基于均值漂移与自适应阈值分割的刀具磨损检测方法

针对车刀表面粗糙度大、磨损区域图像难以准确分割的问题,提出一种基于均值漂移和自适应阈值分割的刀具磨损检测方法.这一方法通过频率域滤波过滤图像中无效的高频噪声信息,对降噪图像进行形态学处理.利用均值漂移聚类算法进行预分割处理,简化纹理信息,并突出磨损区域特征.通过自适应阈值分割算法准确提取刀具磨损区域,同时计算刀具的磨损宽度均值.试验表明,采用所提出的刀具磨损检测方法,分割准确率达到97.96％,能够有效判别刀具的磨损状态.     

基于背景差分的高铁钢轨表面缺陷图像分割

高铁钢轨表面图像具有光照变化、反射不均、特征少等特点,使得缺陷自动检测极为困难。为了在高速运动过程中,从复杂的钢轨表面图像中分割出缺陷,根据钢轨表面图像具有沿钢轨方向像素值基本不变的特征,建立钢轨表面图像背景模型,提出了基于背景差分的钢轨表面缺陷检测算法,主要包括钢轨区域提取、背景建模差分、阈值分割和图像滤波4个步骤,其主要特点是将视频监控中的背景差分法推广到缺陷图像分割领域,同时借助自适应阈值分割和滤波技术,在一定程度上,解决了铁轨表面缺陷分割过程中图像光照变化、反射不均、特征少等不利因素的影响。实验仿真和现场测试结果均表明,该方法对块状缺陷能很好地识别,召回率和准确率分别达96%和80.1%。     

结合Retinex校正和显著性的主动轮廓图像分割

为了实现对亮度不均匀和含有复杂背景自然图像的快速准确分割,本文提出一种结合Retinex校正和显著性分析的主动轮廓分割模型。通过引入Retinex校正,获取图像中物体本身的反射分量,可以抑制由非均匀光照带来的亮度不均影响;另一方面,经过Retinex校正后的图像更加客观地反映图像的本质,确保了后续显著性信息提取的精确性,使其更具实际指导意义。将显著性信息引入到主动轮廓模型之中,有助于对含有复杂背景的图像进行有效分割。结合Retinex校正和显著性信息,得到新的主动轮廓模型能量方程,运用水平集方法指导曲线演化,达到图像分割的目的。通过实验分析,本文提出的主动轮廓模型可以实现快速、有效及鲁棒的图像分割。在MSRA数据库上平均处理速度为4.277秒/幅,F均值达到0.735。     

基于模糊C均值技术的轴承故障诊断

先利用多小波变换对轴承缺陷图像进行去噪,再利用模糊C均值(FCM)聚类用于灰度图像分割具有简单直观、易于实现的特点,对模糊C-均值聚类(FCM)算法进行改进,并对缺陷图像进行分割,试验结果证明,该方法显著提高了分割速度和精度,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性,具有一定的使用价值.     

二分粒度聚类和KELM的全景图像火焰识别研究

针对现有灭火机器人视觉系统的窄视野且检测结果受光照变化干扰的问题,提出了一种应用于大视角全景图像火焰识别且抗光照变化干扰的二分粒度聚类优化的核极限学习机方法.首先,对全景图像建立抗光照变化干扰的颜色模型;然后在该颜色模型下利用经过二分和粒度思想改进的K-means聚类算法分割疑似火焰区域与非火区域;最终提取疑似火焰区域的颜色分量等特征参数作为输入向量来训练核极限学习机(KELM)分类器以提取火焰区域.经仿真研究证明,该算法能快速准确识别全景火焰图像,对光照变化具有良好的鲁棒性,且通用性强.     

面向参数测量的改进分水岭浮选泡沫图像分割方法

矿物浮选过程中泡沫参数与工况密切相关,针对泡沫中特殊区域(透明窗、黑洞和泡沫间光亮带)的存在而导致参数难以测量的问题,提出了一种基于局部纹理特征和自适应形态学的改进分水岭分割方法.首先针对现场光照不均,采用自适应多尺度Retinex算法进行图像增强.然后使用快速自适应阈值法提取高亮区和暗区,并结合先验空间关系实现透明窗标定;基于LBPV纹理算子实现暗区的区域生长以标定黑洞和识别泡沫间光亮带,进而完成对特殊区域的处理并获得透明窗和黑洞指数.最后采用自适应形态学获得多尺度梯度图像和标记点,使用改进的分水岭算法完成泡沫图像的分割.结果表明,该方法能够更准确的处理含特殊区域的粘连不均匀泡沫图像,对不同工况下泡沫参数测量有更好的鲁棒性,浮选优良工况率提高了5％.     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。     

多特征融合视频火灾识别研究

针对目前的视频火焰检测算法容易受到复杂场景、光照条件的影响,算法的实时性较差且容易误判等问题,提出一种红外视频图像自适应背景更新疑似火焰区域检测与改进层次分析法多特征融合火灾火焰识别方法。利用改进型自适应背景更新运动目标检测来获取红外视频图像中疑似火焰区域,消除背景干扰,提高火焰静动态特征的提取效率,将火焰的多种特征用三标度改进层次分析法进行融合,实验结果表明该方法对火焰的识别效果更加快速、精确、有效。     

基于MAR与FCM聚类的声呐图像分割

针对模糊C均值聚类算法中,聚类效果往往受到聚类中心数目和初始聚类中心的影响这一问题,提出一种基于多尺度自回归(MAR)模型与模糊C均值(FCM)聚类的声呐图像分割方法.引入MAR模型,建立层与层之间以及相邻层像素点间的数学关系,利用粗尺度图像的灰度-邻域均值二维直方图中的峰值个数来确定聚类中心数目,通过MAR得到的预测分割结果引导初始聚类中心的确定.实验结果表明,改进后的算法能准确、快速地确定聚类中心数目,并较好地解决初始聚类中心问题;与传统的FCM聚类方法相比,具有分割准确和收敛速度快的特点.     

一种基于补偿模糊神经网络的新型图像滤波方法

针对图像滤波难题,将补偿模糊神经网络应用于图像滤波中,提出了基于补偿模糊神经网络(compensatory fuzzy neuralnetwork)的图像滤波方法.该方法结合了模糊逻辑的推理能力和神经网络的自适应、自学习能力.同时采用具有快速学习的补偿算法,引入补偿模糊神经元,使学习后的网络具有更高的容错性,并弥补了神经网络学习耗时的缺点,提高了滤波效率.模糊运算采用动态的、全局优化运算,使网络更优化,进一步改善了滤波效果.仿真结果表明,该方法对噪声具有很好地滤除作用,与现有其它滤波方法相比,具有明显的效果.