基于索贝尔边缘检测技术的涂胶路径获取的研究

涂胶工艺是制鞋、皮革制造、耳机组装和手机贴膜等生产中的瓶颈工艺,手动获取或根据零件图纸设计涂胶路径比较费时,并且精度不高。针对涂胶工艺路径获取效率过低的问题,以鞋底后帮轮廓为例,采用计算机图像处理技术完成图像获取、图像二值化和形态学处理,用索贝尔边缘检测技术快速获取图像边缘,对边缘的拟合与偏置后得到涂胶的路径,为涂胶工艺的瓶颈问题提供解决方案。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

多层焊填充层焊道图像处理及边缘提取

结合二维小波变换方法与数学形态学方法对多层焊填充层焊道图像进行处理,实现对焊道边缘及坡口边缘的提取。首先通过对图像进行小波变换获取明区及暗区信息,鉴于坡口边缘及焊道边缘两端暗区及明区的峰值绝对值大于其他位置,将图像小波变换结果进行二值化处理,取对应峰值的位置信息。然后根据图像明区及暗区的峰值所处位置特征采用图像形态学方法对其进行处理,最后提取焊道及坡口边缘。采用该方法获取的边缘与实际焊道及坡口边缘吻合。     

一种改进的六边形结构的Canny边缘检测算法

在图像处理过程中,为了获取更精确的边缘轮廓,将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阚值对边缘进行精确提取,经过这三个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边...     

基于遗传算法和神经网络的零件图像识别研究

从用遗传算法优化神经网络和以零件图像的相对边缘像素系数作为零件特征的方法出发,提出了零件图像识别的方法.首先,对零件图像分别进行小波多尺度边缘检测,获取零件图像的相对边缘像素系数作为特征样本.然后,应用遗传算法优化神网络的连接权值,用特征样本进行网络训练,获取遗传神经网络并对零件图像进行识别.实验结果表明,文中提出的方法是有效的.     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解和多尺度边缘检测,获取零件图像的小波分解系数和相对边缘像素系数。然后,将它们作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,所提出的方法是有效的。     

基于证据理论的零件图像识别

从零件图像的小波分解系数和图像相对边缘像素系数作为零件特征的方法出发，提出了基本概率分配构造和多源零件图像特征识别的方法。首先，对多源零件图像分别进行小波分解和多尺度边缘检测，获取零件图像的小波分解系数和相对边缘像素系数。然后，将它们作为神经网络的输入，获取多源零件图像识别的基本概率分配。最后，依据证据理论的合成规则得到零件的识别结果。实验结果表明，所提出的方法是有效的。     

基于改进Zernike矩的小模数齿轮亚像素边缘检测

针对传统Zernike矩亚像素边缘检测算法中奇数尺寸模板卷积的不对称性,在分析卷积不对称性和卷积窗口中心局限性对检测精度影响的基础上,提出一种改进的Zernike矩亚像素边缘检测算法。算法采用像素级边缘检测算子进行初定位,获取像素级边缘点;利用小尺寸奇数模板求解Zernike矩进行二级初定位,获取亚像素级边缘点;分析二级初定位边缘点所在区间;根据所在区间,选取偶数模板或者奇数模板求解Zernike矩进行精定位,获取更精确的亚像素级边缘点。为了验证算法的有效性,分别对模拟图像和实际图像进行亚像素边缘检测实验。根据齿轮的边缘特性,通过最小二乘拟合法评价算法对齿轮图像的检测效果。实验结果表明,该算法具有绝对定位精度高、抗噪性能强、曝光敏感度好的优点。     

基于小波变换和数学形态学的边缘检测法

提出一种基于小波变换和数学形态学的边缘检测算法.对于遥感图像的边缘检测,利用小波变换的特点,先对遥感图像进行分解,获取高频分量的详细细节.然后通过对遥感图像特点的研究,文中提出一种适于遥感图像的L形结构元素.利用小尺寸结构元素对边缘细节的检测能力,从而得到相对较好的图像特征和细节.     

