基于ABDND算法的炉膛火焰图像脉冲噪声滤波研究

为使炉膛火焰电视采集的煤粉燃烧图像更加清晰、细节更加完整,需对燃烧图像进行脉冲噪声滤波。本文将一种现有的开关中值滤波算法(ABDND)利用matlab进行编译仿真,通过对两幅EI-XCL燃烧器的煤粉燃烧图像的灰度图像进行噪声添加并利用ABDND算法与中值滤波算法分别对噪声图像作滤波处理,经过对两种算法的滤波结果进行分析对比,实验结果表明,ABDND算法在炉膛火焰煤粉燃烧灰度图像的噪声滤波中应用良好。     

色彩上下文感知的火焰目标实时检测

提出一种新颖的色彩上下文感知的火焰目标实时检测算法。算法定义了两种新的火焰特征向量：火检上下文动态特征切入列,火焰特征最优区域。相对于传统火焰检测算法对火焰图像序列中每帧的所有像素逐点扫描,算法仅对每帧中的关键位置——火焰特征最优区域进行扫描,根据火焰图像序列中一系列关键位置的检测情况预测火焰目标的整体燃烧状况。实验表明,该算法对于炉膛火焰的实时检测和估算效率高。     

基于Codebook的视频火焰识别算法

为了提高视频火焰识别的准确度,提出了一种基于Codebook的火焰识别方法,创新地在YUV空间使用Codebook背景模型检测火焰区域,定期更新背景,综合火焰的动静态多特征进行火焰识别.首先,提取视频中的每一帧图像,利用原始图像中R、G、B三个分量间存在的线性关系作为颜色模型,初步提取火焰颜色区域; 然后,为了利用YUV颜色空间的有利特性,将颜色空间从RGB转化到YUV, 使用Codebook背景模型进行背景学习、背景差分,提取出具有火焰颜色的动态前景; 最后,利用火焰面积变化率、区域重叠率、质心位移这3个特征来训练反向传播(BP)神经网络,通过训练好的神经网络判断视频图像是否存在火焰.选取相机位置以及方向固定的视频进行实验,所提算法在复杂的视频场景中的识别准确度达到96%以上.实验结果表明,所提算法有效提高识别的准确度,同时降低多种干扰物场景的误判率.     

可判断火势大小的智能建筑火灾检测方法研究

当前智能建筑火灾状态检测方法是对火灾的单一特征进行自主检测,只能实现报警功能,无法对火焰的大小做出判断,不能指挥后续调度;设计了一种可判断火势大小的智能火灾检测方法,将建筑中前100帧的过火图像均值看成原始背景;按照不同的火焰燃烧程度采集背景图像进行及时的调整;对当前图像和背景图像进行差分分析,采集差分图像,并对其进行形态学操作;按照二值图中运动目标的特征,分析火灾处于哪种状态,及时有效的检测出烟雾状态、初始火场、大火事件等建筑火灾的火势大小;以大连消防中队提供的2010年火灾视频进行系统测试实验,结果表明,该方法可以实现实时检测,能够有效检测火焰的多种不同状态,准确度比传统方法提高65.4%,具有很强的实际应用价值。     

基于燃烧模型的微弱火焰高度检测

火焰高度是描述火焰特性、确定火焰燃烧状态的重要参数,目前多使用目测方法进行检测.微弱火焰具有亮度低、信噪比低、火焰轮廓模糊的特点,人工目测困难,常规图像分析方法检测对阈值依赖性高.为解决上述问题,在利用常规图像处理方法提取的不完整火焰边缘后,建立火焰轮廓的多参数模型,进而计算火焰高度.实验结果表明:该算法抗干扰能力强,...     

基于K-means和颜色模型的林火辨识方法研究

为了确保火灾探测结果的可靠性和准确性,从林火燃烧时火焰和烟雾特征出发,对现有的林火探测技术进行了分析,提出了一种基于K-means和颜色模型的林火辨识方法。首先使用Kmeans算法对采集到的彩色图像进行分割,根据火灾发生时火焰和烟雾的颜色特征,采取一种改进的颜色模型对分割出来的子图像进行辨识,对疑似火焰子图像和疑似烟雾子图像进行初步确认,然后从疑似子图像中提取出火焰和烟雾的特征输入到RBF神经网络,判断是否确实发生火灾。     

基于图像的火焰稳定性判别方法研究

针对锅炉燃烧监控系统所采集的火焰动态图像,提出了一种基于在线模糊聚类算法的炉内火焰燃烧诊断方法。该方法分析了火焰图像的特点,提取了判别火焰稳定性的特征量,以提取的特征量作为在线模糊聚类算法的输入参数,分析燃烧图像的隶属度,给出判别标准对燃烧稳定性进行综合评估。将在线算法与离线算法进行比较,实验结果表明,在线算法比离线算法的准确率提高了5.3%,验证了算法的有效性。该方法对实现燃烧状态自动监测,保障锅炉安全运行具有重要意义。     

