基于形态学和区域生长法的医学图像分割

图像分割技术是图像理解和图像识别的前提,分割效果的好坏将直接关系到后续图像的分析、处理。基于区域生长算法是一种比较有效的医学图像分割方法。为了提高分割质量,利用数学形态学的基本运算对生长结果进行修正,填充区域生长后的小孔洞噪声;最后通过实验,证明该方法分割效果理想。     

基于区域生长法的数控刀具磨损状态检测方法

研究了一种基于视觉特征在线提取刀具磨损特征值的方法,用于不停机诊断刀具磨损状态。针对刀具磨损图像的特点,设计了自动选取种子点与生长阈值的区域生长算法分割磨损区,并通过最小外接矩形提取刀具磨损特征值(VB_(max))。图像处理结果显示,该方法可以有效而便捷地获得刀具后刀面的磨损信息,可用于数控机床不停机检测刀具磨损状态。     

织物瑕疵的实时光电检测系统

针对织物人工视觉检测效率低下的问题,研究了基于单片机的光学检测系统,实现了织物实时高效的自动瑕疵检测.采用光透射的单点扫描方法来实现稀疏经纬线的织物的检测具有高信噪比的优点,因为在这种情况下透射光远远大于发射光.由光电传感器的输出信号可以提取织物的瑕疵信息,此信号经过放大滤波并采样至单片机,最后经单片机定量分析和评估并...     

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。     

基于灰度直方图反向投影的织物疵点图像分割

针对织物的周期性纹理,提出了基于灰度直方图反向投影的疵点图像分割算法。该方法具有纹理屏蔽性,因而可以较好地分割疵点。首先介绍了灰度直方图反向投影的原理及其改进形式,然后对算法流程进行了分析并给出了几种疵点的检测结果。最后与Gabor滤波方法和灰度共生矩阵方法进行了用时比较。实验结果表明基于灰度直方图反向投影的织物疵点图像分割算法不仅效果好,而且用时短。     

基于单类支持向量机的织物瑕疵检测研究

为了实现在工业环境下的织物瑕疵在线检测,提出了一种基于单类支持向量机(OCSVM)的织物异常纹理检测方法。通过利用CCD采集织物图像,滤除图像噪声后提取了图像小区域窗口子图像特征;通过实验寻找了两组有效的特征向量,对特征值进行了归一化和主成份分析降维后导入支持向量机分类器中进行了训练,利用单类SVM对异常区域进行了定位和标记。通过对分别利用两组特征向量识别出的图像结果进行组合得到了最后的瑕疵区域。实验结果表明,该算法能够正确地对多种瑕疵进行识别,并能较大程度降低误检率和漏检率;同时,能够有效解决生产实际中瑕疵训练样本难以获取的问题,对未知的待测样本有较好的推广性,可以适应工业检测的要求。     

基于图像传感器的螺钉外观瑕疵检测方法研究

在自动化装配线上,螺钉需求量大,但其外观瑕疵检测一直靠人工线下完成,效率低且误判率高。基于此,提出灰度检测结合Lab颜色值对比来鉴别螺钉的外观瑕疵,利用灰度检测判断十字槽的缺陷,利用Lab颜色值判断螺纹的缺陷,最后通过图像统计十字槽内白点的数量,可以鉴别出十字槽缺陷。该方法克服了人工检测效率低和机器视觉检测成本高的不足。     

基于混合模型和DAEM算法的自适应图像分割

图像分割是图像处理中最基本且具有挑战性的问题。基于高斯混合模型,提出了一种自适应的图像分割方法。采用DAEM(deterministicannealingexpectation-maximization)算法估计混合模型的参数,利用直方图信息确定图像的类别数并给出DAEM算法的初始值,最后根据Bayes最小错误率准则对图像进行分割。由于DAEM算法在传统的EM算法中引入了退火机制,DAEM算法能够收敛到全局最优值,使得分割结果更加准确。实验结果说明了此方法的有效性。     

基于SVDD的交互式区域增长图像分割算法

为克服经典区域增长算法中生长规则选取的困难,提出基于交互式支持向量域描述的区域增长图像分割算法.首先通过交互方式选择目标区域的一个种子点,然后通过交互式选择属于该目标区域的子块和非目标区域的子块构造SVDD的训练样本;然后利用这些已知的训练样本训练支持向量域分类器;在区域增长过程中,利用训练所得的SVDD建立增长规则.仿真实验表明,提出的算法是合理可行的.     

