采用双边滤波的冷轧铝板表面缺陷图像去噪方法的研究

目的去除冷轧铝板表面缺陷图像中的噪声,并保持图像的清晰度以及图像的细节信息,避免冷轧铝板表面缺陷图像中的噪声引起错误的缺陷检测。方法首先,引入双边滤波方法,并联合概率分布函数以及最大似然函数求取图像的噪声方差,自适应地对双边滤波函数中灰度方差值进行调整,实现对冷轧铝板表面缺陷图像中噪声进行滤除。然后,为了对双边滤波去噪后遗留下的强噪声进行去除,利用像素点之间的差值,构造区域相似度模型,对双边滤波去噪后图像中的强噪声进行判定。最后,借助中值滤波方法在对强噪声进行滤除的同时,兼顾保持图像的清晰度,进而达到去除冷轧铝板表面缺陷图像中的噪声,并保持图像细节以及清晰度的目的。结果所设计方法在噪声强度分别为0.09、0.12以及0.15时,所得去噪图像的MSE值分别为15.3743、19.7713以及23.7613,所得去噪图像的PSNR值分别为38.4971、35.4792以及31.1768。结论所设计方法不仅能有效去除冷轧铝板表面缺陷图像中的噪声,而且还能较好地保持图像的清晰度以及边缘特征,使得去噪后图像具有较好的视觉效果。     

零件识别图像预处理算法研究北大核心

图像预处理是零件特征提取与识别的基础,处理质量直接决定后期识别的效果。提出了基于灰色关联分析的图像分割新算法,该算法通过分析像素点序列与代表目标的参考序列的灰色关联度来进行区域分割。通过测量实验,证明其对于在较复杂背景图像中较模糊的目标边缘具有较好的检测效果。可完整的提取出目标区域,并得到连续封闭的目标边缘,为后续的零件目标识别打下了良好的基础。     

小波变换在缺陷红外图像去噪中的应用

红外图像存在成像模糊、噪声较大等缺点。为了获得良好的检测、识别效果,红外图像的去噪成了很重要的一项工作。简单介绍小波变换的基本原理,并将其分别与中值滤波和主成分分析方法相结合,对缺陷的红外图像进行处理。该去噪方法无需建立在对噪声方差的精确估计上。试验表明,该算法优于传统的滤波去噪法,能同时有效地抑制高斯噪声和椒盐噪声,有利于对缺陷作进一步的分析和判断。     

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。     

焊接机器人焊缝完整程度图像识别算法研究

焊接机器人存留的焊缝缺陷会给生产企业造成安全威胁,为了让机器人有效识别焊缝缺陷,设计了一种焊接机器人焊缝完整程度图像识别方法。该方法根据采集的焊接机器人焊缝图像,采用暗通道先验理论对采集结果实施图像增强处理操作,从而达到提升图像清晰度的目的;以此为基础采用Contourlet变换将图像分解为低频分量及高频分量图像,并采用KPCA方法提取焊缝高频分量图像纹理特征,达到提高图像完整度识别效果的目的;最终将提取结果输入到构建的支持向量机模型内,结合典型缺陷焊缝纹理特征,以此识别出焊缝的完整度,完成了对焊接机器人焊缝完整程度的全面识别。试验结果表明：通过对该方法开展了焊接机器人对焊缝的裂纹、小孔、夹渣、未焊透等完整度识别测试及识别性能测试,验证了该方法的有效性强、可行性高。     

基于机器视觉的升船机凸齿焊缝检测方法

为了获取精准的焊缝检测结果,文中提出一种基于机器视觉的升船机凸齿焊缝检测方法。建立基于机器视觉的X射线焊缝底片采集平台,通过需求确定采集方案进行图像采集。将采集的底片作为研究对象,以广义交叉验证准则为优化目标,通过序列二次规划算法优化处理非降采样轮廓波变换(NSCT)域的去噪阈值,获取最优去噪阈值。在确定阈值后,采用非线性阈值函数处理Contourlet系数,获取去噪后的图像。引入梯度方向直方图算法提取升船机凸齿焊缝图像特征,将二叉树支持向量机(SVM)作为分类模型完成特征学习及升船机凸齿焊缝检测。试验结果表明,文中方法不仅可以获取精准的焊缝检测结果,同时还能够提高焊缝检测效率。     

