图像处理在医用纱布表面缺陷检测中的应用

针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。     

一种基于自适应形态学中椭圆结构元素的遥感图像水体分割方法（英文）

利用可见光和红外遥感图像统计水体区域面积是掌握水资源基本情况的有效手段,而水体分割是统计的前提。通常遥感图像中水体区域的边缘特征较为复杂,在利用传统形态学图像分割方法时,通常采用固定结构元素对图像进行形态学运算,导致图像边缘属性易发生改变,进而影响图像分割准确率。为了准确分割遥感图像中的地表水体,提出了一种利用形态学自适应椭圆结构元素的遥感图像水体分割方法。首先利用线性结构张量估计图像特征值和特征向量,根据该特征属性构造可自适应变化的椭圆结构元素;然后定义相应的自适应形态学基本运算,进而组合衍生出相应的闭运算,消除暗细节噪声对水体的影响且不会对水体边缘过度拉伸,因而能够更准确的保持水体边缘;最后在此基础上,运用灰度切片分割出水体区域。实验结果表明,所提出的方法具有较高的分割准确率,平均分割误差小于1.43%。     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

基于小波包和数学形态学结合的图像特征提取方法

提出了一种基于小波包和数学形态学相结合的图像特征提取方法,应用于车牌字符等的图像提取及边缘检测。采用了小波包对图像进行分解并重构其近似部分,用形态学膨胀和腐蚀等形态学基本运算以及形态学梯度对图像进行边缘检测,并应用形态学重构填充了车牌字符的空隙,以便后续的字符识别。仿真实验表明与Edge边缘检测算子相比较,该方法能够更好地提取图像特征,检测出的边缘更清晰,并更好地填充了车牌字符的空隙。     

基于边缘检测的红外图像二值化算法

提出一种基于形态学边缘检测的红外图像二值化算法。结合边缘检测、自适应形态学边缘增强方法对图像进行处理,使得二值化结果有效地保留红外图像的边界特征,试验结果证明该方法是一种有效、实用的图像二值化方法。     

0603型绿色贴片LED方向检测算法研究

针对全自动编带机编带过程中0603型绿色贴片LED的方向检测,提出了利用MeanShift图像分割法首先对芯片进行图像分割,然后利用Krisch边缘检测算法、Prewitt边缘检测算法和高斯拉普拉斯边缘检测算法分别对芯片进行边缘检测,提取芯片的轮廓特征。实验对比表明,能够通过采用MeanShift图像分割法对芯片进行分割,再利用高斯拉普拉斯边缘检测算法提取芯片的轮廓特征的方法,判别0603型绿色贴片LED的方向。     

基于多尺度效应的坯布缺陷边缘检测算法

生产线上运动产品缺陷图像的边缘具有模糊和不确定性,采用多尺度方法来描述和分析可以获得更多信息.为了满足当前坯布检验过程中对于产品表面缺陷进行快速准确检测的要求,文中提出了一种基于多尺度效应的图像边缘检测与分割方法,结合小波变换的图像频带分解与重构、粗糙集的图像区域分割增强、多结构元素的形态学边缘提取方法为一体,应用于坯布表面质量检测,取得了较为理想的分割效果.     

基于Radon变换的电气连接器图像倾斜校正

电气连接器在拍摄的过程中不可避免会产生图像倾斜现象,倾斜的图像不利于图像特征分割,为解决图像倾斜问题,提出基于Radon变换的图像倾斜校正方法。该方法先利用边缘检测中的Sobel边缘检测算子检测图像边缘,再利用Radon变换检测倾斜图像的倾斜角,最后根据检测到的倾斜角利用双线性插值对图像进行旋转,最终完成倾斜图像的校正。经试验验证该算法处理速度快、适应性好,对噪声与污染不敏感。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

一种区块特征匹配与边缘差分结合的运动目标检测算法

由于动态背景中存在运动目标检测准确率不高、耗时过长,提出一种区块特征匹配结合边缘特征的运动目标检测算法。首先将视频图像目标检测块与背景块分离,对相邻帧背景块进行运动补偿;进而对连续多帧图像进行边缘特征提取,最后对多帧的边缘图像差分,经由形态学处理和阈值分割得到运动目标区域。该算法能有效减少特征提取耗时,降低背景噪声的干扰。实验结果表明,该算法检测运动目标的准确性较好,且抗噪表现较好。