立体零件加工质量的在线图像检测方法

针对具有景深零件加工质量的在线检测问题,提出一种基于单摄像机的分层图像测量方法.结合改进的双线性插值和Robert边缘算子,对零件各层面在图像上投影直线边缘粗定位;再基于灰度矩的亚像素算法和最小二乘直线拟合,将边缘定位精度提高到亚像素级.在二步法图像边缘定位基础上,利用分层映射关系,获得零件形状和几何尺寸数据.本文方法应用于某种双层特种钥匙加工质量的图像检测中,实验结果表明,该方法实时性好,能满足机械零件加工质量的检测要求.     

结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割

针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。     

面向机柜表面缺陷检测的不均匀光照和低亮度图像增强方法

光照条件是大尺寸机柜表面缺陷检测的重要影响因素。当光照分布不均匀或光照强度不足时,采集得到的机柜表面图像质量低,造成缺陷检测误差。为此,提出一种融合卡通纹理分解和最优双曲正切曲线的图像增强方法。首先,采用导向滤波将机柜表面图像分解为卡通图和纹理图,利用高斯尺度空间理论建立光照模型,实现不均匀光照去除;其次,研究图像的双曲正切曲线性质,通过图像加权拉伸实现低亮度图像增强;最后,采用对比度、亮度和灰度方差乘积对图像增强效果进行评价,同时对增强前和增强后的图像进行缺陷检测,进行对比分析验证。实验结果表明,该方法能实现光照不均且低亮度的机柜表面图像增强,机柜表面缺陷检测的准确率显著提升,召回率提高了29%,F值提高了21%。     

基于CNN的十字像中心检测

十字线中心检测是反射法测量透镜中心偏的重要组成部分,十字中心的检测精度决定了透镜中心偏的测量精度。针对边缘不规则、对比度差、信噪比低的图像,提出了基于深度卷积神经网络的十字线中心检测算法。算法的思想是,卷积神经网络可以在一定程度上解决传统算法局限于提取十字像边缘直线和角点特征的问题,实现对十字像整体特征的识别与定位,这可以相对减小图像噪声对十字像中心定位的影响,从而实现在图像质量比较差的情况下对十字像中心准确定位。实验结果表明,提出的算法能够在图像边缘不规则、对比度差、信噪比低等的条件下比较精确得到十字线中心点。     

纹理粗糙度在红外图像显著性检测中的应用

提出了基于纹理粗糙度的红外图像显著性检测算法,以解决红外图像对比度低,目标显著性检测难的问题。首先,研究了Tamura的粗糙度原理,对粗糙度进行分析和评价,提出了新的粗糙度计算方法。然后,将图像分解为超级像素集合,并计算超级像素的最大平均强度差;利用最大平均强度差定义超级像素的最佳尺度,作为纹理粗糙度的度量。最后,将超级像素区域均匀外延,利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性,结果表明:在10%的噪声水平下,本文粗糙度保持不变,粗糙度特征图一致性较好,而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比,本文算法击中率最高,为0.752。该算法挖掘了红外图像的纹理粗糙度特征,为红外图像显著性检测提供了新的特征选择。     

埋弧焊X射线焊缝图像缺陷分割检测技术

针对在埋弧焊X射线焊缝图像的强噪声和弱对比度特点下常规图像分割算法成功率低的现状,通过综合的分析和实验有针对性地给出了系统、实用的缺陷分割方法.首先通过实验给出了一种提取焊缝图像感兴趣区域(the region of interest,ROI)的方法.该方法通过中值滤波,基于sin函数的图像增强、大津法分割、Sobel算子边缘检测和Hough变换可以定量计算出X射线焊缝图像的ROI区域.进一步通过实验给出基于大津法的焊缝缺陷分割算法,实验表明在无人工设定初始分割阈值情况下这一分割算法具有较高的分割成功率.为进一步提高分割成功率,针对焊缝缺陷相对面积较小的特点,提出将缺陷视为噪声,将平均局部平均灰度视为密度,利用密度聚类方法进行缺陷分割.该方法在78张有缺陷的焊缝图像中,成功地分割出74张图像中的缺陷.最后在所研究算法基础上给出了一个综合考虑到各种因素的分割算法,即可节约计算时间,又可以保证分割的成功率.     

