基于遗传算法和矩的刀具磨损图象检测技术的应用

研究了在遗传算法基本原理的基础上 ,用最大类间方差法对刀具磨损图象进行阈值分割 ,然后对分割后的二值刀具磨损图象 ,利用一种新的基于边界的几何矩的快速分割算法进行几何矩的计算和分析。通过试验 ,研究了经过遗传算法进行优化阈值分割后的二值图象的几何矩的值的大小和刀具磨损状态的关系 ,结果表明 ,几何矩的值的大小和刀具的磨损状态密切相关 ,几何矩的值的变化率可以对刀具状态进行识别 ,对试验数据的测试表明 ,这种方法能有效提高刀具磨损状态识别的正确率     

基于改进型脉冲耦合神经网络的刀具磨损图像检测

脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)图像分割法能很好将机械 加工中的刀具磨损区域分割出来,但分割出来的图像是二值图像,很难将刀体和背景区分开来 ,这样就难于达到对刀具及其磨损状态进行精确监测的目的,为了解决这一难题,文中提出了 改进的脉冲耦合神经网络分割算法,可成功分割出刀具磨损区、刀体和背景区域,通过对分割 后图像的分析与识别,可以实现对刀具磨损状态的检测.对车削加工中刀具不同磨损阶段的磨损图像进行分割的实验,证明了该算法的有效性.     

输出伪灰度图象的一种新方法

用组织抖动法输出伪灰度(二值)图象有着广泛的应用,但该算法有使输出图象轮廓分辨率下降,文字参数网点化等缺点。为此,本文提出一种将组织抖动与分割相结合的新方法,即先用分割技术得到最佳视觉阈值,再将阈值代入改进的变换式,扩展Bayer矩阵,最后对灰度图象进行二值化,实验结果表明,该方法可显著改善输出图象质量。     

基于模拟退火并行算法的二维熵多阈值分割

针对二维熵法在多阈值分割时计时长、复杂性高等问题,引入模拟退火并行遗传算法对该算法实行优化,构造模拟退火并行遗传算法搜索二维最大熵值中的最优阈值,对二维熵法在多阈值分割经模拟退火并行遗传算法搜索改进前后的结果进行说明及对比。此优化算法比传统的模拟退火算法时间缩短了71.5%,说明此算法大大提高了分割效率,不仅能保证图像分割精度,而且能加快获得最佳阈值的速度,是一种有效且实用的图像分割方法。     

自动选取阈值方法比较研究

在数字图象处理中 ,阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域 ,近年来已有许多种阈值化方法被提出。阈值选取是图象处理与分析问题的基础 ,如何才能正确地找到适当的阈值 ,是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法 ,通过计算机仿真对实验结果进行了比较研究。并在此基础上 ,提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是 :首先 ,用微分算子检测图象的边缘 ;然后 ,在这些边缘象素点上进行二值化阈值的自动选择 ;最后 ,对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明 ,这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征 ,并能处理低质量的图象。     

一种新的自适应图像分割方法

目的研究图像分割的最佳阈值．方法一种基于灰度图像直方图嫡和遗传算法的自适应图像分割算法．结果在此研究中,分割问题被定义为一个优化问题,由于遗传算法能够有效地搜索分割参数空间,则以遗传算法的适应值作为质量标准．结论此方法可用于最佳阈值分割．     

自动选取阈值方法比较研究

在数字图像处理中，阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域，近年来已有许多阈值化方法被提出。阈值选取是图象处理与分析问题的基础，如何才能正确地找到适当的阈值，是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法，通过计算机仿真对实验结果进行了比较研究。并在此基础上，提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是：首先，用微分算子检测图像的边缘。然后，在这些边缘象素点进行一值化阈值的自动选择；最后，对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明，这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征，并能处理低质量的图象。     

遗传算法的最佳熵在图像分割中的应用

以区域一致性、区域对比度和形状测量参数为评价准则，对基于遗传算法的最佳熵阈值分割方法与传统的几种全局阈值分割方法进行了对比研究，结果表明：基于遗传算法的图像分割，得到的图像目标清晰，分割效果较优，有一定的应用前景。     

一种结合遗传算法的自适应目标分割方法

文中将遗传算法（ＧＡｓ）与最小误差阈值法相结合，构成了一种自适应的目标分割方法．该方法改善了传统的阈值方法中目标大小的限制，扩大了算法所能有效分割的目标大小范围，抗噪声性能也较好．并对该方法与类间方差法（Ｏｔｓｕ）的分割结果进行了比较．     

图象阈值分割的统计迭代算法

图象分割是图象分析和计算机视觉等８学科中最基本也是最困难的课题之一。直方图技术是图象分割的重要技术,而灰度图象的象素灰度分 挖符合高斯概率分布,本文是把直方 高斯统计分布函数有效地结合起来,作为求取图象二值化阈值的理论基础。并获得其理论表达式。由此,通过对该表达式的分析,获得了求解半值的迭代公式和步骤。     

二维熵图像阈值分割的遗传算法

在研究二维熵阈值分割原理的基础上,将遗传算法用于最优阈值的求取,探讨了其快速算法和全局寻优方面的优良特性,研究结果表明,本算法收敛速度快,稳定性好,适合于多阈值的求取。     

