PCB检测中图像分割技术研究

光学检测是进行印刷电路板(PCB)装配质量检验的重要手段,应用图像分割技术可以提取PCB中的目标物以进行检测。针对PCB图像分割,提出一种基于改进量子遗传算法的图像分割方法。该方法将基于阈值的图像分割方法转化为阈值优化问题,通过改进量子遗传算法的计算实现最优图像分割阈值的求取。仿真结果验证了该方法的可行性。     

一种改进的Canny图像分割算法

针对目前图像分割算法普遍存在噪音鲁棒性差、易发生细小边界信息缺失以及适用范围较窄的缺点,改进Canny边缘提取算法中的问题阈值并与原色特征提取加权融合。首先针对Canny算子阈值的自适应性问题,通过计算图像背景与目标之间的类方差来减少错分概率来决定阈值。然后,在具有丰富信息的彩色图像上提出R、G、B这3种原色特征,通过原色特征提取的分割图像与阈值分割提取的图像加权融合形成全新的分割图像。该算法不仅克服了传统分割提取算法边缘信息丢失、鲁棒性差的问题,而且提高了细节点的单位精度,实验结果表明了本文改进Canny边缘算法的有效性。     

一种结合多特征的SVM图像分割方法

在分析了频域相位信息和纹理信息在表征图像特征方面的重要性之后,提出了一种结合相位一致和纹理特征的SVM图像分割方法。该方法将相位一致性统计特征、纹理特征和灰度特征一起组合成训练特征向量,采用支持向量机分类方法对图像进行分割。相对于传统方法,该方法提取的统计特征向量可以有效地反映图像边缘细节和纹理信息。实验结果表明,该方法比传统的SVM图像分割方法更有效,尤其适用于图像中目标区域的边缘对比度低和纹理信息丰富的情形。     

结合异质扩散和小波包分解的医学图像分割算法

提出一种医学图像解剖结构特征提取算法,结合异质扩散和小波包分解实现了医学图像分割.在异质扩散基础上,提出一种新的FAB扩散方法对图像进行去噪,同时保持图像解剖结构的边缘和局部细节;然后用一个基于小波包分解的自适应边缘检测算法来检测图像的解剖结构的轮廓特征.分割结果表明,该方法能在有效地去除噪声的基础上完成医学图像解剖结构轮廓特征的提取.     

红外与可见光图像分解与融合方法研究

红外与可见光图像融合旨在生成一幅新的图像,能够对场景进行更全面的描述。本文提出一种图像多尺度混合信息分解方法,可有效提取代表可见光特征分量的纹理细节信息和代表红外特征分量的边缘信息。本文方法将边缘信息进行进一步分割以确定各分解子信息的融合权重,以有效地将多尺度红外光谱特征注入到可见光图像中,同时保留可见光图像中重要的场景细节信息。实验结果表明,本文方法能够有效提取图像中的红外目标,实现在融合图像中凸显红外目标的同时保留尽可能多的可见光纹理细节信息,无论是主观视觉还是客观评价指标都优于现有的图像融合方法。     

基于语义分割的简洁线条肖像画生成方法

针对目前主流的线条提取算法对于区域对比度不明显的边缘的检测能力较弱,且对于所有区域采用无差别、统一化的处理策略,所生成的线条画往往较复杂,非常不利于机器人机械臂绘图的问题,本文提出了一种基于语义分割的简洁线条肖像画生成方法(concise line portrait generation based on semantic segmentation, CLPG-SS)。首先,对人脸图像进行语义分割,将人脸划分为不同的区域,基于不同区域提取边缘轮廓与五官细节线条,进行边缘切向流优化,从而加强方向信息;在此基础上,利用线条图来生成调和图像,并利用优化后的边缘切向流、人脸语义分割结果以及调和图像,针对不同的分割区域调整线条提取方法的参数,实现对细节无关区域的线条过滤和细节重点区域的线条加强,生成简洁线条肖像画。实验结果表明:本文提出的CLPG-SS方法能够有效提取人脸主轮廓线条,并针对不同区域实现了对细节线条的针对性调节,提高了机器人机械臂的绘制效率。     

频域多方向C-UNet及动态损失的工业烟尘图像分割

工业烟尘污染等级监测中烟尘的准确分割是污染等级判定的重要前提.针对边缘模糊且方向多变烟尘在特征提取过程中边缘方向细节信息提取困难、分割不准确的问题,本文提出一种频域多方向C-UNet及动态损失的工业烟尘图像分割方法.首先,通过构建轮廓波多方向分解下采样结构增强编码阶段烟尘边缘方向信息的提取能力;其次,通过轮廓波变换提取烟尘8个边缘方向细节信息进行跳跃连接,提升持续采样过程中细节信息的表达准确度;然后,构建轮廓波细节重构上采样结构增强解码阶段烟尘边缘细节信息的恢复能力;最后,提出一种动态加权策略构建组合损失函数来优化训练网络,增强网络对烟尘边缘特征的提取能力.结果表明,本文方法与U-Net和其他同类方法相比在指标上有较好提升,改善了烟尘边缘分割不准确的问题,在不同烟尘场景上的分割效果也优于现有分割模型.     

