HSI颜色空间下的直线导轨表面缺陷检测方法

为解决直线导轨表面微小缺陷受背景纹理影响、无法准确检测的问题,提出了一种HSI颜色空间下的直线导轨表面缺陷视觉检测方法。将直线导轨表面图像由RGB空间转换到HSI空间,得到色调、饱和度和亮度的分量图;采用主成分分析法对各分量图像进行降维,建立混合灰度模型;利用粒子群算法优化其相应的加权系数;通过阈值分割完成缺陷检测。实验及计算结果表明,相比RGB空间的缺陷提取,该方法能准确检测出常见的直线导轨表面四种类型缺陷。     

基于支持向量机的X射线焊缝缺陷检测

为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度.     

基于颜色和数学形态学的木材缺陷检测研究

木材天然美丽的纹理、优雅的色泽使其在建筑、家具得以广泛应用,因此人们除对木材纹理特别注重外,对其颜色也近于挑剔.本文根据传统的分割方法、木材的特点、实际生产过程中时间短的的要求,提出了基于色差和数学形态学木质板材分割方法.在HSI空间中,重点选择对H分量和I分量先进行形态学边缘检测,不考虑其中过小的像素块,采用中值滤波将其清除,保留住准确的边缘图像,为此边缘检测以颜色模型的H分量为特征,然后再基于边缘信息进行区域生长.为了克服伪边缘(断边、毛刺等)缺陷,本文又利用边界信息自动选择种子点,以各区域边界为区域模型进行区域生长,最后得到分割结果,很好的分割出木材的缺陷部分.     

白细胞图像的最优线性组合分割方法

针对血液白细胞图像的自动分割问题,本文提出一种基于HSI彩色空间的三种灰度分量进行双权值最优线性组合的方法.用t检验确定最优化组合权值,组合后图像的直方图具有单一谷底,进行自动阈值二值化处理,能有效分割出整个白细胞图像.     

一种混合遗传算法在彩色图像分割中的应用

磨粒图像分割是磨粒识别的基础,其分割精度直接影响到磨粒自动识别的精度。在磨粒图像RGB彩色空间,选择其3个正交彩色特征,应用遗传算法和类间最大方差法对其分割,依据F isher判别函数选择其最佳特征与最佳阈值,实现了磨粒彩色图像的分割。大量磨粒图像分割实践证明,该分割方法具有分割精度较高、计算速度快、自适应性强等特点,是铁谱磨粒彩色图像自动分割较理想方法之一。     

利用HSI颜色模型提取真菌孢子

对经染色得到的真菌孢子彩色图像进行分割,可以为抗真菌药物的疗效评价提供依据.为了更好地采用HSI颜色模型提取真菌孢子,本文首先通过预处理将真菌孢子图像按深浅分为几类,然后针对不同的类别采用不同的阈值进行分割.在正式的处理步骤中,采用HSI颜色模型与边缘提取结合的方法,就可以较好地提取出真菌孢子.     

基于彩色图像的运动目标分割方法

针对彩色图像Hue-saturation-intensity颜色模型各分量所携带的颜色信息不同的特点,结合区域分割算法在彩色图像中提取区域颜色特征,并将区域颜色特征作为局部阈值分割方法的阈值特征,提出一种基于图像区域颜色特征的运动目标分割方法。分割试验显示了该运动目标分割方法的有效性和可行性。提出融合梯度算子和子区合并技术进行区域分割的方法,子区合并技术能够在一定程度上防止两个独立的区域被错误的合并成一个区域, 这种区域分割方法和常用的Region growing算法的对比分割试验显示该方法对灰度变化不均匀的区域进行分割的效果优于Region growing算法。     

基于K-means聚类与最大类间方差的磨粒彩色图像分割

针对在HSI颜色空间下存在的图像的二维颜色分量分布散乱不紧密,存在聚类中心计算错误,利用二维颜色分量很难将背景和磨粒准确分割开,分割完的铁谱图像仍包含许多不需要的微小磨粒等问题,提出采用K-means聚类与最大类间方差的图像分割方法。分别选取球粒、切削磨粒、严重滑动磨粒、红色氧化物、疲劳磨粒的彩色图像,在Lab颜色空间下利用二维颜色分量进行聚类分析及最大类间方差阈值分割,并进行三维数学形态学处理。结果表明,提出的方法实现了小磨粒与目标磨粒的有效分割,可以得到较为完整的彩色磨粒图像,为磨粒的颜色参数识别提供有效的依据。     

一种基于HSI和小波变换的可见光和红外图像融合新方法

针对传统的HSI(色度—饱和度—亮度)图像融合方法易出现颜色失真和传统的小波融合方法存在分块模糊的现象,文中提出一种基于HSI和小波变换的可见光和红外图像融合新方法。该方法首先通过HSI变换获得红外和可见光图像的亮度成分,采用基于方差匹配度的融合规则对两者进行小波融合,得到新的亮度分量,并选用红外图像的饱和度分量和可见光图像的色度分量,进行HSI逆变换获得最终融合图像。实验结果表明:该方法在提高图像清晰度、突出图像细节和热目标等方面效果显著。     