基于云理论的生长区域图像分割方法

针对种子点的选取和不确定信息的处理问题。提出了一种基于云理论的区域生长图像分割方法。首先利用图像的全局信息获取种子点,具体是把云变换生成的正态云模型的交叉点作为生长区域的种子点,以极大判定法则作为区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程。以云综合算法将相邻的区域进行合并,最终实现基于区域生长的不确定性图像分割。实验表明,该方法较其他方法能更好的的处理图像中的不确定性信息。且获得了较好的实验效果。     

Real-time biscuit tile image segmentation method based on edge detection

In this paper we propose a novel real-time Biscuit Tile Segmentation (BTS) method for images from ceramic tile production line. BTS method is based on signal change detection and contour tracing with a main goal of separating tile pixels from background in images captured on the production line. Usually, human operators are visually inspecting and classifying produced ceramic tiles. Computer vision and image processing techniques can automate visual inspection process if they fulfill real-time requirements. Important step in this process is a real-time tile pixels segmentation. BTS method is implemented for parallel execution on a GPU device to satisfy the real-time constraints of tile production line. BTS method outperforms 2D threshold-based methods, 1D edge detection methods and contour-based methods. Proposed BTS method is in use in the biscuit tile production line.     

结合多尺度边缘增强及自适应谷底检测的浮选气泡图像分割

针对浮选气泡图像噪声大、边界弱、传统谷底检测算法对不同类型气泡分割不具普遍性等问题,提出了一种结合Contourlet多尺度边缘增强及自适应谷底边界检测的气泡分割方法。该方法通过对气泡图像进行Contourlet分解,得到多尺度多方向高频子带;通过对各方向子带的高频系数进行非线性增益处理,实现边缘增强和噪声抑制。对和声搜索算法的"调音"策略和参数设定方法进行了改进,对不同类型气泡图像自适应地获取谷底边界检测算法的最优参数,提取谷底并进行形态学的边缘完善处理。最后进行了分割实验,并与其它方法做了比较。结果表明,采用该方法对不同类型气泡进行分割时,平均检测效率(DER)和准确率(ACR)分别为91.2%和90.6%,较传统分割方法有较大提高。该方法无需手工调节参数,自适应能力强,精度高。     

基于Gabor滤波器对织造前帘子布疵点检测研究

针对织造前帘子布纱线疵点自动检测问题,对织造前帘子布纱线疵点分布特点开展了研究分析,提出了一种基于Gabor滤波器的帘子布纱线疵点检测算法,利用Gabor滤波器的能量值来描述帘子布纱线疵点特征。通过对疵点Gabor图像阈值化处理,得到了疵点的二值图像。然后对疵点二值图像沿水平方向进行了均等分割,得到了疵点所在的条状图像并除去随机噪声。在1 792个疵点图像测试集上对不同尺度参数的Gabor滤波器进行疵点检测准确度分析,建立了最优的方向和尺度参数组合。并搭建了基于机器视觉技术的帘子布纱线疵点检测系统。研究结果表明,该检测算法对帘子布纱线疵点检测准确度达到99.2%。经过4个月生产实践表明,该系统对织造前帘子布纱线疵点检测效果比人工检测效果提高86%,实现了机器换人的目的。     

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NSCT域边缘检测的侧扫声呐图像分割新方法

针对侧扫声呐图像混响噪声严重、对比度低、分割困难的问题,根据侧扫声呐图像成像特点,提出一种基于非下采样Contourlet变换(NSCT)域边缘检测和区域生长的侧扫声呐图像分割新方法.首先,对侧扫声呐图像进行NSCT分解,通过K均值聚类法在NSCT域低频部分对阴影进行分割;然后通过寻找NSCT域高频层由同一粗尺度分解的2个细尺度相邻子带系数差的模极大值位置,来选择图像边缘点,并进行尺度内、尺度间的边缘融合;最后,利用基于边缘的区域生长方法完成对目标的分割.实验结果表明,该方法对侧扫声呐图像分割具有抗噪性能好、正确分类率高以及边缘定位准确等优点.     

基于区域分割的自适应反锐化掩模算法

针对线性反锐化掩模法的缺点,提出一种基于区域分割的自适应反锐化掩模法,利用像素局部方差将输入图像划分为平滑区、中等对比度区和高对比度区,根据像素(x,y)所属的区域类型,自适应确定其局部灰阶变化率增益系数α(x,y)及期望的输出局部灰阶变化率H_d(x,y),并导出增强系数K(x,y)。对一幅胸片图像进行处理,并与其它几种反锐化掩模法的处理结果进行比较,结果显示该方法获得较好的边缘增强效果,且有较强的噪声抑制能力。     

织物密度的数字图像检测方法

针对织物的纱线密度检测,提出一种对织物图像,信息进行检测的方法。通过数字相机获得织物图像,对织物图像进行最优二值化处理。利用像素黑白颜色区分织物上的纱线和间隙,通过扫描经线和纬线方向的像素颜色值获得纱线处像素颜色特性,从而计算出经线方向和纬线方向的纱线数目。根据各方向最大像素数得织物的大小,即可得知织物的密度。