CUDA加速工业DR图像分割*

对DR ( Digtal Radiography数字辐射成像)图像进行分割是工业DR图像处理中一项重要内容。C-V算法对DR图像分割效果较好, 但该算法计算量大, 在工业应用中达不到实时处理要求。本文结合高性价比CUDA（计算机统一设备架构）技术实现C-V算法对DR图像分割并行化,并采用共享内存技术、独立计算与合并计算结合的方法,较大地提高了C-V方法的计算效率。对实际工业DR图像分割实验结果显示,本文方法加速比可达到32到44倍,表明使用CUDA并行化C-V方法分割DR图像高效可行。     

基于小波神经网络的脑图像分割研究

随着影像学的发展,医学影像设备极大地提高了人类获取自身信息的能力,推动了现代医学的发展.为了更好地获得脑部图像的信息,对脑部图像进行分割研究.首先介绍了脑图像的分割研究背景,然后详细研究了脑图像的分割方法.在分割算法中,给出了脑图像预处理模型,然后通过将小波理论和神经网路相结合提出一种脑部图像分割算法,并将将该算法在脑部图像处理中实现.脑图像分割实验表明算法能够有效地对图像进行分割.实验评估结果显示算法对于脑图像的分割足高效的.     

基于改进SLIC算法的电力设备故障区域分割方法

在电力设备状态监测中,红外测温图像故障区域的分割是今后故障诊断智能化发展的关键环节。为了实现图像自动化处理,提高故障区域的分割精度,提出一种改进SLIC算法的故障区域分割方法。采用导向滤波器对红外测温图像进行预处理;在SLIC超像素迭代过程中增加亮度相似性限制条件,并将生成的超像素以种子点的色彩值匹配颜色;通过自动设置色调阈值,实现对电力设备故障区域的分割和标记。实验结果表明,改进的算法与原始SLIC算法相比,边缘召回率提高了4.10%,对故障区域的分割更具优势。     

基于OpenCV的高压电气设备放电紫外成像检测图像量化参数提取

日盲紫外成像是一种可视化的高压设备放电检测新方法。为能量化分析放电,利用OpenCV的图形处理功能,对紫外图像进行数字图像处理并提取放电区域相关参数。介绍数字图像处理的相应算法原理以及实现该算法的OpenCV中相关函数;利用OpenCV对紫外检测放电图像进行图像灰度化、二值化、图像除噪及轮廓提取,实现了对放电光斑面积、周长等参数的提取。最后利用VC++编写了相关程序,通过调用OpenCV函数实现了上述图像处理。该软件人机界面友好、使用方便。相关研究成果为今后电力系统中量化分析高压电气设备放电提供了一种新的方法。     

基于机器视觉的航空发动机转子裂纹故障识别系统

在大型设备早期故障诊断中,利用数字图像处理可以很好地对设备状态做出测试和分析,以航空发动机转子表面早期裂纹故障为例,首先利用CCD图像采集将被摄取目标转换成图像信号,其次通过像素分布和亮度、颜色分析,将这些信息转变成数字信号,再次利用现代数字信号处理技术对这些信号进行运算来提取目标特征,最后对设备的故障状态做出判断;以图像获取、预处理、图像分割、裂纹特征提取和故障识别为算法流程,设计了一套转子系统早期裂纹自动检测识别系统,实验分析表明,该系统在航空发动机转子早期表面裂纹故障检测识别中具有精度高、速度快的优点。     

放电故障紫外检测系统及其状态识别方法

紫外成像检测技术是一种检测高压设备故障的新方法;在此技术上研究设计了一种放电故障紫外检测系统,该系统能对实时采集的紫外图像进行相关的技术处理,同时可对故障点进行准确定位;根据数据建立了设备状态模型并提出一种基于人工神经网络的状态识别方法,应用MATLAB工具进行神经网络的设计和模拟,仿真结果达到预期效果;该系统可以准确地诊断设备的故障和运行状况,有较好运用前景和理论意义。     

基于红外可见光图像配准的电力设备分割算法

电力设备故障会导致变电站大范围停电,造成巨大损失。根据电力设备运行时会发热的特点,提出一种基于红外可见光图像配准的电力设备分割方法,便于进行故障检测。该方法首先利用结构化随机森林对电力设备的红外和可见光图像进行边缘检测,构建可见光边缘图像的多尺度高斯金字塔,然后结合归一化互信息对红外和可见光图像进行配准,对红外图像进行Otsu阈值分割,结合配准结果分割出可见光图像中的电力设备。实验结果表明,该算法能精确地实现配准及分割,具有一定实用性。     

小波融合技术在图像分割算法中的应用研究

针对图像分割出现一些重要信息丢失与过分割的问题,提出了将小波融合技术应用到图像分割算法中,并对其进行实验验证。首先将图像分别进行Canny分割与迭代阈值分割;然后将这两种分割后的图像进行小波融合,得到融合图像。实验验证结果表明,与传统的Canny分割、迭代阈值分割相比,该算法能结合这两种分割算法的优点,互相弥补各自的一些不足之处并具有一定的抗噪声能力。     

模式识别.自动分割图像新方法研究*

提出一种采用非参数Dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数的范围。使用该算法对具有高噪声的自然图像和临床磁共振图像进行分割实验,并与其他分割算法进行比较。实验结果显示本算法抗噪声性能强,且可以抑制磁共振图像分割过程中的偏场效应。准确度分析显示,图像分割结果的Dice相似性系数均高于90%,表明提出的新算法具有很高的精确性和鲁棒性。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