基于图像特征的火焰识别与检测技术研究

提出了一种基于火焰图像特征的火灾火焰检测及识别算法。将火焰颜色、变化率作为火灾火焰检测与识别的判据,在火焰颜色模型和变化率的基础上引入火焰尖角以及圆形度对火灾火焰图像进行进一步判定。实验结果表明,该算法能有效提高火灾火焰检测与识别的准确率,排除干扰源。     

基于多尺度颜色小波纹理特征的火焰图像分割

火焰图像分割质量对基于数字成像的燃烧监测十分重要。受炉膛背景及燃烧工况的影响,难以同时满足火焰图像分割速度和准确度（即火焰图像分割结果与真实火焰接近程度）的需求。提出一种基于多尺度颜色特征和小波纹理特征（MCWT）的无监督火焰图像分割方法,用于提高火焰图像分割的质量和速度。结合火焰图像颜色特征及小波纹理特征构建特征矩阵,对特征矩阵进行压缩并初步检测压缩尺度火焰区域。根据压缩尺度火焰边缘确定原始尺度火焰边缘区域并构建火焰边缘区域特征矩阵,进一步分割得到准确火焰图像分割结果。采用该方法对某工业煤燃烧实验炉内不同燃烧工况下的火焰图像进行分割,并与传统分割方法对比。实验结果表明与其他传统分割方法相比,提出方法能够更准确且快速地实现不同燃烧工况下火焰图像的分割,并且其对于含有高斯噪声和椒盐噪声的火焰图像都具有更好的分割效果。     

一种改进的三帧差分运动目标实时检测算法

针对传统三帧差分法提取的运动目标存在大量的噪声和空洞,提出一种改进的三帧差分运动目标实时检测算法;该算法采用Surendra背景提取算法提取有效背景,对视频流中连续三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行“与”运行,通过将中间帧背景减除结果与“与”运算的结果进行“或”运算,这样可以得到运动目标的完整信息;实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统.     

A pseudo top-hat mathematical morphological approach to edge detection in dark regions

Edge detection is an important pre-processing step in image segmentation. Conventionally, edges are detected according to gradient property, then processed by the thresholding technique. By such an approach, fine edge details in dark region of the image are eliminated. It is annoying sometimes as they are as useful as those in bright region, although this is caused by unevenly distributed lighting in many machine vision applications. In this paper, a novel mathematical morphological edge detection algorithm, based on pseudo top-hat transformation which is derived from top-hat transformation, is proposed to preserve these edge details as well as prominent ones. The algorithm is also presented in detail. Comprehensive experimental results show that the proposed algorithm is efficient for edge details extraction in place of shading while preserving distinguish features.     

改进力场转换理论的多尺度图像边缘检测算法

为了提高多尺度边缘检测算法的定位精度,更好地抑制图像中的噪声和细节,将改进力场转换理论与多尺度图像边缘检测算法相结合,提出了改进力场转换理论的多尺度图像边缘检测算法。新算法计算每个尺度下图像中各像素点的内积能量值,利用内积能量值计算各个像素点间的引力;采用自适应阈值得到每一尺度下图像的边缘;在小尺度的检测结果下定位,执行由粗到细的边缘跟踪,得到最终的边缘结果。实验结果表明,新算法可以有效地抑制噪声,提高边缘检测的定位精度。     

形态学在道路图像边界检测中的应用

在道路图像边缘检测中,为实时、有效地从获取图像中提取出路面边界,研究了一种结合数学形态学的道路图像边界检测算法。形态学是一种从集合的角度来刻画和分析图像的图像处理和分析理论,其算子的性能主要以几何方式进行刻画,更适合于视觉信息的处理和分析。对采集到的原始道路图像经由图像预处理、道路边缘检测后,应用特殊结构元素对得到的二值图像进行形态学处理。保障有用信息比例的同时,去除了大量冗余和干扰信息,减少了边缘信息总量,减轻了后续运算的压力。最后采用Hough变换对腐蚀后图像进行处理,以实现道路边界的精准定位。和未采用腐蚀运算而直接对初始边缘检测后图像进行Hough变换的效果相比,能精准、有效地提取出道路边界线,并且大大地提高了算法的实时性。     

基于卡尔曼滤波SVM图像鉴别方法研究

研究如何区分自然图像和计算机图形判别图像问题。由于人眼难以判别真伪图像,针对传统的图像鉴别方法由于参数的设置而造成识别准确率低,从而无法准确的区分自然图像和计算机图形。提出了一种卡尔曼滤波和支持向量机分类算法相结合的高性能图像真伪鉴别方法。算法首先采用卡尔曼滤波器提取图像的各个级别的分量,求解出各级分量和判别的误差值并作为特征数据,然后采用支持向量机分类算法对特征数据进行训练判别。仿真结果表明,提出的算法可以有效的判别图像的真伪,可以有效的识别出原始自然图像和合成图像,识别率高达99%以上,同时算法的稳定性较高,具有一定的实际应用价值。     

