基于Gabor变换的木材表面缺陷图像分割方法

为了提高对木材表面缺陷图像分割的正确率,采用了环形Gabor滤波器将木材纹理图像变换到联合空间频率域,并在能量意义下定义了特征参数.根据多方向滤波结果形成缺陷图像的分割特征向量.结合模糊C均值聚类算法和数学形态学后处理操作提取出缺陷目标区域,分割正确率为98.29%.通过与基于灰度共生矩阵的分割方法进行比较实验,该方法平均分割精度比后者提高了4.22%,实验结果表明了该方法的可行性.     

改进C-V模型的木材缺陷彩色图像分割研究

分析了木材节子缺陷图像的特点,将彩色图像作为一个整体的图像进行处理,保护了彩色图像信息的特性,提出了一种基于AOS的扩展C-V矢量模型及背景填充耦合的木材节子缺陷彩色图像分割算法。对Chan-Vese提出的基于Mumford-Shah模型的水平集矢量图像分割模型进行了改进,使分割速度得到了提高;用AOS算法改进了原模型的差分格式,使得差分格式无条件稳定;结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。实验结果表明该方法可以较好地实现对木材死节、活节和虫眼等缺陷的彩色图像分割,也可实现对单板多节子缺陷彩色图像的分割,为木材缺陷边缘检测提供一种行之有效的方法。     

基于改进分水岭算法的硅片缺陷提取方法

为了提取硅片表面的缺陷,对其缺陷的提取技术进行了研究,提出了改进水分岭算法进行缺陷提取.该方法首先利用形态滤波对缺陷图像进行滤波,并对滤波后梯度图像进行平滑,在去除噪声的同时很好的保持物体轮廓和细节;为了克服分水岭算法的过度分割问题,利用区域强度准则和边界强度准则对过分割区域合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取奠定了基础.     

木材彩色图像缺陷分割——基于Gabor滤波的改进C-V彩色模型

分析了木材节子缺陷、单板节子的特点,提出了一种基于多通道Gabor滤波的改进C-V彩色模型的木材缺陷识别算法。该算法将彩色图像作为一个整体的图像,保留了图像的彩色信息。该算法利用多通道Gabor滤波器、K-均值聚类算法得到缺陷目标与背景的彩色区分图像;利用改进的彩色C-V模型对新图像进行边缘提取,得到理想的实验结果。与采用基于改进C-V模型与小波变换的灰度图像缺陷识别算法相对比,结果表明该方法可快速、准确地实现对木材节子缺陷彩色图像及单板多节子彩色图像的分割。     

基于荧光磁粉图像的缺陷检测技术

荧光磁粉无损检测因具有缺陷显示直观、灵敏度高、检测速度快且成本低等优点而被广泛采用。在分析工件表面缺陷的荧光磁粉图像显示特性基础上,研究缺陷图像的平滑去噪和分割等处理算法,提出基于加权模板和自适应邻域选择的图像平滑算法,并将Ridler自适应阈值法应用于缺陷图像分割。实验结果表明,此种方法能够很好地去除伪缺陷,将图像中工件的真实缺陷从背景区域中完整地提取出来,为荧光磁粉自动化无损检测打下良好的基础。     

基于模糊数模型的医学超声图像分割方法

针对基于模糊推理的医学超声图像分割方法存在算法复杂度高及灵活性较差等问题,提出了一种基于模糊数模型的医学超声图像分割方法。用局部直方图间相似性匹配和自适应平滑方法对输入图像进行预处理得到相似图像和平滑图像,通过一种基于模糊数模型的模糊控制方法处理生成的相似图像和平滑图像,实现医学超声图像的分割。实验结果表明,该方法简化了处理过程,降低了算法复杂度,对医学超声图像能够进行有效分割。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

基于小波变换和kd树聚类的快速纹理分割算法

提出了一种基于小波变换和k均值聚类的快速纹理图像分割算法。该方法包括特征提取、特征平滑、纹理分割三个阶段。其中,特征提取在金字塔结构小波变换的基础上进行;特征平滑利用一种四分法来完成特征图像的噪声平滑和边缘保持;纹理分割则利用kd树作为数据结构来运行k均值聚类算法从而实现纹理图像的快速分割。实验结果表明与直接的k均值聚类算法相比,该方法在运行时间上得到了明显的提高。     

新的自动分割脑肿瘤图像算法的研究

经典非参数Dirichlet混合过程模型图像分割算法具备在未知类数情况下实现图像自动分割的特点,但是由于其计算速度较慢,限制了该方法在临床上的实时应用.本文在经典非参数模型基础上进行改进,该算法首先将图像进行各项异性扩散滤波平滑,然后将马尔科夫随机场空间约束作为Dirichlet混合过程模型的先验进行分割计算.文中使用新算法对15例脑肿瘤磁共振图像进行分割实验,结果显示新算法能更有效控制收敛时图像分割类数,并且在图像分割的精度和计算速度等特性方面都明显优于经典的Dirichlet混合过程模型分割算法.     