基于改进GA-KSW熵法的无人机拍摄绝缘子故障识别

针对输电线路中绝缘子的故障问题,设计并实现一套绝缘子自爆故障识别算法。设计无人机整体构架,包括导航能力、避障能力以及高压线旁工作的抗干扰能力;对传统遗传算法进行改进,结合最佳熵阈值确定法对绝缘子图像进行分割;利用形态学得到纯净的绝缘子串;采用所设计的拟合算法推测绝缘子应有位置,分别从正视图和斜视图对绝缘子自爆故障进行识别。结果表明：所提算法在分割绝缘子图像时精确度高,速度比传统遗传算法提高了约75%;该算法适用于多角度拍摄的绝缘子故障识别,为无人机拍摄的绝缘子故障识别提供了保障。     

基于二元函数拟合的X射线焊缝图像缺陷分割方法

由于存在焊缝图像噪声强、不清晰、对比度低的问题,导致图像分割效果差,文中提出一种基于二元函数拟合的X射线焊缝图像缺陷分割方法。通过正弦变换函数对原始焊缝图像增强处理,使用B样条曲线拟合图像内的灰度曲线,计算高斯曲率与平均曲率得到焊缝表面图像边缘特征,通过二元函数得到不同类型的焊缝边缘数据,结合焊缝图像的表决图,完成对焊缝图像缺陷完美分割。试验结果表明,该方法分割精度高,且在缺陷类别识别和检测效果图上都要高于卷积神经网络算法、目标检测算法、多视觉成像算法的,证明所提方法分割效果好,有实际的应用价值。     

焊缝成形测量小波软硬阈值折衷去噪法

利用线激光视觉传感器对焊缝成形进行测量,焊缝图像往往存在噪声. 针对传统小波阈值去噪算法中硬阈值函数和软阈值函数的不足,研究焊缝图像软硬阈值折衷去噪算法. 利用db4小波基函数对激光条纹中心进行3层小波分解,对分解后的细节系数分别采用传统小波阈值函数和软硬阈值折衷法进行去噪,采用信噪比和均方根误差评价几种方法的去噪效果. 结果表明,软硬阈值折衷法的去噪效果优于传统小波阈值去噪法,能有效提高焊缝外形尺寸的测量精度及可靠性.     

小径管X射线焊缝图像缺陷识别算法

针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法.首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别.为提高系统实时性,使用并行编程对图像分割算法进行加速.结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.     

二维变分模态分解在轴承检修中的应用

应用2D-VMD算法对图像信号进行去噪，以提升图像质量。采用2D-VMD技术对含有噪声的轴承缺陷图像进行分解，将其分解为有限个固有模态函数（IMF）分量；利用模糊线性指数和标准差筛选各IMF分量，剔除噪声项，实现图像去噪。对比2D-VMD去噪算法和均值滤波、中值滤波的去噪效果，使用均方差和峰值信噪比对去噪后的图像进行客观评价。结果表明：使用2D-VMD算法去噪效果更好，去噪后的图像能保留更多有效信息、图像质量更好，能够满足铁路部门对轴承检修的需求。     

相连金刚石颗粒图像的分割

为了提高图像分析法测量金刚石颗粒粒径的精度,简化测量过程中金刚石图像采集的步骤,进行了相连金刚石颗粒图像分割的研究.以最小外接圆法评定了金刚石颗粒投影的圆度.在对采集到的金刚石颗粒图像二值化的基础上,首先提取金刚石颗粒图像的轮廓,获取轮廓坐标序列并采用五点平均法对轮廓坐标序列进行了平滑;基于金刚石投影的凸性,沿轮廓逐点搜索出分割点(凹点).结合金刚石颗粒投影圆度系数的特征,进行了分割算法的设计,解决了分割点的配对问题.算法考虑了金刚石枝状相连、环状相连及枝状-环状相连的情况,提高了算法的实用性.分割实例表明,算法能有效分割相连的金刚石颗粒图像,准确性较高.     

一种微光下车牌图像的去噪和定位方法

车牌识别系统是智能交通的重要组成部分,而车牌定位是车牌识别系统的关键部分,它直接影响到后续的字符分割和识别.根据微光下车牌图像含椒盐噪声的特点和小波变换的集中特性,对微光车牌图像进行小波变换处理,用软阈值法对小波系数进行阈值处理,将得到的高频小波系数进行重构,得到去噪图像;最后对去噪后的车牌图像利用边缘检测法和投影法进行车牌区域定位.实验结果表明:每张车牌平均定位时间为1.78 s,定位成功率达98%.     

