实验证明,该检测方法与人工测量方式相比效率高、精度高,能够满足对法兰盘关键尺寸的在线测量需求。     

基于FPGA的中值滤波算法的实现

中值滤波算法是一种非线性得数字滤波算法,广泛的应用在图像处理中边缘检测算法的预处理中,经常用于去除数字图像信号中的噪声干扰。为了达到数字图像处理的快速性与实时性,本文将中值滤波算法在FPGA上实现。本文选取Xlinx公司的Artix系列FPGA作为主控芯片,软件开发平台为Vivado,使用开发语言为Verilog HDL,最后用Modelsim对实现的算法进行仿真,并将最终结果与Matlab处理结果进行对比验证。在算法实现中,采用流水线处理和并行运算结构,选用中值滤波模板大小为3×3,经过实验验证和对比,在FPGA上实现的中值滤波算法在速度和实时方面取得了预期的效果,可进一步应用于图像的边缘检测算法中。     

改进门限中值滤波算法在水果图像噪声中应用研究

针对目前水果深加工产生水果图像检测算法中存在图片失真的问题,提出了一种改进门限型中值滤波算法;首先,该算法通过恰当改变门限阈值,利用均值和标准差的和,可以有效保留图像的细节和边缘信息,能够有效的去除水果图像的噪声;其次,经过多组仿真实验并对比普通的中值滤波方法,可以明显的观察出改进后的中值滤波算法有较好的效果;最后,根据大量的数据对比分析与比较,结果表明:该算法能有效的去除噪声并且保留了图像细节,比较其他中值滤波更好。     

基于中值滤波和形态学的去噪算法

提出了一种基于中值滤波和灰度形态学的去噪算法。首先利用中值滤波和形态学滤波的方法对原始图像进行去噪处理,而后叠加经过高帽变换的图像以增强边缘信息,改善了传统中值滤波算法易造成边缘模糊和对噪声强度敏感的不足。该算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

基于机器视觉的玻璃马赛克缺陷在线检测系统

针对玻璃马赛克存在斑点、崩角等常见工艺缺陷,基于机器视觉检测原理,设计了一种采用LED同轴光照明和CCD相机为图像获取工具的在线检测系统。该系统通过相机实时拍摄,获取传送平台上目标玻璃马赛克图像,使用特定的视觉软件对获取到的图像进行中值滤波、锐化、二值化、边缘轮廓提取等图像处理,提取图像中玻璃马赛克轮廓形状与灰度值信息,通过形状匹配与灰度值匹配,实现对玻璃马赛克工艺缺陷的在线检测。实验证明,该在线检测系统具有准确率高、实时性强和速度快等优点。     

基于运动模糊特征分割的空间移变降质复原

针对一类由动机座上的相机对运动目标拍摄得到的空间移变降质图像,提出基于像素运动模糊特征分割的图像复原方法。首先分析由于运动模糊的卷积作用,该类图像中的运动目标和背景产生相对位移,两者的像素发生叠加,发现若背景灰度均匀,则叠加区相邻像素灰度值的变化程度相似。根据该灰度变化特征检测运动模糊方向上的目标边缘,并结合canny算子检测平行于模糊方向的边缘,两部分边缘图像进行求或运算,然后利用形态学操作处理,从而分割得到完整的目标模糊图像。对该目标图像剔除叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。实际复原结果证明,该方法能够有效地解决该类空间移变降质图像的复原问题。     

小波与中值滤波相结合的汽车管路连接件表面缺陷图像去噪

由于汽车管路连接件表面缺陷图像中的高频噪声和椒盐斑状噪声直接影响缺陷特征提取的精度,提出一种小波与中值滤波相结合的去噪新方法。该方法首先对原始图像进行小波变换分解,分离出高频信号与高频噪声,并将噪声滤除,然后由灰度值变化曲线统计得到缺陷灰度分界阈值,结合中值滤波算法自适应地滤除椒盐斑状噪声以保护缺陷特征边缘,对去噪后的图像进行线性增强,使缺陷边缘轮廓更加清晰,最后采用Sobel边缘算子算法分别对中值滤波、小波滤波、高斯滤波及新方法去噪后的图像进行缺陷特征提取以对比分析去噪效果。实验结果表明,新方法的峰值信噪比(PSNR)分别比中值滤波、小波滤波及高斯滤波提高了10.70%、8.99%和8.87%;结构相似度(SSIM)分别提高了21.82%、23.34%和11.54%,说明新方法具有良好的去噪效果,并在一定程度上提高了缺陷细节形状特征提取的准确性,适用于汽车管路连接件表面缺陷的检测与分类识别。     

基于自适应模板的实时跟踪算法

相关匹配算法通过计算模板图像和待匹配图像的互相关值来确定匹配的程度,是一种经典的匹配算法,具有很高的准确性和适应性,并且对图像灰度值的线性变换具有"免疫性",因此在目标跟踪中得到了广泛应用.但是相关匹配算法计算耗时过于庞大,难以达到实要求,并且当目标在模板中所占比例很小时,很难确定模板的准确位置,使得此算法在实时目标跟踪中的应用有很大困难.本文提出了一种基于自适应模板的实时跟踪算法.实时采集的图像首先进行阈值分割,然后用形态学滤波的方法去掉噪声,模板的尺寸通过轮廓分割方法确定.匹配程度的算法选择的是归一化自相关匹配算法,并采用金字塔搜索算法进行加速.实验结果显示,此算法有效地克服了相关匹配算法的缺点,具有较好的匹配精度和实时性.     

