基于改进C-V方法的焊接图像识别

基于简化的Mumford-Shah水平集图像分割模型,Chan-Vese提出了不依赖于图像边缘的水平集图像分割算法(C-V方法).文中对该算法进行了深入研究,指出了原方法存在的缺陷,即处理的图像必须具有比较明显的特征,分割目标过多且较为分散时则很难得到理想的结果,每次迭代过程都需要对所有的图像数据进行计算,比较费时.根据焊接图像本身的特点给出了三点改进,即强化特征模型的修正、多尺度快速算法和全局特性抑制.应用改进的算法,进行了模拟对比试验和真实熔池图像识别的试验.结果表明,该方法能识别出焊接图像连续轮廓,提取有用信息,具有良好的适应性.同时为复杂图像的特征物体目标提取提供了可行的思路.     

基于改进C-V方法的焊接图像识别

基于简化的Mumford—Shah水平集图像分割模型，Chart—Vese提出了不依赖于图像边缘的水平集图像分割算法（C～V方法）。文中对该算法进行了深入研究，指出了原方法存在的缺陷，即处理的图像必须具有比较明显的特征，分割目标过多且较为分散时则很难得到理想的结果，每次迭代过程都需要对所有的图像数据进行计算，比较费时。根据焊接图像本身的特点给出了三点改进，即强化特征模型的修正、多尺度快速算法和全局特性抑制。应用改进的算法，进行了模拟对比试验和真实熔池图像识别的试验。结果表明，该方法能识别出焊接图像连续轮廓，提取有用信息，具有良好的适应性，同时为复杂图像的特征物体目标提取提供了可行的思路。     

基于提升改进方向波变换的浮选泡沫图像降噪方法

针对矿物浮选过程中泡沫图像易受噪声影响,存在纹理细节模糊、灰度值对比度低等问题,提出一种浮选泡沫图像的非线性降噪方法。首先构造一种改进方向波变换,保证信号的平移不变性,同时采用提升算法减小其运算量。然后通过对分解系数建模,针对低频子带系数采用多尺度Retinex算法进行处理,以改善整体亮度均匀性,提高对比度;对各高通子带构建基于高斯混合尺度模型的分解系数邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。最后利用所提出的方法对大量浮选泡沫图像进行去噪分析。结果表明:所提出的降噪方法能突出泡沫图像的纹理细节信息,提高泡沫图像的对比度,在信噪比和实时性上有明显提高,为后续泡沫图像的分割和工况识别奠定基础。     

一种多尺度分形的弧焊熔池图像分割方法

弧焊熔池图像的各个区域与最终的焊缝成形有着密切的关系.分析了弧焊熔池图像中的浮渣与熔池的分型维数和多尺度分型维数的特征,阐述了图像的分形维数和多尺度分形维数特征的概念,介绍了单一分形维数与基于多尺度分形维数的图像分割方法,并把该方法应用到了弧焊熔池图像的分割中.结果表明,基于分形维数的多尺度图像分割方法可以有效地对弧焊...     

基于小波分解和异步重构的图像信息增强算法

针对传统基于小波变化的图像信息增强问题,提出了一种结合小波分解和异步重构的图像信息增强算法.其中的异步重构方法并不采用通常的顺序,而是采用排序编码来执行.通过模拟人脑处理视觉信息的方式,该方法试图通过使用较少的频率通道来实现图像重构.首先,信号首先通过高斯差分滤波实现空间频率分解.然后选择最重要信息频率分量,每个像素利用最好的尺度进行重构,并且忽略弱响应尺度.实验结果表明:在局部重构的情况下,相比传统的标准排序重构算法,提出的算法能够快速的实现图像重建并达到较高的增强效果.     

基于时间序列算法的变电站设备故障红外识别

为了提高变电站设备故障的识别精度、图像清晰度、细节完整度,提出了基于时间序列算法的故障红外识别方法。首先,设计变电站设备红外遥视与故障识别框架,利用混合探测器-云台组合采集其红外、可见光视频图像,经光通信设备及光纤传输视频图像至监控中心,通过滑动窗口结合时间序列筛选并标记可疑故障图像;然后,经小波阈值变换的中值去噪方法去除噪声后,利用改进分水岭算法完成图像目标分割,采用Zernike不变矩提取其特征值,将其作为支持向量机的输入,完成变电站设备分类;最后,结合设备的温度信息,通过划分故障类型、故障识别规则,实现不同设备的故障识别。结果表明,采用该方法去噪后,图像清晰度、对比度大幅提升,分割后目标设备细节完整度高,可实现不同设备的故障识别。     

基于视觉显著模型和图像分割的文化图像目标检测

针对图像目标识别中的高效率视觉注意机制问题,提出了一种基于视觉显著模型和图像分割的文化图像目标检测算法。首先采用基于颜色分量对比度视觉显著模型对现有的视觉显著计算方法进行了改进,提高了显著区域检测的效率。然后在传统Grab Cut图像分割算法的原理上,结合改进的视觉显著模型来实现显著区域初始化,无需人工交互步骤,从而实现全自动的图像目标检测。测试数据结果表明:相比于现有的几种典型方法,提出算法具有较好的目标检测性能和较快的检测速度。     

基于有监督过渡区的焊缝X射线图像分割

针对X射线焊缝检测图像中存在大量背景冗余信息,焊缝和缺陷难于准确检测提取的问题,提出一种基于先验知识的有监督过渡区域提取及阈值分割方法.根据焊接图像本身的特点,通过先验知识对样本图像进行训练,确定某个区间来估算图像过渡区域的灰度范围,按照模糊子集理论,给出一种新的加权算子来描述局部窗口内灰度级的变化,从而能充分考虑到局部窗口内灰度级变化的频率和幅度,通过计算过渡区域像素的灰度均值,将其作为阈值对图像进行分割.结果表明,该方法能准确地将目标缺陷从焊缝X射线图像中分割出来,具有良好的适应性.     

单条纹激光引导焊缝跟踪图像处理

研究了单条纹激光引导焊缝跟踪图像处理方法.首先利用小波分解技术获得图像水平方向的细节部分,在该部份激光条纹的信息得到了较好的保持,而噪声信息则比较少,有利于焊缝识别;然后对该部份进行竖直方向上的中值滤波以滤除残余的噪声;最后采用KSW熵算法,对图像进行分割,并识别出焊缝区域.该方法效果较好,抗干扰性强,耗时少,能满足焊缝实时跟踪的要求.     

微间隙焊缝磁光成像小波多尺度融合检测

针对微间隙(小于0.1 mm)对接焊缝,通过对焊件施加感应磁场,并利用法拉第旋光原理构成的磁光传感器,获取焊缝磁光图像.为了获取焊缝的准确位置,研究一种焊缝磁光图像的小波多尺度信息融合边缘检测方法.对焊缝磁光图像进行3层小波分解,获得包含焊缝边缘信息的小波高频图像.根据各尺度高频信息包含的细节丰富度,融合各尺度高频图像,然后用小波模局部极大值对融合图像进行边缘检测,得到抗噪性和连续性好、定位精度高的焊缝边缘,最后进行焊缝跟踪试验.结果表明,磁光图像小波多尺度信息融合是一种有效的焊缝边缘提取方法,适用于磁光成像传感的微间隙焊缝跟踪图像处理过程.