共查询到18条相似文献,搜索用时 171 毫秒
1.
传统的基于图像轮廓角点检测方法大都对图像轮廓采用高斯平滑,使得角点定位准确性较低,且对局部细微变化和噪声比较敏感.针对此问题,本文利用Gabor滤波器可以很好的表征边缘和角点梯度幅值变化信息的优良特性,采用Gabor滤波器虚部对图像轮廓进行平滑,提出基于Gabor滤波器的图像轮廓角点检测算法.与将轮廓的几何特性作为角点测度的传统算法不同,本文将Gabor滤波器平滑后轮廓像素的主方向与相邻像素方向角度差作为角点测度,提高了对噪声的鲁棒性和角点定位的准确性.实验结果表明,新算法具有较优的定位性和噪声鲁棒性. 相似文献
2.
目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。 相似文献
3.
由于对比度低和噪声强等特点,超声图像分割很难达到满意的效果,针对这一状况,将Gabor滤波器结合形态学操作应用到超声图像中目标的边界提取。首先对原始图像做预处理,去噪增强,然后再利用Gabor滤波进行目标区域特征提取,再经形态学腐蚀、膨胀等操作平滑图像,最后由sobel算子提取最终的边界图像。该法的关键之处在于Gabor滤波器尺度参数的选择,通过实验和分析得出了一组最佳尺度参数,取得了良好的分割效果,同时也验证了这一方法在超声图像分割中的实用性。 相似文献
4.
5.
6.
7.
8.
9.
10.
本文提出了一种提取人脸图像的局部Gabor相位特征,结合Fisher线性判别式,通过特征融合进行人脸识别的方法.该方法首先利用Gabor滤波良好的空间位置与方向选择特性,采用四个频率六个方向的Gabor滤波器对图像进行滤波,然后根据Daugman方法采用局部XOR算子提取滤波图像的局部Gabor相位特征,组成特征图像,最后通过Fisher判别式对每个频率和方向下的特征图像进行降维,融合降维后的特征,采用最近邻分类器进行识别.该方法通过在两个数据库中的实验,证明了较主成分分析法,Fisher线性判别式方法以及Gabor幅值特征融合识别方法更好的识别性能. 相似文献
11.
12.
根据爆堆图像灰度分布的特点,并结合小波变换应用于边缘检测的基本原理,采用能够检测局部突变能力的B样条小波用于爆堆岩石的边缘检测。通过推导,给出B样条小波滤波器,并根据滤波器设计出了基于二维小波边缘检测算法。在小波边缘分割中自主设计了自适应阈值检测算法,该算法能很好地去除图像的噪声,并保留了图像的边缘。 相似文献
13.
14.
基于小波变换和形态学的织物疵点边缘检测 总被引:1,自引:0,他引:1
为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性. 相似文献
15.
Koushlendra Kumar Singh Rajesh K. Pandey Prabhat Munshi 《Research in Nondestructive Evaluation》2017,28(3):150-167
Non invasive feature detection in wood based application requires exact discrimination between geometrical edges and texture. It has been found that traditional edge detection algorithms are highly sensitive to noise and texture and produces inferior results with wood. The present work encompasses a micro level reconstruction of Palash and Rosewood by using micro X-rays CT scanner. It also encompasses a new edge detection algorithm using newly constructed Chebyshev polynomial based fractional order differentiator. Transform based method has been used for reconstruction purpose. Newly designed fractional order filter has been applied on these reconstructed images. Chebyshev polynomial based fractional order differentiator has been used for filtering operation. Quadrature Mirror Filter (QMF) concept has been used for design of high pass filter and low pass filter. Preprocessing has been performed by using this filter. Canny edge detection algorithm has been used on this preprocessed image. The algorithm has been tested on two different test cases of wood images a) Palash and b) Rosewood. The effect of relaxation coefficient has also been presented and discussed. 相似文献
16.
Ahmed Kechida Redouane Drai Abderrezak Guessoum 《Journal of Nondestructive Evaluation》2012,31(2):108-116
In this paper, we present two approaches for flaw detection in TOFD (Time of Flight Diffraction) images based on texture features.
Texture is one of the most important features used in recognizing patterns in an image. The paper describes texture features
by two methods: Multiresolution analysis such as wavelet transforms and Gabor filters bank. The two-dimensional wavelet transform
is used to decompose the input image into a multiresolution framework. The textural statistical parameters are used to allow
the choice of the decomposition channel. The Gabor filter is a Gaussian kernel function modulated by a sinusoidal plane wave.
All Gabor filters can be generated from one mother wavelet by dilation and rotation. These filters represent an appropriate
choice for tasks requiring simultaneous measurement in both space and frequency domains. The most relevant features are optimized
by Principal Components Analysis (PCA) and used as input data on a Fuzzy C-Mean clustering classifier. We use two classes:
‘defects’ or ‘no defects’. The proposed approach is tested on the TOFD image achieved in an industrial field. 相似文献
17.
本文主要针对彩色图像和灰色图像边缘检测的一些方法进行了对比。对于灰色图像根据不同方法的优缺点提出了一种基于数据融合的边缘检测的方法。该方法对原始图像分别采用sobel算子和小波变换两种方法进行边缘提取,然后采用加权平均的方法进行融合并且得到了边界更为清晰的边缘图像;对于彩色图像则分别对比了在RGB彩色空间直接计算梯度得到的边缘图像,以及在分量图像分别计算然后相加得到的梯度图像的边缘效果。 相似文献