关于图像分割算法的研究

近些年来人工智能在计算机领域内,得到了越来越广泛的重视。图像处理是人工智能领域中一个重要的分支。图像分割是进行图像分析处理的第一步,也是机器视觉的重要步骤。作为特征提取和图像识别的基础,图像分割的处理结果的研究一直是数字图像处理技术研究中的热点和焦点。为了研究图像分割的方法,采用了基于边界的图像分割、基于区域的图像分割、基于阈值的图像分割和基于聚类的图像分割方法,并作出分析。     

基于最大熵阈值分割算法的改进研究

图像分割是图像处理中的重要问题,也是机器视觉研究的经典难题。随着计算机技术的发展,产生许多图像分割方法,不少的研究者提出了许多改进的方法,如自适应阈值法、直方图互确认的图像阈值化分割、最大阈值法等,其中阈值法以其简单、有效、便于理解的特点被广泛的应用。阈值分割技术的目的是将目标从背景中分离出来,重点难点在于阈值的选取。在     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。     

基于免疫遗传算法的图像阈值分割

基于最大熵准则的图像阈值分割算法是一个图像分割的最优化问题，算法的运算量很大，用一种基于免疫调节机制的免疫遗传算法求解该准则下图像的一组最佳分割阈值，不仅提高了运算速度，而且克服了一般遗传算法的不足，仿真实验证明了该算法对复杂图像的良好分割效果和较强的实时处理能力。     

谷类作物粘连颗粒图像分割方法研究进展

在小麦、玉米等粮食作物的质量评价中,基于计算机视觉方法的应用研究非常广泛。在图像采集时,由于粮食颗粒形状小、数量多,分布随机、具有类圆性等特点,在质检时常出现粘连情况,将大大影响对粮食作物的准确计数、分类、定级、定价等。本文首先介绍基于阈值、边缘、区域等传统分割方法,阐明分水岭、凹点分割方法更加适用于粘连颗粒分割,明确各自优缺点;然后介绍基于深度学习分割算法的发展时间线,重点阐述基于U-Net、Mask R-CNN方法在处理粘连颗粒图像分割中的应用,统计相应的公开数据集,以找出更适合粘连籽粒分割的方法。最后对粘连颗粒图像分割方法所面临的挑战进行总结,并做出展望,为计算机视觉在相关领域的应用提供参考。     

基于CT图像肺实质分割的方法

医学影像研究的发展为现阶段肺癌病例的分析提供了平台,对肺部CT图像进行病灶区域的分割工作是对病灶区域定位的关键步骤。文章改进的阈值分割算法的基础上,提出一种简洁有效的基于模板卷积的CT肺实质割算法:首先对图像进行预处理,消除原CT图像中的边界噪声,然后将其二值化,并修补模板边界。在得到完整肺实质二值模板后,将其与原灰度图卷积,反复实验证明了本分割方法的有效性和快捷性。     

基于最小风险贝叶斯决策的织物图像分割

为了实现利用机器视觉技术进行织物图像检测,对织物图像的分割进行了研究。依据最小风险贝叶斯决策理论,提出了一种基于最小风险贝叶斯决策的图像分割方法。首先建立图像分割的最小风险贝叶斯决策模型,对灰度级类条件概率密度估计出其符合正态分布的数学期望和方差以及损失函数,再依据最小风险贝叶斯决策理论对图像中的每一像素点进行目标图像和非目标图像的类别判断,从而实现目标图像的提取。实验结果表明,该方法在图像分割中是一种实用和成功的方法。     

改进的阈值选取方法在纸病图像分割中的应用

全局阈值分割法对含有对比度不同的纸病图像分割效果差,把图像先分块再求阈值,可以分割出每块区域的目标。针对上述分割结果的不足,提出了一种改进的阈值选取方法,该方法是用改进的迭代法对分割的子块求阈值,最后与每块区域的平均灰度值作比较,找出整幅图像的最优阈值。以含有灰度不一污点的纸病图像为处理对象,实验结果表明改进的方法可以分割出低对比度纸病。     

基于相位一致性的低对比度纸病识别算法研究

针对机器视觉检测低对比度纸病,存在常规的阈值分割会引起低对比度纸病信息丢失以及边缘检测存在鲁棒性差的问题,本课题提出了一种基于相位一致性算法识别低对比度纸病的方法,并与常规的阈值分割以及边缘检测中具有代表性的canny算子进行了对比分析。结果表明,当识别低对比度纸病时,本课题提出的方法不仅保留的有用信息较常规阈值分割的多,而且鲁棒性较canny算子的边缘检测好。     

基于多技术融合的桥梁蜂窝麻面的图像分割

在桥梁安全检测中,桥梁蜂窝麻面病害的检测主要受到光照不均等的问题,由此提出了一种基于融合多种图像处理技术的桥梁蜂窝麻面的图像分割算法.首先基于各类图像灰度化算法,找出了基于原始图像的加权法灰度化最适合应用于蜂窝麻面病害之上;其次基于加权法灰度化后的图片,进行了灰度图像二值化处理,通过对比全局阈值法、自适应阈值法以及自定义阈值法等方法,选择了自适应阈值法进行了图像的二值化,取得了主要病害的轮廓;最后通过引入中值滤波法,选择最佳半径消除了噪音,使得病害区域轮廓更明显.实验表明:与二维OTSU法以及Niblack法等几种算法相比,该方法的分割效果明显,并保留了主要的病害区域.     