基于图像配准的食品包装印刷缺陷检测与实现

传统食品包装印刷缺陷检测系统采集的实时图像和标准图像在空间上存在着较大的差异,在缺陷检测前首先要将实时图像与标准图像配准,再进行图像缺陷检测与识别。针对传统检测方法检测时间长、分拣效率低、漏检率高和对人视觉要求高等缺点,在图像增强处理的基础上,提出了一种适用于食品包装印刷缺陷检测的图像配准算法。该算法利用小波变换改进算法对图像边缘进行检测,有效地解决了噪声所产生的误检问题。实验仿真结果表明,该算法具有较高的稳定性和可靠性,能够精确检测出小于0.1 mm的刀丝和拉条等细微缺陷,实现了食品包装印刷品的无损检测。     

基于透射变换的印刷品图像归一化研究

印刷品图像归一化在其质量检验中是极其重要的。针对获取的印刷品图像存在一定程度的畸变,提出一种改进的透视变换的归一化方法。为了准确获取图像的直线边缘信息,改进传统Canny检测中阈值自适应能力差的问题,用迭代法获取阈值参数,并加入滤波器有效滤除过于贴近图像边缘的平行直线;针对传统透视变换特征点无法获取问题,首次提出将图像分为三类状态下分别获取图像的特征点信息,求解得出透视变换矩阵对图像进行归一化。实验结果表明,对采集的印刷品图像该算法相对不准率下降了41.2%,可有效解决图像存在的畸变问题。     

口服液可见异物智能检测系统

针对西林瓶装口服液中可见异物的检测,开发一种基于机器视觉的智能识别和分拣系统,采用多检测工位和多相机跟踪拍摄的方式,以避免误判断。根据可见异物运动导致的平面图像中形状的变化,提出一种液体中微小目标的检测算法,通过多帧复合差分确定检测目标,利用基于异物加权特征的粒子滤波跟踪算法,克服单一特征导致的误跟踪,准确区分干扰和可见异物。实验结果表明,该方法可以满足在线检测的速度和精度要求。     

自适应双向保带宽对数变换及低照度图像增强

目的 在低照度环境下,由于受图像采集设备的限制,导致获取到的图像往往亮度低、对比度差。针对这一问题,提出一种自适应双向保带宽对数变换的增强算法。方法 首先通过标准化变换将低照度图像处理成标准化图像,然后根据标准化图像的平均亮度进行自适应双向保带宽对数变换,最后对图像取整输出,从而得到增强后的图像。结果 实验选用LIVE database release2标准库中29幅高质量图像作为参考图像,然后经Photoshop CS5统一处理成低照度图像,使用本文算法对其增强,并与直方图均衡化（HE）、多尺度Retinex增强（MSR）、自然保持的增强算法（NPEA）的结果进行比较。本文算法增强后的图像其整体对比度和亮度在主观上都有较大提高,增强效果优于其他3种方法;同时,本文算法峰值信噪比（PSNR）和结构相似度（SSIM）客观指标平均值分别为22.75和0.86,明显高于其他3种算法。另外,在算法运行效率方面,本文算法平均运行时间也较短,约为74 ms。结论 本文算法增强后的图像更自然、更符合人眼视觉特性,且算法简单易于实现,运行效率高。该算法广泛适用于背光或光照不均的低照度环境下的图像增强。     

基于形态学结构元素建模的车道线检测算法

针对智能车辆辅助导航系统中车道线检测算法复杂、鲁棒性差的问题,提出了一种基于形态学结构元素建模的车道线检测算法。算法首先通过交变序列滤波器对原始图像进行滤波,然后利用具有车道模型特征的结构元素对预处理后的图像进行特定目标提取,再对提取出的车道左、右标识线进行外线判断运算以去除双边缘,将所得结果进行整合得到车道左右内侧边缘线,最后进行Hough变换标记车道线。实验表明,该算法简单、鲁棒性强,能准确地检测到车道标识线。     

基于决策分析的高椒盐噪声轮胎痕迹图像滤波方法

决策分析能准确判断出噪声像素与信号像素,均值滤波能较好平滑噪声,而自适应中值滤波能较好地保持原始图像的细节及边缘。为了恢复被高密度椒盐噪声污染的轮胎痕迹图像,提出三者相结合的新算法。该算法结合三者的优点,与传统中值滤波器、自适应中值滤波器等非线性滤波器相比,能得到更好的图像质量。实验表明,算法能有效消除灰度轮胎痕迹图像中的高密度椒盐噪声和彩色轮胎痕迹图像中的中低密度椒盐噪声,较好地保护了图像的细节及边缘信息。