基于新一代GPS的多尺度形态学滤波技术研究

基于新一代GPS的多尺度形态学滤波技术,采用一个结构元素尺度系列,对输入信号进行形态学滤波,将其在各个尺度值上进行分解.达到滤波效果的同时,能够清晰的表达出不同尺度段的信息细节.实验结果表明,此滤波方法与传统的高斯滤波相比,不仅速度快,而且无边界效应,滤波效果较好.     

一种基于分水岭和区域合并的视频对象分割算法

为了从视频序列中分割出完整的、一致的运动视频对象,并且改善分水岭算法存在的过分分割问题,本文提出了一种基于时空分割融合的视频分割算法。时间分割采用图像差分算法,其关键的阈值选取通过直方图分析得到。空间分割时,先采用抗噪声能力更强的多尺度形态学算子求取图像梯度,然后进行分水岭变换,最后进行区域合并,它可以有效克服噪声的影响并有效地减少过分割。仿真结果表明,此算法对于改善过分割现象有明显效果,并且对分割程度具备可控能力,在适应不同场景需求方面存在一定的应用价值。     

基于分层多尺度形态学梯度修正的分水岭分割（英文）

形态学分水岭分割对图像中的噪声和非规则细节较为敏感,常常导致较严重的过分割。如果在分水岭分割之前采用线性滤波器进行平滑,可以在某种程度上消除噪声和非规则细节干扰造成的分水岭过分割,但是可能使分割出的目标轮廓产生位置偏移。为了能够在消除过分割的同时保持目标轮廓的位置不变,提出了一种基于分层多尺度形态学梯度修正的分水岭分割方法。首先对原始图像进行多尺度形态学滤波平滑;然后根据形态学梯度图像的三维地貌体积对其进行分层多尺度修正,自适应地确定修正所需的结构元素尺寸,对于低梯度层级采用较大尺寸结构元素进行形态学闭运算,消除因非规则细节产生过分割的非规则局部极小值,而对较高梯度层则采用较小尺寸的结构元素,保持区域轮廓的位置不变;最后在修正梯度图像基础上,运用标准分水岭变换实现图像分割。实验结果表明,该方法能够在消除过分割的同时,较准确的保持目标轮廓的位置。     

基于改进形态学梯度的齿轮边缘检测

经典的边缘检测算子算法更多地采用Prewitt算子、LOG算子和Canny算子等在空域中进行。数学形态学在图像处理过程中不涉及变换,其原理是利用结构元素检测图像,并直接处理图像的特征信息。在形态学梯度的基础上,提出了一种基于改进形态学梯度的图像边缘检测算法,选取合适的形状以及尺寸的形态学梯度结构元素,并组合使用以检测出较理想的图像边缘信息。试验结果表明,该算法在含噪图像中能较好地保存图像边缘信息,有更好的定位精度和抗噪性。     

基于形态学算法分割铁谱图像研究

在铁谱图像分析与研究中,为实现对铁谱图像的准确性与自动快速分割,首先将二值化图像进行边缘干扰去除并用形态学重构滤除明暗区域,然后采用形态学膨胀与腐蚀消除目标区域内细小孔洞,最后基于形态学分水岭方法实现自动探测目标区域并分割粘连重叠磨粒,大大提高了铁谱图像分割精度,另外由于使用形态学方法处理图像,加快了图像处理的速度,使...     

一种检测金属表面划痕的多尺度多方向形态学方法

在精密仪器制造中,金属表面的细浅划痕是最难检测的,却又是不可忽视的,采用机器视觉技术对其进行自动检测对于提高产品质量和生产效率有重要意义。在分析细浅划痕形状特征的基础上,设计一组多尺度多方向的形态学结构元素,并通过多尺度多方向的Top-hat变化构建形态学划痕指数,以突显划痕,且抑制背景,进而实现细浅划痕的检测。实验结果表明,这里方法能够有效地检测出各种形状的划痕,能够很好地克服光照条件和噪声的影响,具有较强的鲁棒性。     

基于尺度优化形态学滤波的滚动轴承故障诊断

为高效提取轴承振动信号中的冲击故障特征,提出了一种改进形态学帽乘积算子(IMHPO);同时,提出了一种新的结构元素长度选择策略,根据振动信号的极值点确定结构元素的长度范围并采用Hoyer测度评估形态滤波信号中的故障特征信息来选择最优结构元素长度。此外,将对角切片谱(DSS)应用于形态学帽乘积算子的滤波信号,以解决宽带噪声污染并进一步消除故障无关分量。仿真分析和轴箱轴承试验结果表明,所提出的IMHPO-DSS方法能够增强故障相关冲击特征并有效诊断轴承故障。     

基于梯度的鲁棒多尺度微运动测量算法

将鲁棒估计方法与多尺度方法相结合,给出了一种基于梯度的鲁棒分层估计多尺度运动估计算法。在该算法中,多尺度金字塔的不同尺度层采用不同的梯度滤波器来估计运动。在金字塔的每一层都使用鲁棒估计,这能够较好地解决估计中由于运动不连续和图像亮度变化引起的界外值问题,从而进一步提高运动估计精度。实验模拟表明提出的算法在测量MEMS噪声图像运动时不但估计精度高,而且执行速度快。     

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.     