浅谈区域生长法在车牌定位中的应用

图像分割是根据图像的一些特征或特征组合的相似性准则对图像进行处理分类,把图像空间分成若干个某些具有一致性属性的不重叠区域。人们在几十年来一直对图像分割方法进行研究,到目前为止,已经有大量的关于图像分割的理论、技术、方法被人们相继提出并广泛应用。图像分割方法大致分为三类:基于阈值的分割方法、基于边缘检测的方法和基于区域的分割方法。在本文中,将主要对区域生长法加以研究,并且应用区域生长法完成对汽车车牌的定位。     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

基于图像显著性区域提取的垩白米检测

垩白度是衡量优质大米品质的重要指标,随着农业检测自动化发展,利用机器视觉准确检测大米垩白度对大米生产加工具有重要意义。针对现有算法在分割垩白区域时存在抗干扰能力弱、稳定性差以及准确度低等问题,本文提出了一种基于图像显著性区域提取的垩白区域提取算法。利用大米垩白区域图像显著性的特点,对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值。最后,利用计算得到的阈值对该区域进行分割,分割出整张图片的垩白区域,并计算出大米的垩白度。实验结果表明,该算法识别准确率为96.76%,相较于传统的OTSU算法检测准确率平均提高了 26.87%,相较于改进的OTSU算法检测准确率平均提高了 7.26%。     

基于多阈值算法融合的图像分割

针对一种阈值分割算法很难对不同类型的图像进行有效地分割的问题,提出一种多阀值算法融合的方法.该方法通过不同的算法得到一组阈值,由迭代的方式将它们有机地组合,并定义一个回报函数,来选取最优阈值.实验结果表明,该方法针对不同类型的图像能够选择最优的阈值进行有效的分割,消除了使用者必须具有先验知识的障碍,省去了人工选择分割方法的麻烦.     

基于视觉图像的鲅鱼新鲜程度的检测方法

鲅鱼新鲜程度是评价其质量好坏的重要因素。为提高鲅鱼检测新鲜程度准确性,研究基于视觉图像的鲅鱼新鲜程度的检测方法。研究对象是某地海鲜市场中的30条鲅鱼,通过鲅鱼视觉图像采集系统采集鲅鱼视觉图像,利用区域填充算法及形态学开运算对采用大津法分割的鱼体二值图像进行填充及去噪,融合上山法与区域生长方法分割鱼眼区域,通过全局动态阈值分割方法分割鱼鳃图像;提取图像特征时,利用图像的R、G、I分量灰度均值提取鱼体、鱼眼及鱼鳃图像颜色特征,采用G分量提取鱼眼中心区域面积。将图像特征输入到NeuroShell 2神经网络判别模型中,实现鲅鱼新鲜程度的有效检测。经实验验证,该方法检测鲅鱼新鲜程度的准确率平均高达98.28%,依据鱼眼中心区域面积+颜色灰度均值特征进行鲅鱼新鲜程度检测的准确率最高,且检测不同死亡时间的鲅鱼新鲜度的检测准确率高达95%,说明鲅鱼新鲜度的检测为海鲜检测提供了理论基础。     

基于像素分布的自适应阈值分割模型应用于印刷图像缺陷检测的研究

为了解决传统印刷图像缺陷检测算法检测精度不足的问题,本研究提出了一种采用基于像素分布的自适应阈值分割模型的印刷图像缺陷检测算法.该算法充分利用印刷图像像素间的相互关系,利用自适应迭代运算确定图像缺陷阈值,提取图像缺陷区域.实验证明,利用该模型能准确地检测出印刷图像缺陷,可以有效地运用在印刷复制过程中的图像的检测环节中.     

阈值分割技术发展现状综述

在图像分割的众多方法中,阈值分割法简单且性能稳定,是一种最基本、应用最广泛的分割技术,其实质就是:利用图像灰度直方图信息,得到图像分割的阈值,把像素级分成若干类,从而实现目标与背景的分离。文章主要对阈值分割技术的发展现状进行了综述,介绍了传统方法的阈值分割和优化算法的阈值分割,分析了各种方法的原理及特点。     

纸病图像检测与分割的二阶段方法

提出了纸张表面纸病检测与分割的二阶段新方法.通过对纸张微观结构中纤维分布的分析,由统计学分析原理建立了纸病图像的二阈值分割法,利用质量控制图结合具体纸样进行了纸病特征的提取,利用数学形态学操作对二值图像进行了滤波和分割检测.结果表明:二阶段分割阈值检测方法对纸病图像的分析十分简单、有效.     

纸病检测方法的研究进展

目前,纸病的检测技术研究主要集中于纸病的智能化在线检测,目的在于开发一套机器视觉系统,应用快速有效的算法,实现纸病的精确检测和定位.目前纸病检测方法分为阈值法、形态学方法、灰度级统计法三类.其中阈值法根据不同的纸病设置不同的阈值,形态学方法采用腐蚀和膨胀的边缘检测算子检测纸病边缘,灰度级统计法利用纸病图像的统计特征检测纸病.文章最后指出随着各种快速算法和高性能信号处理器件的出现,利用频域分析或是频域分析、统计方法和建模法的结合是纸病检测研究的一种趋势.     

基于机器视觉的大米粘连米粒图像分割算法

本文提出了一种新的基于机器视觉的大米粘连米粒图像的分割算法。由于在利用机器视觉方法检测抽样米粒的各种外观指标时,米粒是随意放置在载样台或传送带上的,有些米粒会不可避免地互相碰触,由此造成在图像预处理时获取的米粒轮廓线互相粘连在一起,从而在后续的检测中被误判为是一颗米粒,致使大米外观指标如碎米率,垩白米率,黄米粒率的检测都出现错误。本文根据粘连米粒的内轮廓及外轮廓线上的粘连点的特征,提出了一种新的能快速并精确检测粘连米粒的内轮廓及外轮廓线上的粘连点的算法,根据各粘连点之间的距离及曲率方向,准确地判断出互相配对的最佳粘连点对,从而实现了粘连米粒的精确分割,试验结果表明该方法的准确性和高效性。