玻璃绝缘子动态差分缺陷检测方法研究

介绍了一种新的玻璃绝缘子缺陷动态检测方法.采用旋转控制平台和倒坝型LED光源,利用动态差分算法抑制复杂环带背景,通过气泡缺陷的差分空洞效应,解决了图像中气泡与黑色环带粘连无法分割的问题,并运用基于支持向量机的分类器进行缺陷检测分类,克服了玻璃绝缘子形状的复杂性以及缺陷的多样性造成的难以自动化检测的困难.测试实验结果表明,该检测方法的检测精度为2mm且检测速度为每分钟10个,能够有效地实现玻璃绝缘子缺陷的检测与识别,满足工业企业自动化生产的需要.     

铝镁合金孔蚀形貌图像增强与分割方法研究

对基于图像信息的腐蚀诊断与预测实现过程中腐蚀图像的增强、边缘提取和图像分割的小波分析等技术和算法进行了研究，并以铝镁合金在工业循环水中的孔蚀图像为例，说明了这些方法的应用。结果表明：基于灰度值的图像增强技术可增加腐蚀区域与材料基体的对比，用小波变换可对腐蚀图像进行分解，将腐蚀图像分解为包含主要特征的低频予图像和包含细节特征的高频予图像，相应的小波系数可反映出孔蚀特征，有利于用计算机图像技术实现腐蚀评价和预测。     

空间域和频域结合的图像增强技术及实现

图像增强是数字图像的预处理,对图像整体或局部特征能有效地改善.为了实现对数字图像的增强处理,采用时域直方图均衡和频域高频加强滤波相结合的方法对图像进行了增强处理.利用图像中变化剧烈的信息只与高频成分有关这一原理,结合MATLAB设计实现了高频加强滤波器并对图像进行了增强处理,在此基础上使用时域直方图均衡技术再对图像进行处理.试验结果表明,两种技术的结合可以使图像的细部特征更加明显,图像更加锐化,其图像增强效果要好于单独采用其中任意一种技术的处理结果.     

一种新的红外图像增强算法研究

为了解决传统红外图像增强方法存在的问题,该文提出了一种新的红外图像增强方法。首先,使用韦伯定理并结合人类视觉特性对红外图形进行预处理,预处理包括亮度增强和图像分割。其次,针对分割后的不同区域的特点使用不同的方法进行增强处理,使用多尺度Retinex对包括细节信息较多的区域2进行处理,使用改进的自适应直方图均衡算对区域一和区域三进行处理。最后,对处理过的红外图像进行重构。测试结果表明,该文提出的算法整体增强效果较好,更适合人类视觉观察,同时还可以缩短运行时间并且可以消除“光晕”现象,具有广阔的应用空间。     

手背静脉图像增强算法研究

静脉身份识别技术是将皮肤下的静脉血管作为身份特征进行身份识别的技术。采用MATLAB进行了模拟实验,获得了良好的纹理分割效果。     

图像处理中的绝缘子缺陷检测方法

目前国内外生产上钢化玻璃绝缘子的缺陷检测均采用传统的人工肉眼检测方法,难以满足大规模、自动化生产的需要.为此,结合基于形态学的特征检测和基于BP神经网络的缺陷分类检测,提出一种基于图像处理的玻璃件缺陷检测方法.实验结果证明了该方法的有效性.     

基于线性变换与多种平滑去噪的爆堆图像增强方法

介绍了自主设计的"基于灰度线性变换与综合多种平滑去噪"的爆堆图像增强方法。首先根据爆堆图像的灰度分布情况对爆堆图像进行灰度线性变换,使图像中矿岩与背景区别更加明显;然后对爆堆图像用均值滤波、中值滤波、高斯滤波进行综合平滑处理,这样不仅祛除了图像的噪声,而且很好的保留了图像中矿岩的边缘。     