基于改进分水岭算法的硅片缺陷提取方法

为了提取硅片表面的缺陷,对其缺陷的提取技术进行了研究,提出了改进水分岭算法进行缺陷提取.该方法首先利用形态滤波对缺陷图像进行滤波,并对滤波后梯度图像进行平滑,在去除噪声的同时很好的保持物体轮廓和细节;为了克服分水岭算法的过度分割问题,利用区域强度准则和边界强度准则对过分割区域合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取奠定了基础.     

基于边缘差分的运动目标检测方法

针对视频序列中的运动目标检测问题,提出了一种新的基于边缘差分的运动目标检测方法.通过改进的边缘检测算法提取视频序列中相邻帧的边缘图像并作差分,采用改进的Otsu法对差分图像进行阈值分割,得到运动目标检测的结果.结合Prewitt算子和Sobel算子改进的边缘检测算法能够获取纹理丰富、细节显著的边缘图像,边缘差分结果更加理想;改进的Otsu法联合类内方差能够很好地抑制噪声,保留更多的纹理细节.实验结果表明,提出的方法能够提取更加完整的目标区域,对背景噪声更加鲁棒.与最近一些同类算法相比,在背景运动和光照变化条件下,该方法具有更加优越的运动目标检测性能.     

一种虹膜定位的新算法

针对虹膜外径边缘图像提取的困难,提出对增强了对比度的虹膜图像进行阈值分割之后用圆检测方法进行虹膜定位的简便而快速的算法.首先,根据虹膜图像的边缘图像用圆检测随机Hough变换方法提取瞳孔的圆心与半径;然后,对用直方图均衡化方法增强了对比度的虹膜图像进行阈值分割,提取分割后的图像的二值边缘图像;最后,利用已经提取的瞳孔的圆周参数等先验知识检测虹膜外径与圆心。实验结果表明,该算法提高了虹膜定位的速度,并且具有较好的健壮性与稳定性。     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

基于冗余小波变换与引导滤波的多聚焦图像融合

针对传统多尺度变换在多聚焦图像融合中存在的边缘晕圈问题,提出了一种基于冗余小波变换与引导滤波的多聚焦图像融合算法。首先,利用冗余小波变换对图像进行多尺度分解,将源图像分解为一个相似平面和一系列小波平面,该多尺度分解能够有效地提取源图像中的细节信息;然后,对相似平面和小波平面分别采用引导滤波的加权融合规则来构造加权映射,从而得到相似平面和小波平面的加权融合系数;最后,进行冗余小波逆变换,即可得到融合结果图。实验结果表明,与传统融合算法相比,所提算法能够更好地体现图像边缘的细节特征,取得了较好的融合效果。     

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。     

一种印刷电路板缺陷图像边缘信息提取方法

为了较好地提取印刷电路板缺陷图像边缘信息,提出了基于二阶曲线拟合、模式聚类与阈值比较法相结合的印刷电路板缺陷图像边缘信息提取方法。首先分析了最小二乘法拟合的基本原理;然后在此基础上提出了采用二阶曲线拟合法来设定阈值进行拟合得到大致的图像边缘,并分析了其基本原理;最后在模式聚类基础上利用阈值比较法选择适当阈值截取拟合曲线得到图像边缘点、去除噪声边缘点,连接各个图像边缘点可得到缺陷图像的边缘信息。用由显微镜及CCD获取的4幅印刷电路板缺陷图像进行了实验;从实验主观效果看,用该方法提取出图像边缘信息的效果较好,图像边缘比较连续,噪声点极少;从实验客观效果评价看,用该方法所得到的图像边缘信息熵较大。实验结果表明,该方法结合了二阶曲线拟合、模式聚类与阈值比较法优点,可较好地提取出印刷电路板缺陷图像的边缘信息。     

噪声图像中边界提取方法的研究

在噪声图像中如何有效的提取边界是图像分析中的难点，常用的边界提取方法往往对噪声对敏感，文章针对这一情况采用了保持图像细节的多级组合滤波器先将噪声从图像中分离出来，然后再对图像进行边界提取，实验表明，该方法可以在有效的抑制噪声的同时提取出有意义的边界。     