X波段雷达图像同频干扰的抑制方法研究

X波段雷达图像中,数据是按线存储的,同频干扰在图像上表现为射线状噪声或斑点噪声.为去除雷达图像中的同频干扰噪声,根据同频干扰在雷达回波图像中的特性,提出一种基于拉普拉斯边缘检测算子的噪声检测算法.首先利用基于拉普拉斯边缘检测算子改进的检测方法,将雷达图像分为灰度值渐变区域和突变区域;接下来通过设定阈值检测到同频干扰的位置;最后利用临近非噪声点线性插值噪声点.利用本文方法对32幅随机的雷达图像进行处理,实验结果说明该方法能有效滤除同频干扰.与传统的滤波算法进行对比,实验结果表明本算法不仅能很好地检测到同频干扰噪声,还能更有效地去除噪声,尽可能地保留原来海浪的回波信息.     

基于机器视觉和改进形态学边缘检测算法的钢球缺陷检测技术研究

为提高钢球表面缺陷检测的效率和准确性,设计一种基于机器视觉的钢球表面缺陷分拣系统。对钢球表面图像进行图像分割、平滑去噪和二值化预处理,获取钢球表面图像的准确信息,并采用改进的中值滤波算法去除噪声;利用小波变换和多尺度形态学融合算法进行钢球表面缺陷的边缘检测;通过该融合算法和其他算法的检测结果对比和客观数据评价,验证了本文所提算法能够有效保留图像真实细节,并满足钢球分拣系统的需求。     

基于MATLAB的车牌图像预处理的研究

车牌图像识别的预处理是车牌图像识别系统的环节之一。运用MATLAB图像处理工具箱,首先把获取的彩色图转换为256级的灰度图;然后用中值滤波法去除噪声从而提高图像质量;然后再进行图像灰度拉伸以增加图像对比度;运用Sobel算子进行图像锐化从而增强图像中的边缘信息;最后运用全局阈值法二值化图像。     

基于数学形态学的气泡水平尺自动检测系统研究

针对气泡水平尺的自动检测问题,对机器视觉领域的边缘提取、轮廓跟踪等算法进行了研究,提出了一种基于数学形态学与轮廓跟踪的气泡水平尺自动检测方法。引入了快速中值滤波算法和多线程工具对工业相机拍摄的水平尺气泡图像进行了滤波处理,以提高中值滤波算法的运算效率,使用了模糊最小化形态学梯度对气泡图像进行处理,以得到气泡的边缘信息。同时针对该应用场合,分析了气泡边缘图像的灰度剖面特性得到左、右平行参考线的位置,结合目标邻域点法搜索气泡端点来对气泡位置进行了搜索,得到了气泡偏移距离,从而实现了高效率高准确度的气泡水平尺偏移实时检测。研究结果表明,该方法在保证结果准确的同时,能够极大提高计算速度,并且计算结果能极好地适应光照变化。     

机器视觉在鞋机运动轨迹识别中的应用研究

提出了一种基于机器视觉的鞋底运动轨迹识别新方法,首先,自主开发了鞋机自动涂胶系统。引入视觉检测技术,采集鞋底图像,对采集到图像进行中值滤波及灰度增强处理。在此基础上,对遗传算法进行深入研究,研究了基于遗传算法的图像阈值分割方法。结果表明,与传统的ostu法相比,新方法能较好地去除鞋底周边的干扰,准确提取鞋底信息。最后对分割后的图像进行了数学形态学及边缘检测处理,以提取鞋底轮廓边缘,最终的图像误差为±0.03mm,为下一步鞋底涂胶轨迹的自动生成奠定基础。     

钢坯表面裂纹的图像识别算法研究

通过对钢坯表面裂纹的形状特征的分析,运用图像增强、图像分割、边缘检测、特征提取及识别等方法,提出了一个更加精确、快速的钢坯表面裂纹识别算法。通过边缘检测及链码标识,可以得到更细致的裂纹特征,进行更精准和深入的分析。计算机通过阈值分割和边缘检测对图像的对象和背景进行分割,抽取图像的特征区域,对该区域的灰度值进行比较和分析,找出附近灰度值显著不同的面积区域。对于加强钢坯生产过程中的检测和控制,提高企业经济效益,可以有较大帮助。     

直线道路识别实用性的优化分析

为了提高车道识别的实时性与鲁棒性,提出了一种车道识别优化方法。通过建立强鲁棒性的车道模型,对传统的道路图像边缘算法优化处理:图像预处理中充分考虑实用性,采用了加权平均法实现灰度化、中值滤波法降噪处理以及自适应Otsu法二值化分割图像、Canny算法实现边缘检测;基于模型利用极角极径法提取图像的感兴趣区域,改进Hough算法实现有效车道线的识别。最后实验证明,通过与传统方法比较,该算法极大提高了车道识别的效率并且增强了可靠性。     

改进蚁群算法与Zernike矩细分的图像边缘测量方法

针对传统蚁群算法计算耗时、易受噪声影响等缺点,提出一种改进蚁群算法与Zernike矩细分的图像亚像素边缘测量方法。该算法采用二维灰度直方图求解聚类中心、拉普拉斯算子聚类、划分图像边缘点、目标点和噪声点等,利用全局自适应信息素更新方式提取图像边缘,进而通过Zernike矩快速算法细分图像亚像素级别边缘,提高了边缘分割精度。以SKF 32308J2/Q轴承为研究对象,采用该方法检测了轴承图像的内、外圈边缘,并通过最小二乘拟合,采用标准件进行轴承的坐标标定,测量了轴承内、外径等几何参数,将该测量方法与改进Hough变换的测量结果相比较,证明了该算法具有较高的测量精度。