一种基于水平集的多尺度乳腺肿块分割方法

作为乳腺肿块检测的重要环节,肿块分割在乳腺癌的计算机辅助诊断系统中扮演着重要的角色。提出一种基于水平集的多尺度乳腺肿块分割方法。首先对乳腺图像进行高斯金字塔分解,在粗尺度图像上使用C-V模型对肿块进行粗分割,得到的粗轮廓作为细尺度图像上的初始轮廓;考虑到C-V模型在分割灰度不均匀图像时所存在的局限性,在细尺度上提出一种局部活动轮廓模型,对粗分割的结果进行局部精细化处理。另外,为了提高分割方法的自适应能力,从粗分割结果中抽取灰度、面积特征作为局部活动轮廓模型参数设定的依据。将本文方法、C-V模型以及RSF模型应用于89例肿块病灶图像时,分别获得0.236 1、0.300 4和0.373 8的平均误分率。结果表明,所提出的多尺度方法具有更高的分割精度和鲁棒性。     

A weighted multi-scale morphological gradient filter for rolling element bearing fault detection

This paper presents a novel signal processing scheme, named the weighted multi-scale morphological gradient filter (WMMG), for rolling element bearing fault detection. The WMMG can depress the noise at large scale and preserve the impulsive shape details at small scale. Both a simulated signal and vibration signals from a bearing test rig are employed to evaluate the performance of the proposed technique. The traditional envelope analysis and a multi-scale enveloping spectrogram algorithm combining continuous wavelet transform and envelope analysis (WT-EA) are also studied and compared with the presented WMMG. Experimental results have demonstrated the effectiveness of the WMMG to extract the impulsive components from the raw vibration signal with strong background noise. We also investigated the classification performance on identifying bearing faults based on the WMMG and statistical parameters with varied noise levels. Application results reveal that the WMMG achieves the same or better performance as EA and WT-EA. Meanwhile, the WMMG requires low computation cost and is very suitable for on-line condition monitoring of bearing operating states.     

Gear fault detection using multi-scale morphological filters

This work gives a thorough exploration of the capacity of multi-scale morphological filters for gear fault detection. Eight types of multi-scale morphological filters are designed based on the mathematical morphology theory. A characteristic frequency intensity coefficient (CFIC) is defined as a quantity criterion for assessing the effectiveness of the filters. Both simulated signal and practical vibration signal measured from a gearbox are utilized to evaluate the fault detection ability of the eight multi-scale morphological filters. The conventional envelope analysis (EA) and another multi-scale analysis technique means the continuous wavelet transform combined with envelope analysis (CWT-EA) are also employed for a comparison. Experimental results have revealed that the averaged multi-scale morphological dilate-erode gradient (AMMG_DE) filter achieves the best performance for detecting gear defects. Furthermore, the computation cost of the AMMG_DE is comparable to the EA but much less than the CWT-EA technique. Therefore, the AMMG_DE filter is a very attractive technique for on-line condition monitoring of gear and other similar rotating machineries.     

基于形态学top-hat变换的支票方形印鉴自适应分割方法

摘要：目的：为了准确分割支票中的方形印鉴图像,为印鉴真伪自动识别提供无失真的二值待验图像和预留图像,本文提出一种基于top-hat变换的自适应形态学分割算法。方法：根据支票印鉴的色彩信息和拓扑结构特点得到方形印鉴的灰度图像。为了准确分割印鉴中具有不同笔划结构和背景均匀度的印鉴成份,印鉴灰度图像被分成四个子区域。对每个子区域中的字符和印框分别作top-hat变换增强图像细节后,再用Otsu方法二值化。Top-hat变换中所用结构元素的尺寸对分割结果有很大影响。本文根据每个子区域中印框和字符的结构特点分别迭代地计算适用于它们的最佳尺寸结构元素。结果：分割350枚不同支票方形印鉴,分割准确率为99.43%。可以准确地分割笔划复杂且分布密集的方形支票印鉴图像。结论：能够准确分割支票方形印鉴图像,有效的减少了分割结果中容易出现的笔划粘结和残缺失真,降低了对原始印鉴图像的质量要求。     