面向深空探测Bayer图像的高效编码

本文提出一种基于JPEG2000标准的Bayer图像高性能RBCR（Remove Bayer Component Relation, RBCR）压缩算法。在RBCR压缩算法中,根据Bayer图像相关性较高的特点,对Bayer图像进行颜色分量分离,得到处理单元子图,对各子图进行1*4整型离散余弦变换,降低Bayer图像中各颜色分量空间域内的相关性;对变换后的各分量DCT系数使用标准JPEG2000算法独立完成小波变换、Tier1编码、MQ编码和率失真斜率计算等,再基于率失真斜率联合截取方法完成各个分量的码流截取,即使用相同的率失真斜率门限值,按照率失真斜率值由高到低的顺序依次完成所有分量编码码块的码流截取,最后各个分量的截取结果再进行独立的码流组织输出。在RBCR算法中通过加入DCT变换降低Bayer图像相关性和对各个分量码流的率失真斜率联合截取,提高恢复图像质量且精确控制了码率。实验结果表明,RBCR算法与各个分量独立压缩方法相比,恢复图像质量得到提升,尤其在4倍的压缩倍数下效果最佳,峰值信噪比平均提高1.814dB,复杂峰值信噪比平均提高2.414dB,可以满足深空探测低复杂度和高质量图像的要求。     

基于谱残差视觉显著性的带钢表面缺陷检测

针对带钢表面缺陷检测实时性要求高,采集的图像易受光照环境影响且缺陷特征弱等因素影响,提出一种基于谱残差视觉注意模型的带钢表面缺陷在线检测算法。首先,提出改进同态滤波方法对图像预处理,去除光照不均匀的影响,改善后续的分割结果。然后,构建谱残差视觉注意模型,通过对数频谱曲线差分得到缺陷显著图像。最后,提出加权马氏距离方法对显著图像阈值化增强,并利用连通区域标记法,标记出原带钢图像的缺陷位置。对提出的算法进行了实验验证,结果显示:该算法检测速度快,单幅图像平均检测耗时仅37.6ms,满足带钢在线实时检测要求。在同一缺陷数据库与灰度投影法,多尺度Gabor边缘检测法和隐马尔可夫树模型法进行了性能对比,结果表明:本文算法对带钢常见8类缺陷类型,平均检测率达到了95.3%,且漏检率和误检率较低,有效性高于对比算法。     

基于多尺度多特征视觉显著性的海面舰船检测

为了精确地检测到舰船目标,提出了一种基于多特征、多尺度视觉显著性的海面舰船目标检测方法。该方法首先利用多尺度自适应的顶帽算法抑制云层、油污的干扰,然后提取双颜色空间特征以及边缘特征构成双四元数图像进行舰船显著性检测。由于充分利用了双四元数图像,故可对多个特征尺度进行处理,并保证不同尺度特征之间关联性。该方法还利用人眼对不同用大小的图像关注目标不同的特点对图像进行上下采样以避免漏检和检测重叠。在得到显著图后利用自适应图像分割(OTSU)算法确定舰船所在的区域,并在原图上标定、提取舰船目标。在多种海面情况下进行了实验分析,结果表明:该算法可以排除多种干扰,精确地检测到舰船目标,真正率达97.73%,虚警率低至3.37%,相较于他频域显著性检测算法在舰船检测方面有明显的优势。     

基于VGG16模型的快速闭环检测算法

深度卷积神经网络在图像特征表示方面优于传统手工特征,将其用于闭环检测时还存在计算时间随着数据增长不断增加的问题。为了解决这一问题,提出了一种基于VGG16模型的快速闭环检测算法。该算法使用在ImageNet上预训练的VGG16网络模型提取图像卷积特征,并通过一种自适应粒子滤波方法得到闭环候选帧,以固定运算时间。在主流的闭环检测数据集City Centre和New College上对此算法进行测试,实验结果显示,该算法在两个数据集上可以分别达到92%准确率下70%召回率和96%准确率下61%召回率,超过了同类算法,并有效解决了计算时间增长的问题。     

