面积约束下的最优阈值法分割LED像素点阵

针对基于CCD相机采集方式的亮度校正方法需要从采集图像中分割出每颗LED像素的亮度信息的问题,提出面积约束下的最优阈值分割法。在最优阈值分割法的基础上,根据先验信息引入面积约束条件,对阈值的取值范围进行约束。与传统的最优阈值法相比可以避免分割后LED像素区域连接的情况。面积约束下的最优阈值分割法生成采集图像的灰度直方图,利用最优阈值算法结合面积约束生成最优阈值,最后通过图像的阈值分割法将采集图像分割。实验表明,该方法可以比较好地分割出采集图像中的LED像素,并可避免当LED像素点分布密集时应用最优阈值法分割LED像素造成的区域连接问题。     

基于亚像素边缘检测的LED芯片定位算法研究

LED芯片的定位精度直接决定了LED制造装备的生产质量和效率,为了提高LED芯片的定位精度,提出了一种基于亚像素边缘检测的芯片定位算法.该算法首先采用Gamma变换方法增强图像的对比度,并利用Blob算法获取芯片有效区域;接着采用Canny算法进行芯片亚像素边缘轮廓的提取;最后,通过拟合芯片边缘轮廓,获取芯片位置中心,完成芯片位置的精确识别.该算法不需要人工训练模板进行匹配,提高了边缘提取的定位精度,实验表明,该算法能在平均4 ms内完成一颗芯片的识别,且重复精度达到0.1 pixel,满足LED芯片高速高精度定位需求.     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

一种基于白像素增量比的字幕图像分割算法

字幕分割是指对检测定位到的视频字幕图像进行分割,使其字符像素与本底背景像素分离,二值化为可供OCR软件识别的字幕图像。为了克服字幕图像分割中容易出现的过分割及欠分割现象,提出一种基于字幕区域和外扩区域"白像素"数量增量比判决的字幕图像分割算法,该算法通过逐步改变图像分割阈值,以分析图像分割结果作为反馈来判决当前分割效果的好坏,从而确定最优分割阈值。大量结果表明,该算法性能良好,其分割效果远优于传统的OTSU算法、K均值聚类等经典算法。     

一种改进的亚像素边缘检测方法

为满足测量系统的快速、高精度的图像测量要求,提出一种基于传统Zernike矩结合小波变换实现亚像素边缘检测的方法。算法先用小波模极大值原理对图像粗定位,再用Zernike矩算法对边缘进行亚像素定位,并用最大类熵阈值法计算阈值,实现图像的亚像素边缘检测。实验表明,该方法抗噪性能好,且检测精度更高,能达0.1~0.2个像素。     

改进的分水岭算法用于X光医学图像分割

为了提高医学图像分割质量,提出了一种基于X光医学图像的改进分水岭算法。算法在应用分水岭算法前首先对感兴趣图像进行预处理,包括对感兴趣区域进行最小阈值法,分离背景区,对前景区运用腐蚀和膨胀运算得到候选区;在分水岭变换过程中,通过像素聚类合并准则,将与主像素聚类有相同特性的次像素聚类加入到分割结果中,最终得到合并区域。试验证明,这种改进的分水岭算法使过分割现象得到减少,有效地分割和提取医学图像中的病变区域。     

一种新颖的亚像素级SAR图像水陆分割方法

星载合成孔径雷达(Synthetic Aperture Radar,SAR)图像水陆分割对水域识别、洪水监测等领域研究具有重要意义。然而,星载SAR图像的空间分辨率通常在米至十米量级,水域边界上会存在大量既包含陆地又包含水域的混合象元。传统像素级水陆分割算法难以获取高精度的水陆分割结果。本文提出一种新颖的亚像素级SAR图像水陆分割方法,该方法采用一种改进的非局域滤波算法抑制相干斑噪声,再利用模糊C均值聚类算法进行像素级水陆分割,在此基础上应用基于双三次样条插值与几何主动轮廓模型的精分割方案,获取更高精度的亚像素级水域轮廓。本文以南水北调中线工程水源地——丹江口水库为实验区域,利用国产高分三号（GF-3）卫星的多模式SAR图像,开展水陆分割验证实验。实验结果表明,所提方法可实现亚像素级精度的水陆分割,与传统方法相比,平均像素偏移精度提升一个数量级。     

LED模组畸变度的质心拟合定位检测

针对LED显示屏以模组为最小单位进行拼接而出现模组发生空间畸变的问题,提出了基于CCD相机采集并利用图像处理技术定位检测LED显示屏模组畸变度的方法。首先,根据LED像素在采集图像上的光型分布,利用canny边缘检测方法结合闭合填充算法将LED点阵像素分割;然后,利用被分割出的空间区域信息和灰度信息,采用加权质心法对每个LED像素进行亚像素级的加权定位。接着,以模组拼接的LED显示屏为例,构建了模组畸变模型,并根据畸变模组和理想模组的线性关系利用最小二乘法进行拟合;最后,利用梯度下降法求得每个模组的畸变参数。实验结果表明:采用这种方法测量多种模组LED点间距的精度为0.5mm,模组畸变特征参数的测量过程中,角度测量精度为1.3°,位移测量精度为2.2mm,基本满足自动影像测量的稳定可靠、精度高、抗干扰能力强等要求,并可在户外机械检测无法测量的情况下应用。     

边缘梯度算法在LED晶片定位的应用研究

为解决LED晶片分拣机图像处理较慢、无法识别晶片旋转角度等问题,应用基于边缘梯度的算法对晶片定位。使用Canny算子提取图像边缘点,保存边缘点对应的梯度。通过归一化互相关匹配法计算模板和待搜索图像梯度的相关性,最后根据相关性大小获取晶片的旋转角度与中心,并且提出了多LED晶片的快速识别方法。实验表明,应用该算法平均3.2ms完成一个晶片角度的识别与定位,速度优于HexSight,且精度和识别率与HexSight相当,满足LED晶片高速识别与定位的需求。     

