断口图像中疲劳条带的自动分割与测量

金属断口图像中疲劳条带区域的分割和间距的测量是断口定量分析疲劳寿命和疲劳应力的重要部分.提出条带区域的粗细两级自动分割方法,并建立条带间距测量的自相关函数法模型:首先,利用灰度共生矩阵的熵对断口进行粗分割,得到条带类区域;用平方差累积法确定条带的方向,再分别在条带法向和切向上对图像进行细分割,确定出条带矩形区域;然后,采用自相关函数法计算条带间距.实际的断口图像样本测试表明本文的方法在疲劳条带的自动分割与测量中是有效的.     

应用马尔可夫随机场的金属疲劳断口条带分割

研究了金属疲劳断口图像的分割问题,提出了一种基于马尔可夫随机场（MRF）的金属疲劳断口图像的条带分割方法。由于疲劳断口图像中的纹理记录了整个断裂过程中的受力情况,通过对疲劳断口的条带纹理进行分析可以反演断裂的过程,因此研究疲劳断口图像的分割可以对失效分析有重要的科学价值。文中构造了图像的马尔可夫随机场模型,并且提出了一种基于该模型的图像分割算法。马尔可夫随机场模型是一种描述图像结构的概率模型,能够充分利用图像的空间相关信息,能够实现对低信噪比的金属疲劳断口图像进行条带分割。结果表明算法具有收敛速度快、稳健性好等优点。     

复杂背景下疲劳条带图像预处理方法研究

金属断口图像疲劳条带间距是影响疲劳应力计算的重要因素.电子显微镜拍摄的金属断口显微图像较为清晰,主要噪声影响是断口表面的灰尘对提取疲劳条带造成的干扰.图像分块后,根据子块的灰度均值、方差和方向图区分条带块和噪声块,并利用噪声块邻近的条带块沿条带纹理方向滑动时噪声块进行修复,实现去噪.对去噪后的图像Gabor滤波,二值化,细线化、轮廓规整等操作,最后对每条连续曲线进行直线拟舍.实验结果表明,通过上述预处理方法可以得到较为理想的疲劳条带图像轮廓.     

基于最佳缝合线的序列遥感图像拼接融合方法

在图像融合过程中常采用重叠区域像素加权融合方法,这会存在鬼影现象。为解决这一问题,提出了一种改进的最佳缝合线生成算法和沿最佳缝合线的融合方法,并将其应用于序列遥感图像的拼接融合。首先在重叠图像中,对重叠区域的边赋予权值,然后进行最大流最小割,最终获取最佳缝合线。在计算边权值时引入了图像梯度信息,使缝合线更准确。在图像融合时,沿最佳缝合线生成一个条带形融合区域,采用渐入渐出法对缝合线两侧的条带形融合区域图像进行过渡处理,使拼接后的图像更为真实。在序列遥感图像拼接上,采用捆绑调整算法调整拼接图像的参数来实现全局误差最小化。实验表明,该方法能够有效消除鬼影并且能获得准确的拼接图像与融合,对于序列遥感图像的拼接融合能够获得很好的效果。     

遥感分类图像条带噪声的去除

在介绍了几种常用于TM、MSS、SPOT等多传感器遥感图像中条带噪声去除方法的基础上,提出了一种综合利用IDL语言和常用遥感软件(主要为ENVI、ERDAS等)对分类后图像进行条带处理的新方法。并以2005年北京市SPOT图像为试验数据,对该方法进行了尝试。结果表明,利用该方法可弥补一些条带噪声去除方法的弊端,有效地去除分类后图像上的条带噪音;同时避免了分类前期条带去除过程中对条带像元值的不正确计算,以及对图像上正确像元的影响而导致的后期遥感分类过程中的错分误分问题,从而可以有效地提高遥感分类精度。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。     

一种基于图像的大型车辆车身长度自动测量方法

针对传统汽车尺寸测量技术在实际应用环境限制下的不足,提出一种基于图像的大型车辆车身长度测量方法。利用图像分割技术和基于图像边缘特征的匹配方法完成车身侧面全景图像拼接,并利用双目测距原理计算出车辆与相机间的距离,在此基础上,根据透视投影原理计算出最终的车身长度。实验结果表明,该方法可以很好地在受限的测量环境中自动、快速、准确地测量出大型车辆车身长度。     

基于多视角三维扫描数据的图像配准

三维激光扫描是上世纪90年代发展起来的一门新兴技术。考虑到测量设备测量范围的限制和被测物体外形复杂性等,单次扫描无法获得完整的、精确的模型。从而需要从不同的视点对被测物体进行扫描。一些高精度的扫描仪除了可以获得三维点云数据,还可以获得一种散乱的纹理图像。本文根据纹理映射的原理和逆向工程的思维,将扫描仪得到的点云数据和纹理数据通过一系列步骤提取出图像信息,再利用仿射变换的原理计算出二维投影图像的信息,然后准确地提取出二维投影图像。最后,采用基于SURF特征点提取算法,对提取出的两幅二维投影图像进行了配准。     

基于散焦图像深度测量的一种新方法

提出了基于散焦图像深度测量的一种新方法．该方法采用一台带有远心镜头的CCD摄 像机,沿光轴方向移动摄像机拍摄两副图像,根据所拍摄目标图像的散焦半径与图像的大小 计算目标景物距摄像机的距离．采用远心光学镜头代替普通镜头可使图像的大小与散焦半径 之间的关系简单．该方法融合了图像的大小与散焦半径两种信息,使深度计算更加准确．由 于该方法只需要一台参数固定的CCD摄像机,可以免除图像间的配准和特征点的选取,有利 于实时系统的实现．实验结果表明该方法的有效性．     

基于图像检测的双绞线绕距测量方法

针对双绞线绕距测量,提出了一种图像检测框架。此框架通过图像分割、修复、细化、拟合以及比例尺的设置,可实时计算出双绞线绕距值。在此框架下,针对传统二维最大类间方差法--Otsu运行时间较长的问题,提出了一种新的基于区域斜分的快速算法。快速算法通过对二维直方图区域重新划分,结合快速查找表以及递推算法,大大减少了分割时间。针对图像缺失的问题,采用了基于边缘检测的算法对其特定区域进行填充修复,并对修复后的图像进行细化。通过最小二乘法,拟合细化图像中的单像素点,得到拟合曲线。通过计算拟合曲线交点间的距离可得双绞线绕距的图像距离。最后将图像距离按比例尺转换为绕距的测量值。实验结果表明,基于区域斜分的快速算法其分割时间约为传统算法的0.22%,且两种算法的分割效果基本一致。将图像检测方法测得的绕距值与其真实值进行比较,结果表明测量值与真实值的绝对误差为0.48%。通过使用图像检测方法测量双绞线绕距,可以准确测得绕距值,提高绕距测量的效率。     

数字式射线图像缺陷检测的C-V方法

数字式射线图像（DR图像）缺陷检测主要是进行缺陷区域的分割和测量,分割精度将直接影响到测量精度。C-V模型是一种新的基于曲线演化理论和水平集方法的图像分割模型,它结合区域信息使得分割结果全局最优,可以很自然地处理轮廓线拓扑结构的变化。针对工件DR图像特点,研究了一种DR图像缺陷检测的C-V方法：首先应用C-V模型进行DR图像缺陷区域的分割,在此基础上,完成缺陷区域几何参数的测量。实验表明,C-V方法能准确地分割出DR图像中的缺陷区域,并获得缺陷形心和面积等参数。