基于改进ECT的隔热材料胶层无损检测研究

电容层析成像(ECT)技术是能显示被测物场的二维或三维介质分布图像的实时检测技术,基于平面阵列传感器的ECT系统为陶瓷多孔隔热材料缺陷检测提供一种新的技术途径。本文针对陶瓷多孔隔热材料粘结胶层的缺陷无损检测问题,提出了一种基于改进的电容层析成像方法。首先在分析平面阵列传感器ECT检测系统模型及成像原理的基础上,提出了一种改进初值的Landwebe迭代图像重建算法;进一步将该算法应用到基材表层与隔热材料之间的粘结胶层的缺陷检测领域,并通过实验验证了采用基于改进ECT的无损检测方法在陶瓷多孔隔热材料粘结胶层缺陷检测中应用的有效性;同时与采用传统ECT成像算法的检测实验进行比较。结果表明本文提出的改进ECT算法对胶层缺陷图像重建质量具有较大幅度的提高。     

应用颜色聚类图像块的多舰船显著性检测

由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。     

基于非负矩阵分解算法的工程陶瓷磨削表面损伤检测

考虑表面损伤检测在工程陶瓷表面质量评价中的重要作用,首次把非负矩阵分解(NMF)图像重构算法引入工程陶瓷磨削表面损伤检测中,并进行了理论分析与实例检测。首先,将输入图像数据集从原始数据空间降维到一个低维NMF空间,利用本文提出的图像重构相对误差0.1监督规则,确定子空间基r值。然后,利用两个低维非负矩阵进行图像重构,获取磨削纹理背景图像,并通过图像减法去除磨削纹理。最后,利用Canny边缘检测算法提取工程陶瓷磨削表面损伤图像。实验结果表明,该方法能够准确提取表面损伤并计算磨削损伤率评价参数。     

Bayesian model for detection and classification of meningioma nuclei in microscopic images

Image segmentation aims to determine structures of interest inside a digital picture in biomedical sciences. State‐of‐the art automatic methods however still fail to provide the segmentation quality achievable by humans who employ expert knowledge and use software to mark target structures on an image. Manual segmentation is time‐consuming, tedious and suffers from interoperator variability, thus not serving the requirements of daily use well. Therefore, the approach presented here abandons the goal of full‐fledged segmentation and settles for the localization of circular objects in photographs (10 training images and 20 testing images with several hundreds of nuclei each). A fully trainable softcore interaction point process model was hence fit to the most likely locations of nuclei of meningioma cells. The Broad Bioimage Benchmark Collection/SIMCEP data set of virtual cells served as controls. A ‘colour deconvolution’ algorithm was integrated to determine (based on anti‐Ki67 immunohistochemistry) which real cells might have the potential to proliferate. In addition, a density parameter of the underlying Bayesian model was estimated. Immunohistochemistry results were ‘simulated'for the virtual cells. The system yielded true positive (TP) rates in the detection and classification of real nuclei and their virtual counterparts. These hits outnumbered those obtained from the public domain image processing software ImageJ by 10%. The method introduced here can be trained to function not only in medicine and morphology‐based systems biology but in other application domains as well. The algorithm lends itself to an automated approach that constitutes a valuable tool which is easy to use and generates acceptable results quickly.     

窗口融合特征对比度的光学遥感目标检测

提出了一种基于窗口融合特征对比度的光学遥感目标检测方法。首先,在训练图像上生成大量不同尺寸的滑动窗,计算了各窗口的多尺度显著度、仿射协变区域对比度、边缘密度对比度以及超像素完整度4项特征分值,在确认集上基于窗口重合度和后验概率最大化学习各个特征的阈值参数。然后,采用Naive Bayes框架进行特征融合,并训练分类器。在目标检测阶段首先计算测试图像中各窗口的多尺度显著度分值,初步筛选出显著度高且符合待检测目标尺寸比例的部分窗口。然后计算初选窗口集的其余3项特征,再根据训练好的分类模型计算各个窗口的后验概率。最后,挑选出局部高分值的候选区域并进行判断合并,得到最终目标检测结果。针对飞机、油罐、舰船等3类遥感目标的检测结果显示:4类特征在单独描述3类目标时表现出的性能各有差异,最高检测准确率为74.21%~80.32%,而融合方案能够综合考虑目标自身特点,准确率提高至80.78~87.30%。与固定数量滑动窗方法相比,准确率从约80%提高到约85%,虚警率从20%左右降低为3%左右。最终高分值区域数降低约90%,测试时间减少约25%。得到的结果显示该方法大大提高了目标检测精度和算法效率。     

