超薄精密件对接接头图像采集和信息识别

针对0.1 mm不锈钢超薄板的超薄和微小尺寸等特点,研究其对接接头图像采集方案和信息识别方法;对比分析了曝光时间、亮度对图像采集的影响,采用Levenberg-Marquardt算法和全局优化法得出曝光时间、亮度和图像平均灰度值三者之间的匹配关系式;为了消除对接接头边缘毛刺、划痕和颗粒噪声对接头图像信息识别的影响,运用阈值分割、腐蚀和膨胀等形态学处理方法进行“去噪”处理,精确地得出了超薄板对接接头的信息.     

基于K均值的超分辨率图像噪声识别方法

现有的大部分噪声识别算法都是基于图像中只存在单一类型高强度噪声的假设,很少有研究者对于常见的低强度混合噪声进行研究,该文研究基于K均值的超分辨率图像噪声识别方法。采用加权均值算法灰度化处理超分辨率图像并提取出图像特征。通过粒子群算法建立聚类中心求解函数,自适应调整粒子惯性因子、学习因子及其适应度程度,寻找出全局最优聚类中心,结合K均值进行图像特征分类,确定具有噪声特征的类别,得到超分辨率图像噪声识别结果。实验结果表明,所提方法能够有效识别出各种类型超分辨率图像噪声,保证识别效果与速度。     

多聚焦图像灰度重叠特征自适应识别仿真

传统方法对多聚焦图像进行预处理,由于图像灰度重叠区域合并使原图像细节信息损失,导致多聚焦图像灰度重叠区域识别效果不理想,为此提出基于Mean-shift算法和OTSU阈值分割算法的多聚焦图像灰度重叠特征自适应识别方法。使用Mean-shift算法对多聚焦图像进行平滑处理,对平滑处理过后的多聚焦图像进行小波变换,将图像的灰度重叠区域灰度值增强;再使用阈值分割将经过灰度增强的重叠区域分类;通过OTSU算法识别出灰度重叠特征区域。实验结果表明,提出方法在图像灰度重叠区域的识别效果上较为突出,并且能够有效保留灰度重叠区域的细节信息。     

基于口腔图像的分割算法的研究

针对传统分割算法难以解决多目标分割等问题,提出了一种改进的一维Kapur熵多阈值分割算法.该算法依据Kapur熵阈值选择原理,应用图像灰度直方图信息,利用迭代合并和选择方法建立口腔图像中的阈值分割模型,解决了图像分割中阈值的自动获取问题和多阈值并行选择问题,实现了口腔图像中牙齿和病灶的分离.形状准则和一致性准则评价方法证明了该算法在抗噪声方面明显优于自适应阈值方法.获得的分割结果较好地保留了图像的灰度信息和边缘信息,为后续的图像分析和诊断工作提供了保证.     

梯度与视觉显著度下的图像灰度重叠区域识别

采用目前方法识别图像中存在的灰度重叠区域时,没有构建图像的显著性图,存在识别精度低、查全率低和识别效率低的问题.提出梯度与视觉显著度下的图像灰度重叠区域识别方法,根据Gestalt前背景分离原则对图像中存在的梯度通道和颜色通道进行随机阈值化处理,获得对应的二进制布尔图,采用线性平均融合方法融合利用上述获取的二进制布尔图生成视觉注意图.通过分块区域分割技术识别显著性图中存在的空间位置信息,为图像灰度重叠区域的识别提供点云数据,在云计算模式中结合局部空间降噪方法消除噪声,定位去噪处理后显著性图空置区域中存在的特征点,提取灰度重叠区域的动态特征,建立对应的灰度直方图,最后利用云检测技术识别图像中存在的灰度重叠区域.仿真结果表明,所提方法的识别精度高、查全率高、识别效率高.     

自适应阈值法在掌纹图像预处理中的应用

在生物识别方法的研究中,掌纹图像二值化是掌纹特征处理的前提,是掌纹识别预处理的一个重要部分。要提高识别精度,消除噪音,针对掌纹图像所具有的灰度分布特性,提出了一种结合掌纹图像库特点的改进自适应二值化分割算法,分割的结果只提取掌纹轮廓并不改变掌纹图像的纹理特性,能够有效保留掌纹图像信息。最后,根据自适应阈值法的分割结果对掌纹图像进行预处理,同时,证明了自适应阈值法的有效性和可行性。实验结果表明,该算法能够很好的提取掌纹轮廓、消除噪声,为下一步掌纹图像识别提供参考依据。     

基于局部蚁群算法的图像分割

为了解决光照不均匀、有噪声,或者背景灰度变化较大时,采用单一阈值不能兼顾图像各个像素的实际情况,提出一种利用局部蚁群算法对图像进行阈值分割的改进算法。对图像进行分块,在每块内分别设定阈值进行分割,可以有效减少像素错误归类的现象。该算法对图像的不同区域设置不同的迭代次数和蚂蚁走的步数,获得了更好的分割效果。实验表明该算法可以提高分割的精度,缩短程序运行的时间。     

基于口腔图像的分割算法的研究

针对传统分割算法难以解决多目标分割等问题，提出了一种改进的一维Kaput熵多闽值分割算法。该算法依据Kaput熵阈值选择原理，应用图像灰度直方图信息，利用迭代合并和选择方法建立口腔图像中的阈值分割模型，解决了图像分割中阂值的自动获取问题和多阈值并行选择问题，实现了口腔图像中牙齿和病灶的分离。形状准则和一致性准则评价方法证明了该算法在抗噪声方面明显优于自适应阈值方法。获得的分割结果较好地保留了图像的灰度信息和边缘信息，为后续的图像分析和诊断工作提供了保证。     

超混沌图像清晰光滑轮廓动态分割算法仿真

针对传统的图像分割表面出现模糊、并且噪声干扰较强等缺陷,提出一种超混沌图像清晰光滑轮廓动态分割算法.通过周期是三的周期点,分析连续性自映射超混沌现象,通过控制图像纹理结构不同的参数就能够对图像进行平滑处理,基于总差变对图像矩阵进行正则化处理,对图像的平滑程度进行调节,在基于判决分析的理论原则之下,由总像素获取图像概率分布以及灰度均值,计算最佳的阈值,明确类间反差最大为最佳阈值,最后选取高斯范本去噪并保留低频,完成图像轮廓动态分割.通过仿真证明:对超混沌图像分割后,目标轮廓清晰可见,边缘细节保存完好,分割准确率始终在90％以上,拟合曲线停止位置均较接近合理变化位置,图像分割效果达到最佳.     

基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法

为了克服图像噪声对图像分割结果的影响,利用图像中与像素具有相似邻域结构的像素提取当前像素的非局部空间信息,构造了基于像素的灰度信息和非局部空间灰度信息的二维直方图,并将此二维直方图引入到Otsu曲线阈值分割法中,提出了基于灰度和非局部空间灰度特征的二维Otsu曲线阈值分割法。实验结果表明,该方法能进一步提高原始二维Otsu曲线阈值分割法对于图像噪声的鲁棒性,获得了更加理想的分割结果。