滚动接触疲劳缺陷检测的改进Otsu算法

针对滚动接触疲劳试验机高精度和高效率的检测要求,提出一种基于自动加权阈值的改进Otsu算法,将背景发生的概率作为Otsu分割阈值的权重,使分割阈值靠近直方图的左下缘.首先对试件图像进行区域定位,获得试件接触表面图像;然后比较不同滤波器的检测准确率、召回率、调和平均以及运行时间,选择运行时间短、调和平均大的快速导向滤波器对图像进行滤波;最后计算图像的错误分类误差来验证检测算法的有效性.实验结果表明,该算法对测试图像的错误分类误差接近于0,与Otsu、加权目标方差、谷值强调和邻域谷值强调阈值分割法相比,在滚动接触疲劳缺陷检测中有更好的分割结果.     

二维Otsu阈值分割算法的改进

自动图像阈值分割技术已经被广泛的应用在图像处理和计算机视觉领域中的目标检测,跟踪和识别上。其中Otsu阈值分割算法是一种被广泛使用的分割技术,对于那些直方图呈双峰分布的图像可以得到优秀的分割效果。然而如果直方图是单峰或是有异常数据出现时,传统的Otsu阈值分割算法则会发生错误。为改善传统Otsu法在处理图像时的计算受噪声干扰严重、实时性差、复杂度高等缺点,本文提出了一种改进的基于中值的Otsu阈值分割算法。最后进行的多次测试和实验说明这种改进的方法与传统的Otsu阈值分割算法相比较会得到更加满意的结果。     

基于Otsu算法的木材缺陷图像分割

提出了基于Ostu算法的木材缺陷图像分割.该方法借助于二维中值滤波器对木材图像进行平滑处理,将平滑过的图像用Otsu算法确定图像分割阈值.实验结果表明,该方法可以有效地实现木材表面缺陷图像分割.     

轴承表面缺陷类型识别算法

针对生产和装配过程中轴承表面缺陷检测传统方法的不足,提出一种新的轴承表面缺陷类型识别算法。首先改进 Canny 算子以提高轮廓识别度,将 Sift 算法应用于缺陷区域提取,对轴承表面缺陷图像和无缺陷图像进行 Sift 图像匹配以定位缺陷区域,运用像素点的异或运算以精确提取缺陷区域。选择部分 Hu 矩值和几何特征值准确描述缺陷区域,将其作为 BP 神经网络算法的输入,从而最终识别出缺陷类型。实验表明,该方法提高了识别率,且具有非接触、速度快、精度高和抗干扰能力强等优点,较好地实现了轴承表面缺陷类型的检测。     

改进的精密机械加工零件表面缺陷检测算法

对加工表面纹理缺陷进行可靠的检测分析可以有效提高机械加工零件表面精加工的水平。基于计算机视觉技术对机械加工零件表面实现自动缺陷检测,由于机械加工零件表面纹理的特殊性,常用的灰度图像分割方法对机械加工零件表面缺陷的检测不适用;且其表面的缺陷信息无法预先得知,其图像分割是一个非监督纹理分割问题,对此提出了一种改进的模糊聚类缺陷检测算法,实现了对机械加工零件表面缺陷的自动化检测,实验结果证明了该算法的可行性。     

一种改进的二维Otsu图像分割算法

二维Otsu图像分割算法将类间离散度矩阵的迹作为阈值识别函数,计算复杂度高且易导致分割错误,为此对二维Otsu算法进行改进,设计一种新的阈值识别函数.通过对比试验验证改进算法的有效性.     

基于Otsu算法和Sobel算子的连接件图像边缘检测

着重研究基于机器视觉的薄片连接件检测系统中的图像边缘检测方法。该方法首先采用Otsu算法对CCD工业相机获取的连接件灰度图像进行阈值分割,然后再用Sobel算子进行边缘检测。整个流程采用MatLab进行仿真测试。测试结果表明,该方法改善了单一采用Sobel算子检测的准确性,能提高边缘检测的整体性能,检测精度较好,该方法是实用可行的。     

改进YOLOX的药品泡罩铝箔表面缺陷检测方法

药品泡罩包装中铝箔表面包含各种字体和图案信息,而且铝箔表面凹凸不平,拍摄中会出现明暗分布不均的情况,可导致缺陷特征和铝箔表面特征相似度较高。针对YOLOX模型无法更加准确区分缺陷特征和铝箔表面特征的问题,提出一种改进YOLOX模型的表面缺陷检测方法。首先,为了使输入到Prediction网络的信息更具全局性,需要对Neck网络中特征图的全局特征进行分析,于是将Neck网络的CSP模块替换成transformer encoder模块。同时YOLOX模型具有较深的深度,为了有效地提高分类精度,使用Mish激活函数替换Swish激活函数。然后针对缺陷特征和铝箔表面特征相似导致缺陷区域和背景区域分类困难的问题,在损失函数中引入focal loss。实验结果表明,改进的模型对铝箔表面缺陷检测的mAP为90.17%,比原始的YOLOX模型提高了4.95%,并且改进的模型能够降低和铝箔表面特征相似度较高的缺陷误检和漏检的概率。     