基于Canny边缘检测和加权最小二乘法的气泡水平仪实时检测方法

针对气泡水平仪的自动标定问题,对机器视觉领域中的边缘提取算法、最小二乘法、轮廓跟踪算法等方面进行了研究。提出了一种基于Canny边缘检测和加权最小二乘法的气泡水平仪实时自动检测方法,以提高检测气泡水平仪的准确度和效率。引入了Canny边缘提取算法对工业摄像机所拍摄的水准柱侧面图像进行处理,以得到参考线和气泡的边缘信息。引入了一种自适应选取Canny边缘提取算法的阈值的方法,以克服工业现场光照变化的影响。同时针对本应用场合,采用了加权最小二乘法对左右平行参考线进行拟合,并结合二分搜索算法对水平尺上的气泡位置进行了搜索,从而实现了气泡水平仪的高准确度实时检测。研究结果表明,该方法能够准确、快速地对气泡进行定位,能够较好地适应光照变化。     

基于栈式自编码器的磁探测电阻抗成像算法研究

针对目前磁探测电阻抗成像算法图像重建分辨率不高、精确度低的问题,提出了一种基于栈式自编码(SAE)神经网络的磁探测电阻抗成像算法。使用方形成像体进行仿真实验,通过训练样本建立SAE神经网络模型,确定神经元权重和偏置值。利用该网络模型重建成像体内部的电导率分布;并在异质体中心位置、算法的抗噪性能等方面将重建结果与基于Levenberg-Marquardt算法的反向传播神经网络的重建结果进行对比。结果表明栈式自编码神经网络算法显著提高了磁探测电阻抗成像的重建精度、抗噪性能。最后,通过仿体实验验证了SAE算法的可行性。根据实际测得的磁场,使用神经网络算法重建电导率,准确定位异质体位置。SAE神经网络算法的提出对于磁探测电阻抗成像技术的广泛应用具有重要意义。     

结合局部特征及全局特征的显著性检测

针对目前大多数显著性检测方法中采用背景种子以及局部区域对比度显著性检测模型的缺点,本文提出了一种综合考虑局部特征以及全局特征的显著性检测算法。在对图像进行分割之后,算法首先融合了采用多特征方式生成的背景显著图与采用前景区域对比度方式生成的前景显著图,之后使用高斯滤波器对融合后的结果进行优化形成局部特征显著图。其次,在局部特征显著图的基础上提取多种特征的样本集合进行训练,从而得到全局特征显著图。算法最后将第一步生成的局部特征显著图与全局特征显著图进行结合生成最终的显著图。实验部分验证了算法各部分的有效性,并且在3个公开数据集上对文章方法与近年来优秀的显著性检测算法进行了对比,实验结果显示,本文算法在CSSD数据集上的准确率、召回率以及F-measure分别达到了0.837 5、0.743 4和0.813 7,在其它数据集上也有良好表现。实验表明,本文算法能够有效抑制背景区域,并且高亮前景区域,更好地检测出显著目标。     

高速轨道超声成像伤损检测及其参数学习方法

针对高速轨道伤损检测问题,提出一种基于0°、37°、70°超声探头探伤的检测方法.该方法基于B型图像显示分析了各伤损的颜色、面积、倾斜角度、长度、质心坐标等特征,并根据其伤损特征的内在逻辑关系设计了检测算法.此外,由于超声成像过程受多种不确定因素的影响,同类伤损的图像特征常出现较大差异而影响检测准确率,为了提高算法检测...     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。