各向异性导向滤波的红外与可见光图像融合

目的 针对红外与可见光图像融合时易产生边缘细节信息丢失、融合结果有光晕伪影等问题，同时为充分获取多源图像的重要特征，将各向异性导向滤波和相位一致性结合，提出一种红外与可见光图像融合算法。方法 首先，采用各向异性导向滤波从源图像获得包含大尺度变化的基础图和包含小尺度细节的系列细节图；其次，利用相位一致性和高斯滤波计算显著图，进而通过对比像素显著性得到初始权重二值图，再利用各向异性导向滤波优化权重图，达到去除噪声和抑制光晕伪影；最后，通过图像重构得到融合结果。结果 从主客观两个方面，将所提方法与卷积神经网络（convolutional neural network，CNN）、双树复小波变换（dual-tree complex wavelet transform，DTCWT）、导向滤波（guided filtering，GFF）和各向异性扩散（anisotropic diffusion，ADF）等4种经典红外与可见光融合方法在TNO公开数据集上进行实验对比。主观分析上，所提算法结果在边缘细节、背景保存和目标完整度等方面均优于其他4种方法；客观分析上，选取互信息（mutual information，MI）、边缘信息保持度（degree of edge information，Q^AB/F）、熵（entropy，EN）和基于梯度的特征互信息（gradient based feature mutual information，FMI_gradient）等4种图像质量评价指数进行综合评价。相较于其他4种方法，本文算法的各项指标均有一定幅度的提高，MI平均值较GFF提高了21.67%，Q^AB/F平均值较CNN提高了20.21%，EN平均值较CNN提高了5.69%，FMI_gradient平均值较GFF提高了3.14%。结论 本文基于各向异性导向滤波融合算法可解决原始导向滤波存在的细节"光晕"问题，有效抑制融合结果中伪影的产生，同时具有尺度感知特性，能更好保留源图像的边缘细节信息和背景信息，提高了融合结果的准确性。     

基于改进粒子群算法的彩色图像边缘检测方法

针对传统图像边缘检测方法检测效果不理想的问题,利用四元数的矢量旋转原理,将一种改进后的粒子群优化算法引入四元数图像边缘检测中,提出一种新的彩色图像边缘检测方法。实验结果表明,该方法对彩色图像的边缘检测效果较好,能够提取图像纹理细节,且算法稳定、容易收敛,边缘检测速度也较快。     

基于注意力与残差级联的红外与可见光图像融合方法

红外与可见光图像融合是在复杂环境中获得高质量目标图像的一种有效手段,广泛应用于目标检测、人脸识别等领域。传统的红外与可见光图像融合方法未充分利用图像的关键信息,导致融合图像的视觉效果不佳、背景细节信息丢失。针对该问题,提出基于注意力与残差级联的端到端融合方法。将源图像输入到生成器中,通过层次特征提取模块提取源图像的层次特征,基于U-net连接的解码器融合层次特征并生成初始融合图像。将生成器与输入预融合图像的判别器进行对抗训练,同时利用细节损失函数优化生成器,补充融合图像缺失的信息。此外,在判别器中,采用谱归一化技术提高生成对抗网络训练的稳定性。实验结果表明,该方法的信息熵、标准差、互信息、空间频率分别为7.118 2、46.629 2、14.236 3和20.321,相比FusionGAN、LP、STDFusionNet等融合方法,能够充分提取源图像的信息,所得图像具有较优的视觉效果和图像质量。     

基于小波变换与偏微分方程的图像分解及边缘检测

针对含纹理的自然图像在图像分解时,结构图像的边缘信息容易被当作纹理分解到纹理图像中,致使结构图像的边缘不清晰,检测到的边缘不准确,提出了基于小波分解的偏微分方程(PDE)图像分解及边缘检测模型。首先利用小波变换阈值提取部分纹理信息,再利用改进的保边缘的偏微分方程图像分解模型进一步分解图像并提取边缘。实验结果表明,新方法提高了图像分解的质量,纹理信息提取充分,结构图像有较好的分片光滑性和较清晰的边缘,检测到的结构边缘更准确。     

基于形态学滤波结合LOG算法的边缘检测

边缘检测是一种尝试从图像中提取有效部分的方法,主要捕获图像像素的急剧变化和检测重要的区域。为了更有效地进行边缘检测和抑制噪声,文章中对常规形态学边缘检测进行了改进,采用了多阈值分解对灰度图像进行二值化处理和分解,之后对图像进行了基于二阶拉普拉斯算子的LOG边缘检测,在初步提取出图像边缘后,又进行了多结构形态学滤波来实现对图像边缘进行进一步边界增强。实验结果表明,该法保留了更完善的边缘信息,有效消除了叠加噪声。