基于仿生模式识别算法的海洋微藻识别研究

依据微藻个体及成像的特点,给出了矩形度、能量、熵、惯性矩、相关度和局部平稳度等形状和纹理参数作为识别的特征值,并利用仿生模式识别算法对海洋微藻实现自动识别。利用文中给出的方法,对在海域中随机采集的不同形状、大小、纹理的微藻混合图像进行识别实验,结果显示,该方法能够准确识别出图像中不同种及同种不同状态下的藻体,说明该方法在微藻图像识别中是有效和可行的。     

基于C-V主动轮廓模型的“陡峭”边界的微藻图像分割

采用Chan和Vese的C-V主动轮廓模型以及本文中改进的C-V主动轮廓模型对几类典型的海洋微藻图像进行了分割。当微藻图像的主要边界曲率变化较大,即主边界"陡峭"时,直接使用C-V主动轮廓模型难以获得微藻图像的边界。在改进的C-V主动轮廓模型中,通过人机交互绘制粗略的初始边界,并将其设定为初始零水平集,将符号函数引入到初始水平集中定义内外能量,再通过适当的参数调整进行图像边界的演化。将采用两种模型算法获取典型的海洋微藻图像边界的过程进行对比可知,对于带"陡峭"边界的微藻图像,采用C-V主动轮廓模型难以获得或以较慢速度获得图像边界,而采用改进的C-V主动轮廓模型不仅图像边界获取速度快,而且边界信息量大。实验结果验证了改进的C-V主动轮廓模型算法的有效性,为微藻图像的分割提供了新的技术手段。     

基于机器视觉的螺纹缺陷检测方法

针对目前螺纹缺陷检测方法效率低,在线检测较难实现等问题,提出了一种基于机器视觉的螺纹缺陷检测方法。通过工业CCD相机来采集螺纹的缺陷图像,对图像进行灰度化、增强、二值化和去噪处理。去噪方法选择的是数学形态学运算。数学形态学的腐蚀、膨胀、开运算和闭运算操作能够有效地保留螺纹形状特性,并且有效地保留螺纹的边缘信息。通过投影的方式定位螺纹主要部位,将螺纹的顶部和底部去掉,减少误操作。该算法通过使用减法运算定位螺纹的缺陷,从而检测出螺纹缺陷位置。实验结果表明,该算法具有较强的识别和检测缺陷的能力,满足了基本的设计需求。     

基于红外图像的森林凋落物阴燃火灾探测

针对森林凋落物阴燃火灾识别问题,利用小波阈值去噪去除图像中大部分噪声杂波,再采用形态学开运算进行边界平滑,完成阴燃火灾红外图像的预处理,在此基础上采用最大类间方差法对红外图像进行分割,完成阴燃火灾目标的提取,提取探测目标的温度、形状参数变化率和面积变化率,作为BP神经网络的输入向量,输出为阴燃火概率。结果表明,该方法对阴燃火灾的识别率为96.6%。     

粘连玉米粒群的分水岭分割与粒形的多尺度小波校正算法研究

为实现玉米粒群图像的自动分割和形态校正,在传统分水岭分割算法的基础上提出了一种新的粘连籽粒分离与形态校正算法。首先采用维纳滤波与数学形态学运算对玉米粒群图像进行滤波及背景均匀化处理;然后通过多种边缘检测算子相结合的检测方法,确定玉米籽粒的粘连边界,作为算法的分水岭;利用腐蚀算法与极值化处理确定了粒群图像的蓄水盆地,并以构建的分水岭和蓄水盆底完成对粒群图像的分水岭分割运算;最后利用多尺度小波分析的方法对籽粒图像进行正形。试验结果表明,该算法对玉米粒群图像的有效分割率和正形率分别为94%和95.6%,有效解决了传统分水岭分割方法易出现的过分割和泄露等问题,较传统算法在时间和准确率等方面均有很大提升。     

基于K-means算法车牌分割的应用

在车辆管理中,车牌的提取一直是一项重要的信息。本文针对车牌的分割问题进行研究和应用。首先做图像的预处理,把彩色图像转化成灰度图像,利用阈值迭代法进行目标的二值处理。车牌中文字以及数字的提取中,首先利用canny算子对这牌进行粗分割,粗分割之后存在一些小的断点或是噪声点,利用数学形态学腐蚀和膨胀进行去噪。最后利用k-means聚类的方法对这牌进行精细分割。本文采用MATLAB对算法进行仿真实验。     

基于小波系数Laplace模型的混合傅里叶-小波方法在去除电缆瓷套终端红外图像白噪声中的应用

抑制图像噪声是电气设备红外诊断技术的前提。为有效抑制白噪声,本文提出一种用于电缆瓷套终端红外图像的改进混合傅里叶-小波去噪方法。该方法先在傅里叶域中采用维纳滤波器去噪,得到初步去噪后的红外图像;再针对初步去噪后的图像,在小波域中采用考虑小波系数尺度间相关性的拉普拉斯模型对小波系数建模,并在此基础上,运用最大后验概率估计估计出真实图像的小波系数,利用真实图像小波系数的估计值来重构信号,得到最后的去噪图像。数值试验表明,与传统的软阈值方法比较,运用该方法去噪后的图像具有更高的信噪比(SNR)和更小的最小均方误差(MSE)。     

一种结合曲率与圆特征的实时指尖检测算法

为实时准确地获取指尖数量,提出一种结合曲率与圆特性的指尖检测方法。首先采用基于肤色与运动检测相结合的方式将手势区域从复杂背景中分割出来;然后对包含手势的图像进行二值化处理,进而对图像进行滤波与形态学处理后提取手势轮廓;再依据曲率的方法提取手势轮廓上的拟指尖点,最后利用指尖点的圆特性将非指尖点去除掉,得到准确的指尖数量。     

视盘自动分割算法

针对多数视盘提取算法因不均匀光照导致检测精度不高的问题,提出了1种基于阴影校正的视盘自动分割算法。首先,利用Otsu方法分割视网膜红色分量眼底图像,提取和填充最大连通区域,均值滤波后得到视网膜掩膜图像,并与视网膜红色分量眼底图像卷积;其次,运用特定形式的均值滤波器平滑视网膜图像边界点,创建视网膜阴影图像;最后,将卷积图像减去阴影图像,再次利用Otsu方法进行分割,提取最大连通域并填充,应用"圆盘形"结构元素进行形态学"开"运算提取最终的视盘图像。将所提出的算法在视网膜眼底图像有1 200张的MESSIDOR数据库和40张的本地数据库分别进行验证。实验结果显示,所提出的算法平均重叠率分别为0.895和0.91,高于目前相关视盘分割算法,表明即使在非均匀光照条件下也能获得满意的分割结果,基本能够满足临床应用对稳定性和精度的要求。     

基于多图像的自适应小波去噪

为有效地去除图像噪声,提出了采用2幅或者多幅输入图像的去噪算法.该算法通过对2幅或者多幅被不同等级的噪声所污染的图像进行正交小波变换,对变换后的系数进行加权运算,然后采用自适应于尺度和小波子带大小的自适应阈值方法进行去噪,以突出图像的特征,并减少噪声的影响.试验结果表明,与其他几种去噪方法相比,本算法具有良好的视觉效果,并且峰值信噪比也有较大幅度的提高.