一种改进的植物叶片病斑区域边缘提取技术

针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术。运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像。实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘。     

基于改进OTSU的纸带孔型缺陷检测

提出了一种用于测量纸带孔型的视觉测量算法。算法首先将差因素引入传统分割算法,提出一种改进的最大类间分割算法。其次,对阈值化后的二值图像进行特定区域分块处理,并进行面积统计和边缘定位。最后,将传统的最大类间差法得出面积和边界数据与改进的最大类间差法得出的数据比较。实验结果：结果表明改进算法,分割更加准确有效,提取图像信息更完整能较好地完成对纸带孔型的缺陷检测。     

融合边缘检测的四帧差分运动目标检测

传统的三帧差分运动目标检测算法易出现空洞及虚假边缘等现象,为了对其进行改进,本文提出了一种融合边缘检测的四帧差分运动目标检测算法。首先对四帧连续图像采用Canny边缘检测算子快速提取边缘图像,然后对四帧连续的边缘图像进行四帧差分运算,最后通过阈值分割和形态学处理完成对运动目标的提取。实验结果表明,该算法计算简单,连通性好且准确率高,可满足实时检测的要求。     

一种改进的Canny边缘检测方法

传统Canny边缘算子通过像素点的梯度幅值是否大于梯度方向两侧的像素的梯度幅度值来判定边缘.针对传统Canny边缘算子的判断边缘的方法,分析Canny边缘算子在边缘检测时容易出现边缘点的漏检而造成边缘不连接现象,结合Harris检测算法改进Canny边缘算子来连接断开的边缘并提高检测准确率.实验结果表明,改进的算法检测边缘连接性好并具有更好的检测准确度.     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法(OTSU)求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

混合蛙跳优化算法的裱糊线机器人边缘提取

为了提高裱糊线机器人视觉系统定位精度,降低图像边缘冗余信息与噪声影响,提出将基于混合蛙跳优化算法的Canny算子应用于裱糊线机器人裱纸的边缘检测中。通过采用最大类间方差作为混合蛙跳算法的目标函数,自适应迭代优化Canny算子双阈值,实现裱糊线有效提取。仿真试验结果表明,该算法优化Canny算子可较好检测裱纸图像的边界轮廓,自适应获取最优阈值,弥补传统Canny算子需要人为设定的缺点,提高了检测精准性,同时具备一定降噪效果。该算法较粒子群优化算法、传统Canny算法C/A分别降低3.33%、33.39%,C/B分别降低了14.94%、54.55%。     

基于自适应Canny算子的印刷滚筒表面缺陷提取技术研究

印刷滚筒作为印刷机械的核心部件,常常因为使用酸性油墨、酒精等化工原料而腐蚀滚筒,导致局部塌陷或斑点。金属滚筒表面缺陷边缘是缺陷图像的主要特征之一,选用适当的边缘检测算子得到准确的边缘信息是金属滚筒表面图像处理的关键步骤。针对传统Canny算子边缘检测时出现假边缘的问题,提出利用最大类间方差法来自适应Canny算子的高、低阈值。首先利用改进的Canny算子进行边缘检测,得到边缘信息;然后再进行缺陷的定位和矢量化。利用该方法对印刷滚筒表面缺陷进行提取的实验结果表明,自适应Canny算子比传统的边缘检测方法得到的边缘连通性好、定位精度高,该方法能快速提取滚筒表面缺陷,具有较强的实用性。     

基于自适应Canny算子的印刷滚筒表面缺陷提取技术研究

印刷滚筒作为印刷机械的核心部件,常常因为使用酸性油墨、酒精等化工原料而腐蚀滚筒,导致局部塌陷或斑点。金属滚筒表面缺陷边缘是缺陷图像的主要特征之一,选用适当的边缘检测算子得到准确的边缘信息是金属滚筒表面图像处理的关键步骤。针对传统Canny算子边缘检测时出现假边缘的问题,提出利用最大类间方差法来自适应Canny算子的高、低阈值。首先利用改进的Canny算子进行边缘检测,得到边缘信息;然后再进行缺陷的定位和矢量化。利用该方法对印刷滚筒表面缺陷进行提取的实验结果表明,自适应Canny算子比传统的边缘检测方法得到的边缘连通性好,定位精度高,该方法能快速提取滚筒表面缺陷,具有较强的实用性。     