OpenCV分水岭算法的改进及其在细胞分割中的应用

分水岭算法是一种基于形态学的图像分割算法,能快速准确地确定连通区域的边界.将基于标记的分水岭算法用于细胞图像的分割,较好地解决了粘连细胞的分割问题.在该细胞分割算法的实现过程中,发现了OpenCV分水岭算法实现的缺陷,通过对相关代码的分析,发现该缺陷存在的原因是算法流程中对相邻像素相对关系的描述存在问题.将OpenCV分水岭算法中对相邻像素取差的绝对值,改为对相邻像素取差值,对该算法进行了改进.实验证明,改进后的OpenCV分水岭算法对细胞图像的分割效果明显好于直接使用OpenCV分水岭算法得到的结果.该方法在不影响分割速度的情况下,提高了OpenCV分水岭算法分割的准确度.     

基于遗传算法和数学形态学的木材分选图像分割研究

在木材分选过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。本文讨论了提取木材缺陷轮廓的疗法,应用了遗传算法与数学形态学4相结合的方法对缺陷图像进行图像分割,最终提取出缺陷边缘,开与使用他统方法进行图像分割后提取出来的缺陷边缘结果相对比。对比结果显示,经过遗传算法和数学形态学进行图像分割,最后得到的小材缺陷轮廓更加消晰,连贯,易于识别。     

木材显微图像的局部水平集分割方法

获取木材显微图像中的细胞组织对于分析木材的种类、材性,以及天气变化等均有重要的意义,而这依赖于图像分割技术。针对木材组织的不均匀性,以及标本制作和获取过程中带来的噪声,将水平集方法中边缘型和区域型两种模型引入,同时结合局部图像信息来提高局部不均匀图像的分割性能。在图像初始分割基础上,通过面积阈值去除水泡等杂质,最终提取导管组织。实验结果表明,提出的模型所得到的分割图像较平滑,而且噪声明显减少,可有效分割局部不均匀木材显微图像。     

基于纹理结构分析的织物疵点检测方法

提出了一种新的基于纹理结构分析的织物疵点检测方法,首先根据规则纹理的特点,利用自相关函数计算纹理基元模板,并通过计算每个纹理基元与基元模板的差来进行疵点区域的增强。然后通过计算纹理图像的局部不平整度来定位疵点,并采用Otsu方法自动获取阈值进行图像分割,从而实现织物疵点的检测。最后通过对不同织物疵点图像检测分割实验证明了算法的有效性和鲁棒性。     

一种基于目标特征挖掘的带钢缺陷图像分割方法

通过分析带钢图像,挖掘缺陷图像的特征,提出一种基于目标特征挖掘的带钢缺陷图像分割方法。首先,将采集的带钢缺陷图像进行中值滤波处理;然后,通过等分图像灰度范围所确定的一系列阈值对带钢图像进行预分割,通过挖掘带钢缺陷图像的特征,以特征因子作为任务驱动,找出特征值发生突变的区间;在此突变的区间内,再按照上述方法对带钢图像缺陷存在的区域进行细分,找出面积突变点,以此确定最佳阈值,通过最佳阈值进行带钢缺陷图像分割,得到特征子图;最后将若干特征子图融合,得到带钢缺陷图像分割结果。实验结果表明,将此方法应用于带钢缺陷图像分割过程中,能够完整有效地分割出带钢缺陷区域,为带钢缺陷的视觉在线检测提供了可能性。     

基于两级阈值算法在图像分割中应用研究

在图像分割提高精度问题的研究中,要从图像中提取感兴趣的区域。由于图像模糊或者蜕化图像背景信息融合在一起,导致难以区分,传统的阈值图像分割算法容易造成分割效果不清晰。为解决上述问题,提出了一种新的快速有效的两级阈值结构图像分割算法,采用用迭代算法对图像进行单一阈值分割,在每次迭代过程中以图像均值为依据,对图像进行均衡化处理;在基于全局分割的基础上,在局部范围内根据噪声的统计特性对图像进行去噪处理。仿真结果表明,提出的两级阈值分割算法能快速有效地分割图像,不仅可以得到了比较高的分割精度,还大大减少了计算量,一定程度上能够改善图片分割的效率和质量。     

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。     

基于灰度共生矩阵和聚类方法的木材缺陷识别

文章提出了一种新的基于灰度共生矩阵的木材纹理特征提取和聚类分析的木材缺陷识别方法。该方法基于灰度共生矩阵,提取5个具有代表性的纹理特征：能量（E）,惯性矩（I）,均值和（SOA）,聚类阴影（SOC）,方差和（SOV）,实现数据降维,对产生的特征数据集分别利用k-means算法及AP算法进行聚类,自动找出并正确标识木材表面缺陷位置,并对比分析不同木材表面缺陷类型识别效率。实验结果表明,该方法能快速有效地进行木材表面缺陷自动识别。     

弹底底火表面缺陷图像分割方法

枪弹弹底底火检测是枪弹质量控制的核心,为了有效分割弹底底火表面缺陷图像,提出一种新的分割方法。该方法针对弹底检测要求及弹底图像基本特征,首先大致确定待检测的底火部分图像,对其运用Log算子进行边缘检测确定底火圆边缘;然后分析了Hough变换和最小二乘法圆拟合的圆检测算法的各自优缺点,提出了改进Hough变换和最小二乘法圆拟合相结合的圆检测算法,以获得较精确的底火圆圆心和半径;最后利用底火圆圆心和半径提取底火圆图像,利用统计阈值分割底火表面缺陷,利用数学形态学优化分割结果。通过实验表明,运用此方法分割弹底底火表面缺陷,平均误分割率低于10%,平均偏差小于17个像素,表现出较好的准确性和鲁棒性。