基于蚁群算法的改进Otsu理论的图像多阈值分割

图像分割是由图像处理到图像分析的关键步骤,Otsu法是一种效果较好、实现简单的阈值分割方法。针对传统的Otsu阈值计算方法耗时较多、准则函数不一定单峰这一问题,提出了采用蚁群优化算法来求解阈值,并改进了传统的Otsu理论。分割效果表明该算法不仅提高了分割质量,而且缩短了寻优时间,从而说明了该算法的有效性,正确性。     

基于改进粒子群优化算法的Otsu图像分割方法

Otsu算法分割图像时不依赖于图像的内容,具有较好的适应性,但计算量大和实时性差的缺点限制了其应用。针对这一问题,提出一种基于改进粒子群优化算法的Otsu分割方法。该方法以Otsu算法中的类间方差作为粒子群优化算法的适应度函数,以当前分割阈值作为粒子的当前位置,以阈值更新速度作为粒子的当前速度,以粒子最优适应值的改进量作为惯性权重,在灰度空间动态搜索使类间方差最大的阈值。实验结果表明:该方法能获得与经典Otsu相当的分割效果,而且显著地缩短了分割时间,算法效率更高。     

改进Mask R-CNN算法的带钢表面缺陷检测

在带钢的生产过程中可能会因为生产工艺的问题导致带钢表面出现缺陷,传统的带钢表面检测方法存在检测速度慢、检测精度低等问题.在计算机深度学习快速发展的今天,为实现带钢表面缺陷快速有效的检测,提出改进的掩码区域卷积神经网络(Mask R-CNN)算法,使用k-meansⅡ聚类算法改进区域建议网络(RPN)锚框生成方法;同时调...     

基于改进的最大类间方差算法的图像分割研究

每种图像分割方法都只利用了图像信息中的部分特征,必然带有局限性,因此只能针对各种实际应用领域的需求来适当选择所需的方法.比较了几种阈值分割和边缘检测算法,着重研究了最大类阃方差算法,并对其进行改进.针对不同的图像进行了仿真,对实验结果进行了分析、研究、比较.结果表明,改进的Otsu算法能有效地提高图像分割的质量.     

基于改进深度度量学习算法的表面缺陷检测

为了解决小批量、多品种工业产品的表面质量检测问题,提出一种基于改进深度度量学习的缺陷检测算法.该算法对VGG16网络模型做改进,更有利于原始图像的隐空间映射.针对产品表面缺陷检测的任务,提出条件三元组损失函数以加强神经网络的拟合能力.同时,在隐空间中进行缺陷判定时,抛弃原始度量学习中基于KNN算法的归类方法,提出基于高...     

基于颜色的二维Otsu运动检测算法

运动检测是视频监控关键部分之一。光照和阴影等因素影响着运动目标检测方法的效果。利用二维最大阈值方差法来进行运动目标检测。传统的阈值方差法不能有效地处理光照和阴影,引入颜色信息来辅助完成运动目标检测。实验表明,该方法在光照的变化的环境下能够很好检测到运动目标。     

二维Otsu和改进区域生长法的荧光免疫层析试条浓度的定量检测

目前荧光免疫层析试条的定量检测方法绝大多数采用光电反射法,该方法需要对试条进行高精度的定位并且需要复杂的传动装置。利用CMOS图像传感器获取荧光免疫层析试条的图像信息,采用图像分割方法用于荧光免疫层析试条检测线和质控线进行自动识别,首先对采集到的原始图像进行增强预处理,并进行初步分割。然后选定处理后图像的种子点并通过改进的二维Otsu法选取生长阈值对图像进行区域生长,以实现对图像检测线和质控线的分割。结果表明该方法能够在目标和背景对比度很低的情况下,将图像检测线和质控线的轮廓清晰的分割出来,且区域一致性测度和对比度都比较理想。该方法检测不同浓度的试条,得到的特征值重复性小于5%,线性度大于0.99,准确度大于0.98。实验证明用该方法对荧光免疫层析试条进行定量检测是可行的,且较对比仪器具有更宽的检测范围。     

基于Sentinel-1双极化数据改进水体提取的Otsu算法

基于SAR图像的阈值分割法是水体信息有效提取的常用方法之一。针对Otsu算法对于SAR影像水体提取精度低、噪声大的问题,以C波段Sentinel-1 SAR为数据源,提出一种基于Otsu算法的SAR图像水体提取新方法。该方法首先基于双极化数据构建自然指数函数,优化原始Sentinel-1数据图像像元直方图分布,再结合Otsu算法对图像进行水体提取,最后基于DEM数据去除误提取的山体阴影。以同一天的Landsat 8光学影像作为真实水体样本进行精度评定,结果表明：在不同水体占比情况下,该方法水体提取精度均优于Otsu算法,在水体占比小于10%时综合精度提升约为20%—60%,而且噪声小、适用性强,可用于快速高效获取大范围内水体信息。     

基于Canny算子的改进图像边缘检测算法

图像的边缘检测是图像处理领域内最关键的技术之一.针对工件分拣中需要机器视觉精确的检测出其边缘信息,并且从噪声和其他无关信息中筛选出来,提出了一种改进的Canny算法对工件进行边缘检测.该算法利用双边滤波来替代高斯滤波进行图像预处理,从而不仅可以保留更多的图像边缘细节也可以有效的去除噪声.而后运用最大类间方差法(Otsu...     

基于模拟退火并行遗传算法的Otsu双阈值

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。