双通道电晕放电紫外检测及其图像融合方法

电晕放电对电力系统的危害日益引起人们的重视.检测电力设备电晕放电可有助于及时发现电力设备故障的类型和严重程度.利用双通道紫外检测系统对紫外日盲波段(240 ～ 280 nm)的电力设备的电晕放电进行检测,并研究了系统的图像融合.针对可见光和紫外光双光谱的图像融合问题,提出了适合于双通道紫外检测系统融合的IHS空间变换图像融合算法.通过实例验证了算法的正确性,并且与几种经典的融合算法比较,突出了所用算法的优点.得到的融合图像的放电点和背景图像均清晰、可识别.该方法对提高系统实时检测的可靠性有重要的理论意义和实用前景.     

通风机械仪表盘在复杂背景环境中视觉故障检测与定位研究

通风机械仪表盘往往处于复杂的背景环境中,阴影或部分遮挡会在图像中引入不一致的颜色、亮度和纹理变化,使得故障区域与周围环境的对比度下降,导致人工方法难以正确定位故障区域。针对这些问题,设计一种通风机械仪表盘视觉故障检测与定位方法。首先,使用Kinect相机提取通风机械仪表图像,并进行直方图均衡化来调节图像的亮度和色调,增强故障轮廓与背景的局部对比度。然后,利用改进像素相关性分割算法分割图像特征,将图像中的仪表盘区域从复杂背景中提取出来。利用深度学习领域的深度卷积网络,对分割后的仪表盘图像进行故障轮廓检测。最后,计算定位目标(故障轮廓)的质心坐标,将质心位置作为目标点,映射到构建的投影成像空间坐标系中实现对仪表盘显示故障区域的高精度定位。实验结果显示:应用该方法后,故障区域与周围环境的对比度区分显著增强,具有较高的检测和定位精度。     

基于颜色和空间距离的显著性区域固定阈值分割算法

针对现有的基于空间域的显著性检测算法在分割显著性区域时需要依赖图像分割算法的不足,提出一种基于颜色和空间距离的显著性区域固定阈值分割算法。该算法首先对图像建立图像金字塔,并对每层的图像进行颜色量化和图像分块的预处理;然后利用颜色和空间距离计算得到显著性图;最后进行阈值分割,得到显著性区域。在MSRA1000公开数据集上的实验结果表明,该算法在精度、召回率和F测度方面的表现均优于现有的几种算法。因此,提出的算法在检测效果上优于现有的显著性区域检测算法,而且可以简单地分割出显著性区域。     

自适应模型和固定模型结合的肤色分割算法

由于受环境、光照、人种等因素影响,不同图像中的肤色分布并不一样。在复杂背景情况下,采用固定的阈值边界模型进行肤色分割将导致较大的漏检或误检。基于YCbCr颜色空间,在固定阈值边界模型分割的基础上,运用简化的期望最大化(EM)算法计算出针对特定图像的自适应肤色高斯模型;然后综合考虑固定阈值边界模型以及自适应肤色高斯模型在不同颜色区域上划分的准确性,给出最终的肤色分割结果。实验结果表明,该方法相比固定阈值边界模型的分割方法,能同时降低误检率和漏检率,从而提高肤色识别的准确率。     

紫外红外双光谱电力设备在线监测系统

针对电力系统中红外成像、紫外成像、紫外脉冲检测等带电设备非接触式放电检测技术存在的问题,结合紫外脉冲探测扫描、红外测温扫描、摄像和图像处理技术,研制了一种新型电力设备在线监测系统.该系统主要由紫外红外双光谱探测模块、嵌入式系统模块、温度湿度测量模块和广域无线通信模块构成.通过图像处理技术,将设备的局部放电分布和温度分布数据置入由摄像头获取的设备图像,建立与设备图像的对应关系.系统不仅能定量表示放电程度,而且能以图像方式直观地显示出放电位置、温度分布及其发展变化情况,并及时发现电力设备的故障,具有广泛的应用价值.     

基于主轴分析和嵌入置信度的彩色边缘检测

边缘提取是获取图像特征的基本方法之一,彩色图像提供了比灰度图像更丰富的信息,彩色图像的边缘检测日益受到人们的重视。分析了目前常见的彩色图像边缘检测算法,提出了一种将主轴分析和嵌入置信度相结合的边缘提取算法,通过实验证明,该方法充分利用了图像的彩色信息,能够有效地保护边缘细节,提高检测精度,具有良好的边缘提取效果和边缘连续性。     

自适应梯度重建分水岭分割算法

目的 针对灰度分水岭算法存在过分割且难以直接应用到彩色图像分割的问题,提出一种自适应梯度重建分水岭分割算法。方法 该方法首先利用PCA技术对彩色图像降维,然后计算降维后的梯度图像,并采用自适应重建算法修正梯度图像,最后对优化后的梯度图像应用分水岭变换实现对彩色图像的正确分割。结果 采用融合了颜色距离、均方差和区域信息的性能指标和分割区域数对分割效果进行评估,对不同类型的彩色图像进行分割实验,本文算法在正确分割图像的同时获得了较高的性能指标。与现有的分水岭分割算法相比,提出的方法能有效剔除图像中的伪极小值,减少图像中的极小值数目,从而解决了过分割问题,有效提升了分割效果。结论 本文算法具有较好的适用性和较高的鲁棒性。