一种模糊小目标的自适应阈值分割方法

文章提出了一种基于顶帽变换和边缘检测的强噪声背景下的目标提取方法。模糊背景下图像的目标提取存在一定的困难,必须对图像进行增强处理。文中涉及到的目标具有不同的灰度值,固定阈值法不能保证检测出所有的目标。在原有自适应阈值分割的基础上设计了一种基于顶帽变换和边缘检测的自适应阈值分割方法,首先对图像进行顶帽变换增强图像,再利用Sobel边缘提取算法提取所有可能目标的边缘,利用原图像中对应边缘点的灰度取平均值作为图像分割的阈值来提取目标。实验结果表明:利用检测出的边缘灰度均值作为图像的灰度阈值来分割目标,能有效地提取出模糊小目标。     

静态背景下运动目标的边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法在对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显的缺点,提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法.该方法首先对序列图像进行差分,根据分块大小自适应选取阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行“与”运算,从而提取出运动目标轮廓.实验证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性需要.     

一种复杂图像背景中残留液晶识别方法

LCD液晶屏是对表面洁净度有严格要求的部件,基于数字图像处理的残留液晶识别方法能够定量、客观地评价表面的洁净度。针对复杂背景图像中残留液晶难以准确识别的问题,本文提出并实现了有效的图像处理流程和算法,包括分割、边缘连接、图像填充、去除多余边界以及噪声等操作。提出了一种边缘连接算子,在对图像进行分割后,将不连续的图像边界连接为闭合,为图像填充奠定基础。提出并实现了一个基于二叉分类方法的模式分类器,用于对污染物几何形状进行自动识别。实验表明,针对单一背景残留液晶的识别与分析方法能够精确获得残留液晶边缘,并且控制了噪声的干扰;针对复杂背景残留液晶识别与分析方法能够对背景存在明显差异的特定类型图像进行准确的处理。     

静态背景下运动目标边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显,提出一种基于帧差法和图像分块相结合的运动目标边缘检测方法。该方法首先对序列图像进行差分,按照特定的阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行"与"运算,从而提取出运动目标轮廓。实验结果证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性。     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

盆式绝缘子闪络的典型异物红外图像识别算法

分割典型异物像素区域时,难以选取最佳分割阈值,导致识别出的典型异物定位精度较差,由此,提出盆式绝缘子闪络的典型异物红外图像识别算法。去除红外图像脉冲噪声、高斯噪声,通过边缘锐化和灰度均匀化,划分图像目标和背景,利用遗传算法搜索各类图像灰度方差和最大值,将最大值对应的分割阈值作为最佳阈值,分割典型异物像素区域,构建改进BP神经网络,提取分割图像的异物类别特征,迭代训练后,识别周围典型异物类别。实验结果表明,该方法减小定了位边界框与异物矩形框的间距,提高了异物目标定位精度和识别效率。     

基于图像局部熵的红外图像分割方法

分析了图像局部熵的性质,提出了一种基于图像局部熵的红外图像分割方法。该方法首先进行中值滤波消除图像脉冲噪声,然后计算图像局部熵进行阈值选择提取目标边缘,最后进行边缘连接分割出目标区域。对不同红外图像进行的仿真试验表明了该方法的有效性。     

借助形态学实现图像过渡区提取与分割

红外图像边缘模糊、噪声点多,而传统的过渡区提取算法需计算梯度因而对非规则细节和噪声敏感,尤其当对比度较低时极易导致提取的过渡区发生偏离,影响分割阈值的判定和分割结果的准确性。因此提出了一种基于形态学的过渡区提取与分割算法。结合形态学理论,首先设计级联滤波器进行平滑处理,再利用tophat变换调节目标与背景的对比度以突出目标,最后采用EAG方法进行过渡区提取与分割。Matlab仿真实验表明,该方法能够分割出目标主体,且目标形状保持良好。     

基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。     

一种改进的基于Otsu算法的Canny红外边缘检测方法

在红外图像的分割处理中,阈值的选取一直是研究的热点.针对传统Canny边缘检测算法需要人为设定阈值的情况,从图像灰度的相似性和不连续性原理出发,提出了一种自适应图像边缘检测方法.该方法首先用中值滤噪代替Canny算法中的高斯滤噪,以去除图像中的背景噪声.在此基础上,采用改进的最大类间方差法来优化Canny算法双阈值中高阈值的设定原则,以保证双阈值的自适应性,再利用Canny多尺度空间边缘检测技术完成图像的分割处理.实验表明,与传统的单一算法相比,该算法提高了信噪比,简化了运算过程,可达到比较理想的边缘检测和分割效果.