Otsu阈值方法的二种修改形式

Otsu阈值分割是图象分割中受欢迎的一种方法。本文借鉴Otsu法的二种表示方式,给出了两个阈值分割公式。     

基于二值化法的车牌图象自动定位技术研究

根据彩色图象三色学原理及空间域的图像平滑算法对图象进行预处理，利用二值化法进行图象分割，算法简单，实时性好，较好的完成了车牌图象的自动定位。     

基于遗传算法的彩色图象分割

遗传算法是一种模拟生物自然选择与进化过程的随机、并行搜索算法，该算法已用于解决工程问题．文章根据遗传算法的思路和熵的概念，提出了基于遗传算法的彩色图象最佳熵阀值分割方法，给出了算法的主要步骤并分析了算法及实验结果，实验表明遗传算法能有效地对彩色图象进行分割，也存在一些缺点需进一步改进．     

遗传神经网络在数控机床刀具监测与 控制系统中的应用

数控机床刀具磨损监测与磨损量估算对于提高机床加工的利用率,减小由此带来的经济损失和安全隐患具有重要意义.提出了一种基于无线传输技术的数控机床刀具监测与控制系统,利用遗传算法优化BP神经网络的算法诊断刀具磨损状态.通过采集刀具加工过程中的振动信号,利用时频分析法提取反映刀具磨损状态的信号特征量作为神经网络的输入样本,完成加工过程中刀具磨损状态的识别.试验结果表明:该系统工作稳定,识别结果较准确,且具有较强的实用性.     

复杂背景下的宫颈细胞核分割方法

自动阅片技术采用图像处理方法,在细胞核识别的基础上实现对细胞核DNA含量的准确测量,能够为医生诊断提供辅助。图像分割作为自动阅片系统关键直接影响系统性能。然而,显微镜下细胞核图片存在光照不均、背景阴影等情况。并且不可避免地存在一些血细胞、淋巴细胞、垃圾杂质、成团细胞,这严重降低了分割算法的性能。为解决上述问题,提出了复杂背景下的宫颈细胞核分割方法。该方法首先利用参数自适应的局部阈值法来分割图片,并利用自适应的分割参数调节来处理图片中的复杂情况。即利用局部阈值窗口大小和二值化后轮廓数量的函数关系来自动调节窗口大小。然后根据得到的二值图确定分水岭算法的标记图像,最后利用分水岭算法完成整张图片的分割。实验表明,此方法能适应复杂图像环境,并可以从成团细胞中分割出重叠程度较低的细胞,提高分类器识别细胞核的概率。     

基于粒子群优化算法-长短时记忆模型的刀具磨损预测方法

为确保车削加工的表面质量和加工稳定性,实现对车刀磨损状态的实时准确监控,提出了基于小波阈值去噪、长短时记忆（LSTM）网络和粒子群优化算法（PSO）的刀具磨损状态预测模型。采用改进多项式阈值函数对刀具加速度振动信号进行去噪,构建了优质的信号输入样本。训练长短时记忆网络对刀具后刀面磨损值进行预测和磨损状态分类。利用粒子群优化算法对网络进行参数寻优,结果表明,提出的PSO-LSTM模型在预测和分类精度方面均优于未优化的LSTM网络。     

基于灰度化权值调整的水下彩色图像分割

针对传统自适应阈值法在水下图像分割过程中存在目标与背景粘连等问题,提出一种基于灰度化权值调整的水下彩色图像分割方法。区别于传统阈值分割方法中灰度化权值固定且研究如何确定合适阈值的思路,研究灰度化权值调整方法。本文方法利用统计得到的图像灰度信息来确定不同通道内目标与背景间灰度级差异性的大小,提高差异性较大通道的比例,以增强灰度化后图像中目标与背景的对比度,同时减小差异性较小通道的比例,以降低其对灰度化结果的干扰,对灰度化后的图像进行阈值分割得到最终分割结果。针对水下作业的时序列图像,设计了两步序列图像处理方式来降低耗时。通过4组水下对比实验以及耗时实验对方法的有效性进行了验证。     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值，基于粒子群优化算法提出了一种多闽值图像分割方法．由最大熵或最大类间方差法得到优化的目标函数，用粒子群算法对其进行优化，得到分割的最佳阈值，并用该阈值对图像进行分割．将分割结果与遗传算法的多阈值分割结果相比较可以看出，该算法不仅可实现正确的图像分割，并可使分割速度大大提高．     

基于遗传算法的三维重构图像阈值分割

图像阈值分割是三维重构中图像处理的一个重要内容最佳熵阈值的图像分割具有很多优点,但同时也需要大量的运算时间,从而限制了其实际应用．将遗传算法应用于最佳熵阈值的确定中,提出一种新的图像阈值分割方法,以灰度图像的直方图熵作为评价标准,把图像阈值分割问题定义为一个优化问题．利用遗传算法寻优的高效性,搜索到能使分割质量达到最优的分割参数——图像分割阈值．实验结果表明,采用遗传算法不仅可以实现正确的图像分割．而且使得分割速度大大提高．