手机曲面玻璃缺陷检测方法研究北大核心CSCD

由于手机曲面玻璃在生产过程中会产生一些外观缺陷,针对曲面玻璃上缺陷成像难、提取难等问题,提出了一种手机曲面玻璃缺陷检测方法。首先,对曲面玻璃平面部分图像进行形状匹配,并对匹配后的图像进行差分和形态学处理,提取缺陷特征;其次,对曲面玻璃曲边部分图像,使用基于连通域分析和面积阈值分割的缺陷提取算法;再次,对曲面玻璃R角部分图像,采用图像频域增强和对数变换的缺陷提取算法;最后,提取各部分缺陷后,计算得到各类缺陷的特征,通过特征进行缺陷分类,并将得到的缺陷数据与影像测量仪得到的数据进行对比实验。结果表明,该算法能准确提取手机曲面玻璃表面常见的划痕、污点、擦伤和气泡缺陷,并且缺陷尺寸精度测量能达到20μm。     

红外测温技术在绝缘子检测中的应用

本文简单论述了红外测温技术在检测线路绝缘子缺陷方面的应用,重点分析了红外测温技术检测绝缘子存在缺陷的原理,以及简单归纳了实际工作中应用红外测温技术判断绝缘子是否存在缺陷的方法。     

MATLAB处理数字图像的方法研究

简述数字图像处理、MATLAB软件及两者之间的关系,针对数字图像处理技术的特点及MATLAB语言的应用环境、分析具体的用Matlab来处理图像的方法,实现数字图像处理与MATLAB之间的有机结合。     

Shadow removal from image of stained glass windows

Shadows may be formed on stained glass windows by structural bars supporting the leaded panels, or by external protective wire grilles, or by masonry, such as mullions or buttresses, or external objects, such as trees. The eye tends to “discount” such shadow formations when viewing the actual windows even though in the photographic images they are very clearly visible. This article introduces a method to remove shadow effects on stained‐glass windows; the observed image, as captured by the camera, may be modeled mathematically as a combination of a “true stained glass image” and a “grille/bar image.” A mixture model is derived, based on a theoretical model of image formation, leading to a conjectured relationship between “shadow” pixels and the neighboring “nonshadow” pixels. The resulting mixture model assumes a multiplicative relationship. If this mixture can be separated into its original components, then it should be possible to remove the unwanted shadow component from the captured image to produce the desired image of the stained glass without the shadows. The digital modeling techniques enable the shadows to be characterized and removed with a reasonable degree of success. © 2010 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 20, 223–226, 2010.     

Low-light-level image enhancement based on fusion and Retinex

Image enhancement, which aims at improving the contrast of low-light-level image and shows the details in the dark, is a widely used technology. When traditional multi-scale retinex (MSR) is used for low-light-level image enhancement, enhancement result will be over-enhanced and the so-called halo will occur. In order to overcome this shortcoming, the result of MSR needs to be further processed. First, MSR result and low-light-level image are fused with weight related to the grey value of the pixels. The result shows that the halo is significantly suppressed, but the brightness of the image is low. Thus, we fuse the image again and take the fusion image which fuses the first step result with the MSR result as the final result. Experimental results show that the proposed algorithm can suppress the halo and preserve the details.     

一种基于声呐信息融合的水下图像增强方法

由于光在水中传输时的衰减和散射效应,使得光学成像细节丢失、对比度下降以及颜色偏移失真,导致水下图像雾化。因此在光线条件较为恶劣情况下,水下高性能相机对目标的有效捕捉范围较小,水下光学成像系统通常很难达到令人满意的成像效果。而声呐利用声波在水中传播衰减较小的特点可以进行更远距离的探测。因此,当水下目标距离光学探测设备较远而不能进行准确光学成像来捕捉目标时,可利用声呐采集得到的信息与光学图像进行融合,实现图像增强,提高成像效果。文章提出了一种基于声呐信息融合的水下图像增强方法,首先对水下光学图像分两步进行预处理,即基于暗通道先验模型的去雾增强和自适应图像增强,再使用声呐信息对水下图像进行局部增强,明显提高水下环境中所要探测目标的对比度与可识别度。     

基于提升格形态小波的生物芯片图像增强

提出一种使用提升格形态小波进行生物芯片图像滤波增强的方法。根据生物芯片图像的样点和噪声区域的大小选择合适的结构元素或者预测-升级算子,并通过形态学算子或者提升格构造形态小波分解和重构形式。利用形态小波的不同级连方式和高频系数的处理实现生物芯片图像的滤波增强。实验表明,该方法可以有效地结合形态学和小波滤波的优势,降低了运算量,取得良好的生物芯片图像增强效果。     