双阈值热点区域提取的线材表面缺陷检测方法

机器视觉的表面质量检测方法已广泛应用于工业生产,但高速线材由于其外形和工况的特殊性,鲜有应用。研究设计了4维面阵CCD与双色环形光源为图像采集单元,组合对比度边界检测算法、梯度和彩色图像均值阈值热点区域提取和二维最大熵图像分割算法成基于双阈值热点区域提取的线材表面缺陷检测方法。实验结果表明,该方法弥补了单色光源条件下采用单一阈值提取缺陷热点区域的劣势,耗时1.25s可实现多种类二维和三维线材缺陷的准确分割。     

脉冲涡流热成像的自适应异常提取算法

脉冲涡流热成像通过检测试样表面温度场异常来进行缺陷检测。试样的表面不平整带来的非相关显示,使得缺陷引起的温度异常很难被检测出来。本文提出了自适应异常提取算法,该算法使用基于局部信息模糊C均值聚类图像分割将非相关显示的干扰区域分割开来,然后采用自适应模板对各个分割区域内的像素进行预测。该算法能够用于原始热图像和其他检测算法得到结果图的异常提取。以表面不平整的焊缝裂纹试样为对象来验证算法的有效性,并进行信噪比评价。结果表明该算法能够很好地抑制非相关显示,同时激励不均匀性的干扰也得到较好的消除,缺陷的异常信息被很好地提取出来。     

一种合成孔径声呐图像目标分割方法

合成孔径声呐图像的信噪比低于普通光学图像,使图像分割成为合成孔径声呐图像处理中的重要环节。本文研究了表示合成孔径声呐图像数据分布的瑞利混合模型,结合马尔科夫随机场模型,将其应用于声呐图像水下目标(亮区)分割;通过最大期望算法分别估计目标和背景的瑞利混合模型参数,并利用该参数使用Graph cut方法进行马尔科夫随机场图像分割,通过重复迭代,最后形成稳定的目标分割结果;对实际的声呐图像进行了数据分析及目标分割,结果表明瑞利混合模型在描述合成孔径声呐声图上有良好的性能,可以改善目标分割的效果。     

Automatic setae segmentation from Chaetoceros microscopic images

A novel image processing model Grayscale Surface Direction Angle Model (GSDAM) is presented and the algorithm based on GSDAM is developed to segment setae from Chaetoceros microscopic images. The proposed model combines the setae characteristics of the microscopic images with the spatial analysis of image grayscale surface to detect and segment the direction thin and long setae from the low contrast background as well as noise which may make the commonly used segmentation methods invalid. The experimental results show that our algorithm based on GSDAM outperforms the boundary‐based and region‐based segmentation methods Canny edge detector, iterative threshold selection, Otsu's thresholding, minimum error thresholding, K‐means clustering, and marker‐controlled watershed on the setae segmentation more accurately and completely. Microsc. Res. Tech. 77:684–690, 2014. © 2014 Wiley Periodicals, Inc.     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

基于规则划分和RJMCMC的可变类图像分割

为了自动确定遥感图像分割中的类别数,提出了一种结合规则划分和逆跳马尔科夫链蒙特卡洛(RJMCMC)算法的可变类图像分割方法。首先,将图像域划分成若干个不同的规则子块,并假设每个子块内的像素满足同一独立的多值Gaussian分布;在此基础上,根据贝叶斯定理,建立基于区域的图像分割模型;然后利用RJMCMC算法模拟该分割模型,以自动确定图像类别数并实现区域分割;为了进一步提高分割精度,设计了精细化操作。利用本文提出的方法,分别对合成及彩色遥感图像进行可变图像分割,实验结果表明,提出的方法不仅能自动确定图像类别数,还可以实现区域分割,从而验证提出算法的可行性及有效性。     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

木材表面图像的缺陷分割与类型识别方法

为了识别死节、活节、虫眼三种木材表面缺陷,采用Gabor变换和模糊C均值聚类进行缺陷分割;采用数学形态学运算对分割图像进行了后处理;获取了木材缺陷区域的12维频率能量参数和2维几何形状参数;用支持向量机进行木材表面缺陷类型的识别。采用Gabor变换和模糊C均值聚类方法对死节、活节、虫眼三种木材表面缺陷的分割精度都达到94%以上,支持向量机对缺陷类型分类正确率达到93%以上,这说明本文的方法对木材表面缺陷的分割与识别是可行的。     

基于区域划分的多特征纹理图像分割

由于纹理图像的复杂性和多样性,仅依靠传统的单一特征实现纹理图像分割无法满足其对分割精度的要求。本文提出结合区域划分的多特征纹理图像分割方法。首先,依据像素灰度的空间相关性定义多个纹理特征;然后利用区域划分将图像域划分成不同子区域,待分割同质区域由这些子区域拟合而成;通过分别定义多个特征图像的同质区域之间的异质性势能函数和刻画各子区域邻域关系势能函数来定义全局势能函数,并构建非约束吉布斯概率分布,从而建立纹理分割模型;最后,采用M-H算法采样上述概率分布,从而获得最优图像分割结果。分别对模拟纹理图像、遥感图像、自然纹理图像和SAR海冰图像进行了分割实验,并与利用单一特征得到的分割结果进行对比分析,定性和定量的测试结果验证了算法的有效性。