分形理论和LOWESS方法在球罐焊接坡口检测中的应用

针对球罐焊接过程坡口边缘灰度变化不明显 ,受噪声和其它干扰信息的影响很难准确及时地处理图像的弱点 ,本文提出了分形理论和LOWESS方法相结合的图像处理方法。该方法是根据坡口图像的特点 ,首先利用LOWESS方法通过拟合坡口图像每一行的灰度值最低点求出坡口的中心线 ,然后利用图像的分形特征求坡口边缘相对于坡口中心线的偏移量 ,从而进行坡口边缘的识别。实验结果证明 ,该方法不仅能准确地识别出坡口图像的边缘 ,而且节省了图像处理的时间 ,为焊接过程的实时控制提供了可靠的信息     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

采用子图像抽取尺度变换的边缘检测方法

针对工业尺寸检测中现场采集图像模糊但目标占有空间尺度较大这一特点,利用低分辨率采样下图像高频特征失真较大而低频特征失真较小的原理,提出了一种通过图像抽取获得多幅不同尺度子图像分别进行边缘检测后,综合各子图像边缘与原图像边缘来提取大尺度弱边缘的算法。试验结果表明,本算法能有效地检测出图像中的大尺度弱边缘。     

一种基于均值滤波和梯度影响因子的滤波算法

均值滤波采用邻域平均法对图像进行滤波,在降低噪声的同时破坏了图像的细节和边缘。针对这一问题提出了一种在均值滤波算法的基础上增加梯度影响因子的滤波算法,可实现在滤波的同时尽量保留图像的边缘,达到既减小图像噪声又保留边缘的目的。将梯度影响因子进行多项式展开可以降低程序的时间复杂度。通过实验对比表明,改进算法对图像细节和边缘有更好的保护,同时达到更好的滤波效果。     

适用于光照不均匀图像的边缘检测算法

首先利用图像梯度方向特征改进Canny算法,使之更适合连续边缘的检测。然后将其与基于侧抑制原理的图像增强算法结合,设计了一种新的适用于噪声背景下光照不均匀图像的边缘检测算法。算法实验结果表明该边缘检测算法能有效提取光照不均匀图像中的连续边缘。     

基于动态域值的鞋帮图像边缘提取方法

图像边缘提取是图像拼接中常用的一个重要的特征。随着CAD技术的发展,鞋帮图像库变得越来趣大．使得特征的自动提取显得越来越重要。然而在大图像库中．每幅图像的前景和背景间的变化均不相同,自动提取边缘过程中.不同图像边缘的阈值选取非常关键。为实现鞋帮太图像库中图像边缘的自动提取,阈值的动态调整是很重要的。本文提出的动态阈值调整法．能够自动提取各种变化不同的图像边缘。     

高阶混合正则化图像盲复原方法

提出了一种高阶混合正则化图像盲复原方法,用于实现模糊噪声图像的清晰化盲复原。根据自然图像边缘的稀疏特性,对图像的边缘细节成分进行了全变差(total variation TV)正则化约束,根据自然图像同性质平滑区域内像素值的变化规律,将一种高阶的类Tikhonov正则化约束运用于图像的平滑区域中,提出了一种新的高阶混合正则化模型。最后,提出一种多变量分裂布雷格曼(Multi-variable Split Bregman MSB)最优化迭代策略对提出的模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像的边缘细节,同时有效地消除图像平滑区域内的阶梯和假边缘瑕疵。与近几年的一些较好的图像盲复原方法相比,本文方法的信噪比增量(increase of the signal to noise ratio ISNR)增加了0.03~2.5 dB。     

基于边缘预测和稀疏约束的湍流图像盲复原

大气湍流严重影响天文观测图像的成像效果,必须对退化图像进行处理才能获得清晰的图像。经典的湍流退化图像盲复原算法(IBD、NAS-RIF等)使用的先验知识过于简单,导致很多场合不能获得较优的复原效果。近几年提出的稀疏表达理论,使用自然图像边缘的稀疏先验信息指导图像复原,能复原出较多的细节,但它直接使用模糊图像的梯度图像指导点扩散函数复原,而模糊的梯度图像包含很多噪声和伪边缘,无效的梯度会误导点扩散函数的估计,从而使复原图像中出现较多伪迹。针对上述问题,提出了一种基于边缘预测和稀疏比值正则约束的湍流退化图像盲复原算法,该算法首先从当前的复原图像中预测出有效的边缘,然后将边缘预测信息与自然图像边缘的稀疏先验信息相结合指导点扩散函数复原,得到点扩散函数后,再通过一种非盲复原算法恢复出当前的目标图像,并将此复原图像作为下一次边缘预测的输入图像,如此迭代循环直到求出最终清晰的目标图像。所提算法结合了图像的先验信息与退化图像自身包含的有效信息,能有效抑制图像复原过程中产生的伪迹,获得令人满意的结果。针对多幅模拟的湍流退化图像进行仿真测试,验证了算法的有效性。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量.本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法.该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图...