边缘跟踪算法在多纸病图像分割中的应用

为了解决纸病检测中多纸病图像分割问题,提出了一种改进的边缘跟踪算法。该算法首先搜索得出纸病边缘的链码,并通过记录坐标取得图像的外接矩形,然后提取每个矩形中的纸病图像。结果表明,该算法能够有效提取纸病图像的边缘,并对多纸病图像能够完成精确的分割。     

应用Canny算子的织物疵点检测改进算法

为克服当前Canny算子在织物疵点边缘检测中存在的阈值设定、滤波参数选择等自适应问题,提出一种基于Canny算子的改进算法。通过分析不同种类的织物疵点特征,选择不同参数的高斯滤波器,对织物疵点图像进行滤波处理;采用自适应形式获取图像边缘信息的阈值,避免了因阈值取值过高或过低而无法获得较好织物疵点的边缘信息的问题,同时还可根据不同织物疵点类型选择不同的滤波参数。结果表明,改进后的Canny算法可有效地检测到织物疵点的边缘细节,具有较好的自适应能力,并且提高了算法的有效性。同时对典型的织物疵点进行检测并与传统算法比较,其检测效果更优。     

基于边缘和颜色特征的织物印花花型检索

针对织物印花花型同型不同色和同形异构的特点,提出了一种综合花型边缘和颜色特征的图像检索算法。首先利用中值滤波对花型图像进行滤波去噪,并采用Canny算子获取花型边缘;以边缘像素坐标加权中心点为圆心,将各边缘点划分到若干等距环面内,提取花型边缘距离直方图,并在对边缘像素点直线拟合基础上,提取边缘方向直方图;然后在HSV空间内对彩色边缘进行颜色量化,提取各颜色分量构成颜色直方图;最后对3种特征分别进行相似性度量,并赋予三者不同权重予以结合,获得图像间相似度。结果表明,该算法具有平移、缩放、旋转不变性,并能兼顾边缘特征和颜色特征对检索结果的影响,准确区分同型不同色和同形异构的花型图案,该算法平均查准率可达93.17%。     

基于图像处理的白酒酒花轮廓检测

依据"看花摘酒"的传统经验,采用机器视觉代替人眼,通过CCD获取摘酒酒花的视频图像,并截取不同酒度酒花图像进行直方图均衡化、图像腐蚀等图像预处理,消除了高光噪声的影响,然后采用不同边缘检测算法对酒花轮廓进行了对比研究,采用OTSU算法与Canny边缘检测算法相结合的方法,较好地实现酒花与背景的分割,提取清晰的酒花边缘轮廓,通过对大清花与小清花图像的模式识别,为摘酒自动化提供了有效分级依据。该智能化的分级摘酒方法,能够提高分级摘酒工艺的稳定性和准确性,易于实现分级摘酒工序的智能自动化。     

融合颜色和边缘特征的织物图像检索算法

为解决单一特征检索精度不高的问题,提出一种基于分块颜色直方图和边缘方向直方图的检索算法。将图像转换到HSV颜色空间,并进行图像分块得到子块颜色特征;通过Canny算子提取图像边缘信息,获得边缘方向特征;利用卡方距离分别度量颜色特征与边缘特征的相似性,实现图像检索。该算法对织物图像的平均检索查准率达80.83%。认为:该织物图像检索系统对织物检索有较高针对性,能够获得较好的检索效果。     