一种用于运动目标跟踪与测量的目标边缘差分算法研究

为提高对运动目标的有效追踪,同时有效避免传统差分算法对目标有效边缘造成的"空洞"破坏,提出了一种改进型目标边缘差分算法。一方面,通过引入一种基于INMF的目标跟踪算法以完成对目标区域的动态捕捉和分割;另一方面,对目标图像的边缘处理进行Canny灰度值特征提取,通过一种改进型边缘帧差分算法完成对分割区域内目标对象的边缘运动识别。最后,将该算法同传统几种典型的跟踪识别算法进行实验验证。结果表明:在目标部分遮挡、光线变化和运动模糊环境中,该算法在检测精度和稳定性方面表现较为优异。     

基于小波变换的发动机表面缺陷图像去噪方法的研究

目的 滤除发动机表面缺陷图像上的噪声,使发动机表面缺陷信息得以更好地呈现。方法 首先利用小波变换将发动机表面缺陷含噪图像进行系数分解,获取不同的小波系数;接着利用支持向量机对小波分解系数进行分类,以达到将噪声信号与非噪声信号进行分离的效果;最后利用插值运算对硬阀值函数进行优化,以克服函数不连续性引起的振铃效应等弊端,使得去噪后图像能够保持更多的细节信息。通过实验仿真将所提方法以及中值滤波、双边滤波方法的去噪效果进行对比。结果 所提方法去噪后图像与中值滤波以及双边滤波方法去噪后图像相比,具有更高的PSNR值以及SSIM值。测试图像噪声强度为25%时,所提方法去噪后图像的PSNR值以及SSIM值较中值滤波方法去噪分别提高了20.66%以及11.89%,较双边滤波方法去噪分别提高了10.30%以及5.48%。结论 所提方法比中值滤波、双边滤波方法具有更好的去噪效果,能够对发动机表面缺陷图像的噪声进行去除,并较好地保留图像的细节信息。     

小波多尺度C—V模型的红外图像分割

由于红外图像大多具有目标边缘模糊、对比度低、噪声多的特点,传统的C-V模型在进行分割时,易产生过分割且计算量大.针对这一问题,本文提出了一种兼顾目标同质性信息的小波多尺度C-V模型红外图像分割方法,该方法根据图像目标和背景同质性信息所占面积比例关系自适应地调节模型的参数.首先对红外图像做小波分解,从分解的顶层低频图像开始,利用改进能量函数,寻找目标边界,通过插值由粗尺度到细尺度逐层演化,最终获得原始图像的分割.该方法与原有方法相比,大大减少数据的计算量,有效地提高了分割速度,改善了分割效果.仿真实验证明了算法的有效性.     

红外热波序列图像的图像分割与三维显示

研究了针对红外热波序列图像的图像分割和三维显示方法。红外热波无损检测只能得到被测工件表面温度变化的时间序列图像,无法直观到检测缺陷,利用三维显示技术可以产生深度三维立体图,方便技术人员更直观、精确地进行无损检测。三维显示效果的好坏直接取决于图像分割的效果。为此提出了基于局部极小值的区域生长分割算法,成功地提取出红外热波图像中缺陷成分的目标图像,并进行了三维显示,取得了较好的效果。     

基于改进阈值函数及SVM的滚动轴承故障诊断

为了提高稀缺的滚动轴承故障样本的利用价值,以及针对支持向量机对噪声敏感的特点,提出了基于小波阈值去噪和SVM的轴承运行状态识别的新方法。对现有故障轴承振动信号样本进行小波阈值去噪,得到相应的去噪后样本。在此基础上结合SVM的参数寻优进行SVM模型的初步建立,并将错分样本重新去噪后进行SVM模型的重建,直到惩罚因子和交叉验证的精度达到预定标准,从而实现最优模型的建立以及轴承状态的识别。但是传统的软硬阈值函数各自存在的不足制约了信号去噪和特征提取的效果,并且无法实现去噪处理的可调性,因此,首先提出了一种改进的阈值函数,并结合MATLAB仿真实验分析了其优点。最后的滚动轴承诊断实例表明,引入改进阈值函数的去噪法能有效提高样本数据利用率和SVM的抗噪与泛化能力以及滚动轴承智能诊断的可靠性。     

X射线图像模糊增强方法

根据射线图像的自身特征，模糊增强方法可以突出图像细节，提高图像的清晰度。分析了Pal经典模糊增强算法的缺点，在此基础上提出了改进的局部模糊增强算法。实验结果表明，该算法不但能够提高图像对比度，突出边缘及细节，其运算速度也远远快于Pal模糊增强算法。     

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。