应用形态学top-hat变换的支票方形印鉴自适应分割

为了准确分割支票中的方形印鉴图像,为印鉴真伪自动识别提供无失真的二值待验图像和预留图像,提出一种基于top-hat变换的自适应形态学分割算法.根据支票印鉴的色彩信息和拓扑结构特点得到方形印鉴的灰度图像,将印鉴灰度图像分成4个子区域,以便准确分割印鉴中具有不同笔划结构和背景均匀度的印鉴成份.对每个子区域中的字符和印框分别做top-hat变换增强图像细节后,再用Otsu方法二值化.由于top-hat变换中所用结构元素的尺寸对分割结果有很大影响,本文根据每个子区域中印框和字符的结构特点分别迭代地计算适用于它们的最佳尺寸结构元素.分割了350枚不同支票方形印鉴,分割准确率为99.43%.结果表明,该方法可以准确地分割笔划复杂且分布密集的方形支票印鉴图像,有效地减少分割结果中容易出现的笔划粘结和残缺失真,降低了对原始印鉴图像的质量要求.     

基于 FPGA 并行计算的多阈值分级海陆分割方法

由于微纳卫星在体积、重量以及功耗等方面的限制,星载宽幅遥感图像海陆分割需要现场可编程门阵列(FPGA)提供 高能效计算能力。 在保证分割精度前提下,利用 FPGA 有限片上资源实现低复杂度算法的并行计算是关键。 因此,本文提出一 种基于 FPGA 并行计算的多阈值分级海陆分割方法。 该方法以 OTSU 法为核心,利用基于多特征联合阈值的子图分类构成分 级海陆分割,以抑制海面中干扰点的影响。 此外,设计新颖的并行迭代计算结构,在提升 OTSU 计算效率的同时实现对片上缓 存占用的平衡性调整。 实验结果表明,本文方法可达到 98% 以上的整体检测精度。 同时,对于一幅 8 192×2 048 pixels 的遥感 图像,本文方法处理时间仅为 0. 16 s,较其它基于 FPGA 的方法的处理时间至少减少了 23. 81% 。     

一种滤除心磁信号噪声的数学形态滤波方法

用通过检测人体心脏磁场信号得到的心磁图来诊断心脏疾病是目前医学界的一种新方法。心磁信号在测量过程中往往会引入各种噪声，这将影响对心磁信号的进一步分析和计算。因此，去除噪声是心磁信号处理中的一个关键环节。本文采用数学形态滤波方法中的开、闭运算，构造了一种开-闭和闭-开的平均组合来滤除心磁信号的噪声，通过与自适应滤波方法的比较，仿真结果表明，该方法能取得较好的滤波效果。     

基于分水岭变换和图论的图像分割方法

提出了一种融合分水岭变换和图论的图像分割方法.利用图像的局部灰度信息进行分水岭变换后,将图像分割成多个小区域,再结合各小区域的灰度和空间信息从全局角度用Normalized Cut方法在区域之间进行分割,产生最终的分割结果.实验结果表明,该方法可以消除分水岭变换后所产生的过分割现象,是一种有效的图像自动分割方法.     

基于区域生长的生物图像分割方法

针对基于区域的分水岭算法中通常存在的严重过分割现象,采用两点措施来改进:其一是在分水岭分割之前采用迭代阈值分割算法对图像进行分割,从而有效地抑制了由图片表面的灰度变化引起的过分割,使边缘定位更加准确;其二是在分水岭分割之后以基于面积,对比度和深度控制的区域合并准则,有效抑制过分割现象,同时满足感兴趣区的分割要求,实验表明该方法简单有效,能够得到符合人类视觉系统特性的分割结果。     

基于形态学重建和GMM的球团颗粒图像分割

机器视觉技术的发展为颗粒粒径的自动测量提供了一种有效方法,但是,重叠颗粒的图像分割问题仍有待进一步解决。针对这一问题,提出一种基于形态学重建和高斯混合模型的球团颗粒图像分割算法。首先利用似圆度将单独颗粒和重叠颗粒进行区分;根据重叠颗粒图像距离变换特征建立了高斯混合模型;为实现无监督的聚类,采用形态学重建结合聚类有效性指标的方法获得最佳聚类数目,并利用期望极大(EM)算法进行求解;最后采用圆拟合的方法对缺失的球团颗粒轮廓进行重构,实现了对重叠球团颗粒的分割。实验结果表明,该算法能够有效地对重叠颗粒进行分割,分割正确率评价指标AC为93.6%,明显优于现有的对比算法,为基于机器视觉的球团颗粒粒径分布测量奠定了基础。     

基于多尺度小波变换的变步长LMS滤波算法

对LMS自适应算法、基于抽样函数的变步长LMS算法和基于多尺度小波变换的自适应滤波算法进行了研究,在此基础上把变步长LMS算法与多尺度小波变换相结合,产生了新算法。该算法一方面可以克服固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾;另一方面,小波变换的引入减少了输入向量自相关矩阵的条件数,提高了收敛速度、跟踪性能和稳定性。最后对算法的性能进行了计算机仿真比较,仿真结果表明:基于多尺度小波变换的变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力。