An improved adaptive detail enhancement algorithm for infrared images based on guided image filter

Detail enhancement algorithms are important for raw infrared images to improve their overall contrast and highlight important information in them. To solve the problems that current algorithms like GF&DDE have, an improved adaptive detail enhancement algorithm for infrared images based on a guided image filter is proposed in this paper. It chooses the threshold for the base layer image adaptively according to the histogram statistical information and adjusts the mapping range of the histograms according to the dynamic range of the image. Besides, the detail layer is handled by a simpler adaptive gain control method to achieve the good detail enhancement effect. Finally, the base layer and the detail are merged according to the approximate proportion of the background and the details. Experimental results show that the proposed algorithm can adaptively and efficiently enhance different dynamic range images in different scenarios. Moreover, this algorithm has high real-time performance.     

Medical image contrast enhancement based on improved sparrow search algorithm

The collection or transmission of medical images is often disturbed by various factors, such as insufficient brightness and noise pollution, which will result in the deterioration of image quality and significantly affect the clinical diagnosis. To improve the quality of medical images, a contrast enhancement method based on improved sparrow search algorithm is proposed in this paper. The method is divided into two steps to enhance the medical images. First, a new transform function is introduced to improve the brightness or contrast of medical images, and two parameters in the transform function are optimized by the improved sparrow search algorithm. Second, adaptive histogram equalization method with contrast limited is used to equalize the result image of the previous step to make the pixel distribution of the image more uniform. Finally, a large number of experiments and qualitative and quantitative analyses were conducted on the common data sets. The analysis results demonstrate that the presented approach outperforms some existing medical image processing approaches.     

自适应图像增强的管道机器人缺陷检测方法

针对管道检测过程中图像采集光照不均匀、缺陷边缘提取不准确的问题, 提出一种基于自适应图像增强的管道机器人缺陷检测方法。首先设计单尺度Retinex自适应图像增强算法, 利用引导滤波对图像进行照度分量估计, 经自适应Gamma矫正得到光照均衡图像, 实现自适应图像增强;再对传统Canny边缘检测方法进行改进, 采用双边滤波平滑图像, 通过迭代阈值法进行缺陷图像分割, 根据边缘像素相似性进行连接, 实现缺陷轮廓的有效提取。搭建基于自适应图像增强的管道机器人缺陷检测系统, 利用履带式小车搭载云台摄像机, 对管道内壁缺陷进行全方位视觉检测。实验结果表明, 本文的检测方法可自适应矫正图像亮度, 图像亮度不均匀明显改善, 相比次优算法, 图像信息熵提升2.4%, 图像平均梯度提升2.3%, 峰值信噪比提升4.4%, 可有效提取出管道缺陷边缘, 缺陷识别准确率达到97%。     

基于双频域特征聚合的低照度图像增强

针对低照度图像质量较差、噪声多、纹理模糊等问题,提出一种基于双频域特征聚合的低照度增强网络(dual frequency-domain feature aggregation network, DF-DFANet)。首先,构建频谱光照估计模块(frequency domain illumination estimation module, FDIEM)实现跨域特征提取,通过共轭对称约束调整频域特征图抑制噪声信号,并采用逐层融合方式提高多尺度融合效率以扩大特征图感受野范围。其次,设计多谱双注意力模块(multiple spectral attention module, MSAM)聚焦图像局部频率特征,通过小波域空间、通道注意力机制关注图像细节信息。最后,提出双域特征聚合模块(dual domain feature aggregation module, DDFAM)融合傅里叶域和小波域特征信息,利用激活函数计算自适应调整权重实现像素级图像增强,并结合傅里叶域全局信息提高融合效果。实验结果表明,在LOL数据集上所提网络的PSNR达到24.3714,SSIM达到0.8937。与对比网络相比,所提网络增强效果更具自然性。

     

一种改进的倾斜航拍图像注释块分割方法

航拍图像的注释信息中记录着航拍中重要的成像参数,如相机类型及外方位元素等。本文针对当前倾斜航拍图像注释块分割存在的一系列问题,提出采用小波变换进行分割的改进方法,并结合数学形态学的方法进一步分割出注释块。实验证明,该方法不仅快速,而且准确,取得了良好的分割效果。