采用纹理平滑的印花织物图案轮廓提取

为丰富印花产品的种类,提出了一种可有效提取出印花织物中图案轮廓的方法,可提取出高精度的印花图案边缘轮廓。首先对图像进行平滑,通过控制平滑程度参数和空间尺度参数,平滑掉织物图像中的纹理结构。再用Canny边缘检测算子检测图案边缘,Canny分割的判别阈值采用默认自动选择阈值就能成功提取织物上图案的轮廓,分割后的图像轮廓清晰,边缘连续,并且能分割出印花织物图像中的细小结构。通过实验证明,在RGB颜色空间对图像平滑和边缘提取的效果要优于其他颜色空间,比较了其他边缘检测算子分割印花织物图案的效果,结果证明Canny算子分割效果最好。     

基于改进Canny算子的葵花籽边缘检测方法

针对葵花籽一类不规则形体的边缘检测问题,采用传统的Canny算法有许多局限。文章对其提出三点改进:1基于梯度统计差分的自适应阀值法,克服了传统算法在目标与背景灰度变化较大时边缘检测会丢失部分边缘的不足,有效提高信噪比;2基于梯度方向的端点延伸法,弥补了Canny算法在连接分析后得到较多断线边缘的缺陷;3基于最长曲线的区域包围法,可去除背景中短小边缘,从而去除目标外围的干扰,实现葵花籽区域的精确定位。试验结果证明,在高复杂背景下改进的Canny算法在葵花籽边缘检测上取得了很好的效果。     

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%。     

基于数学形态学改进Canny算法的红外图像边缘检测

在应急搜救中,红外图像边缘检测起到至关重要的作用,众多学者都致力于研究如何能够进一步提高红外图像边缘检测的性能,本研究提出一种将数学形态学与Canny算子进行融合的算法,称为应用于红外图像边缘检测的改进Canny算法。算法研究完成后,将通过Matlab仿真软件进行仿真,将改进后的Canny算法与传统Canny算法的仿真结果进行比较,可以发现该算法在边缘检测和细节处理方面的性能更为优良。     

基于Android的植物叶片图像病害检测

针对目前农业智能系统开发平台多基于Windows Mobile操作系统,开源性、免费性和人机交互性等方面较差等问题,提出了基于Android平台的一种最大类间差法和Canny算子结合的植物叶片图像病害检测方法.该方法首先用自适应中值滤波对叶片图像进行平滑处理,再对图像进行灰度变换,然后用最大类间差法对图像进行二值化,最后基于Canny算子对图像进行边缘检测.实验结果表明,该方法实现了Android平台下的图像检测,能有效减少边缘噪声,并且能够有效提取叶片图像病害部分的边缘,具有很好的鲁棒性、有效性和准确性.     

基于形态学梯度重建的分水岭算法改进研究

图像分割是图像分析和计算机视觉领域中一个最重要的处理过程,常用的边缘检测算子存在边缘定位不准等缺点,而传统的分水岭算法则对噪声敏感且存在过分割的问题。本研究提出基于形态学梯度重建的改进型分水岭算法,该算法通过在人脸图像预处理过程中对图像进行中值滤波消除部分噪声,然后再对滤波后的图像进行增强对比度以及重构梯度图处理,最后利用分水岭算法对处理后的图像进行分割。仿真实验应用不同的算法对同一图像进行计算分割,对比结果显示,本研究提出的方法能够较好地抑制过分割,并且能够分割出人脸图像的主要特征。     

应用积分图的织物瑕疵检测快速算法

为解决现有基于图像处理的织物瑕疵检测算法实时性较差、正确率偏低等问题,提出一种包含学习和检测2个阶段的瑕疵检测算法。通过对无瑕疵模板图像的梯度能量特征及其分布特性的学习,自适应获得检测阶段所需的参数。一方面利用积分图原理将任意大小的图像块内的求和运算化简为三次加法运算,快速提取织物图像的梯度能量特征,实现织物瑕疵的实时检测,另一方面利用核函数拟合特征参数分布,结合均值漂移法求解分布峰值获得自适应的瑕疵判定阈值参数,实现织物瑕疵的准确分割。通过实验将本文算法与现有基于局部二值模式特征、小波特征、规则带特征等算法进行对比,针对包含3种纹理6类瑕疵的织物图像数据集的测试结果显示,本文算法平均处理时间为56ms,正确率为97%。