激光测距仪镜头感光元件的快速识别与定位算法研究

在激光测距仪镜头组件的自动化装配中,快速、精准识别感光元件雪崩光电二极管(APD)的定位坐标,对于完成镜头焦点的精确对位以及提高图像处理效率至关重要。针对APD的图像识别与定位过程,本文提出一套基于机器视觉的高效、高精度的图像处理算法。首先在粗定位图像处理阶段中,为提高运算效率,利用抗干扰性强的高斯金字塔搜索归一化互相关匹配(NCC)算法,对图像中的APD进行粗定位。在边缘检测中,采用Otsu算法自适应地根据梯度图像变化生成高低阈值,避免了传统Canny算法的手动设置高低阈值的难题。在目标轮廓提取阶段采用连通域标记法,过滤掉孤立的像素点和非目标区域像素点,保证了下一步的轮廓拟合精度。在最后的轮廓拟合精定位阶段中,通过对两种拟合算法比较过程中,确定最小二乘法圆拟合亚像素定位算法进行APD轮廓拟合,可以保证效率和定位精度,实验结果表明整个图像处理系统用时596 ms、定位精度0.4 pixel,相对误差为0.64%,实现了APD图像快速、精准定位的过程,提高了定位精度和效率。     

强起伏云背景下的小目标图像预处理算法

强起伏云背景下的小目标分割是图像处理中的重点和难点之一.本文将高通滤波和数学形态学图像处理算法相结合,提出一种新的预处理方法.首先,利用高通滤波器作为背景抑制滤波器,消除强起伏云背景对图像分割的影响;其次,利用阈值算法将背景抑制后的图像转化为二值图像;最后,应用形态学方法消除噪声得到最终的小目标分割结果.仿真试验表明,该算法具有较好的预处理效果.     

萤火虫群优化算法多阈值的脑CT图像分割

在基于多阈值的脑,CT图像分割算法中,最佳阈值选取是脑CT图像中的关键,针对传统多阈值法的阈值选择难题为了提高脑。CT图像的分割准确率,提出一种萤火虫群算法优化多阈值的脑CT图像分割方法首先建立了基于多阈值法的脑图像分割数学模型,然后通过萤火虫群算法数学模型进行求解,搜索到脑CT图像分割的最佳阈值,CT最后采用最佳阈值完成脑CT图像的分割。仿真结果表明,萤火虫群算法提高了脑CT图像的精度,获得了更加理想的脑CT图像结果。     

磁环表面缺陷图像分割算法的研究及实时实现

为实现小型磁环表面细微缺陷图像无监督分割,并提高分割精度与计算效率,本文提出了一种基于改进2D Gabor滤波器组的自适应阈值分割方法。首先,利用多尺度、多方向的Gabor滤波器组对缺陷图像进行滤波降噪处理,抑制目标区域与背景区域内部的噪声污染,同时增强区域间的差异性；然后,通过对处理后图像的灰度统计特性分析,根据缺陷图像的灰度均值及方差构造了灰度阈值计算公式,实现了小型磁环表面细微缺陷图像的自适应分割。实验结果表明,本文算法可快速、准确地分割缺陷并抑制噪声干扰,在分割精度、计算效率等方面也优于传统的选择迭代法、OTSU、最大熵等方法,并能够在先进的SEED-DVS8168平台上实时实现,验证了此算法的可行性与实时性。     

基于鲁棒Otsu的红外无损检测缺陷分割算法

在红外无损检测获取的图像中,缺陷区域与非缺陷区域所占面积比例悬殊,且图像经过序列增强处理之后仍然存在阴暗区域,导致缺陷分割准确性受损。为此,结合局部阈值分割法的相对阈值思想,提出一种基于鲁棒Otsu的缺陷分割算法。首先,引入邻域均值与邻域总梯度作为表征像素点的所属类别与空间状态的重要参数。然后,采用基于像素点-块区的统计调整模型对红外图像缺陷区和非缺陷区的灰度值进行动态调整。最后,采用基于灰度-邻域偏差的改进二维直方图及其区域划分方法,通过自动选取邻域边长的遗传算法搜索最佳阈值,实现红外图像的缺陷分割。结果表明:该算法不仅改善了Otsu算法的鲁棒性,且能够提高红外无损检测缺陷分割的准确性。     

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差（Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

表面贴装元件识别的一种亚像素边缘检测方法

亚像素算法是一种高精度的边缘检测算法.分析了亚像素边缘检测的原理及现有算法的优缺点,根据现有用亚像素对表面贴装元器件图像检测的算法,提出了三次样条插值的亚像素算法进行边缘提取.通过实验比较,认为该方法提高了边缘提取的精度,满足了贴片机视觉检测的要求.     

一种超分辨SAR图像水域分割算法及其应用

合成孔径雷达(SAR)图像水域分割在湖泊、河流等陆地水文监测领域有重要的研究意义。由于SAR图像分辨率不足所导致的陆地与水域边界模糊, 会影响水域分割精度。该文以中国青藏高原地区的多庆错湖为研究对象,使用Sentinel-1A SAR图像数据,综合运用深度残差模型、通道注意力与亚像素卷积,提出一种基于亚像素卷积的增强型通道注意力深度残差超分辨网络,对滤波后的SAR图像进行重建、水域轮廓提取与精度分析。通过比较不同超分辨算法下的重建结果及水域轮廓提取精度,该文算法在重建效果与提取精度上都较传统方法有明显提升,并具有很好的鲁棒性。     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。