基于自组织神经网络的炉膛火焰燃烧诊断系统

针对目前大型锅炉火焰检测手段的落后现状,提出了一种基于数字图像处理与自组织竞争神经网络进行燃烧诊断的方法,设计了一套火焰燃烧诊断系统.利用数字图像处理技术提取火焰特征量,应用神经网络的竞争学习对不同负荷下的全炉膛火焰图像进行识别分类,从而实现燃烧诊断和灭火预警的功能.     

基于形态学的金相组织图像晶界复原方法

由于金相图像中经常出现晶界模糊、晶界断开等缺陷,针对晶粒形状不规则的特点,成功改进了基于形态学水域生长方法的分割算法.根据粘连晶粒的形态特征,对粘连目标先后采用极限腐蚀、目标编号和反复膨胀的方法求取晶界线以达到分离粘连晶粒,复原图像的目的.实验结果表明,改进的方法对包括晶粒在内的不规则目标具有较好的分割效果,成功解决了晶界问题对后续分析统计工作的干扰.     

B样条函数的图像分割分水岭算法研究

针对传统分水岭算法存在的过分割和对噪声敏感问题,提出了一种能够很好地抑制噪声,剔除图像的伪边缘、准确定位图像边缘信息的方法.采用高频强调滤波对梯度图像进行增强,利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割.实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,有效避免了过分割问题,同时准确定位了图像边缘信息,提高了分割精度.     

图像欧氏距离在人脸识别中的应用研究

图像欧氏距离可以嵌入到许多传统的图像分类识别算法中,该嵌入是通过对原始图像的线性变换来实现的,给出了一种基于数据场的图像线性变换方法,将其应用到图像欧氏距离中.实验结果表明,基于数据场的线性变换方法是一种可行的图像线性变换方法,该方法可以完成大尺度图像的线性变换,方便地将图像欧氏距离嵌入到传统人脸识别算法中.     

基于关联规则的医学图像分类算法

针对医学图像数据的特殊性,提出了一种适合挖掘大量医学图像数据的关联分类算法.该算法以频繁模式树为基础,通过引入双支持度,排除一部分对分类无意义且存在干扰的项,以提高分类正确率.实验结果表明,当用于医学图像分类时,该算法可以取得同样的基于关联规则的分类算法CMAR更高的执行效率及更好的分类效果.     

测量用视觉传感器的自动聚焦

研究了一种新型测量用视觉传感器自动聚焦的实现,采用灰度变化率之和清晰度评价函数对被测物体进行大范围的粗聚焦,利用Roberts梯度函数实现在峰值附近的精确聚焦,并由计算机串口发控制命令驱动电机转动镜头至对焦清楚的位置。该系统具有简单实用、可靠等优点。仿真实验结果表明:自动聚焦的效果具有很好的准确度,能够满足系统的要求。     

CMOS图像传感器中的串扰与常用解决方案

CMOS图像传感器中,串扰的大小会影响到图像传感器最终输出图像的质量,串扰越大,最终的图像质量越差,并随着目前像素单元尺寸的逐渐减小,光串扰和电荷串扰都会越来越严重。针对CMOS图像传感器中存在的这2种形式的串扰,结合具体的应用环境,出现了各种各样的解决方案。这些方案多从器件结构改进和材料等方面着手,采取有效措施,将CMOS图像传感器在具体场合应用时的串扰降低到了一个合理的水平。     

基于机器视觉的蟋蟀体态测量

设计一套基于机器视觉的蟋蟀体态测量装置,初步研究用图像处理和图像测量的方法实现对蟋蟀躯干长宽的测量.该装置构建一个PC-Based的机器视觉系统,利用VisuaI Basic开发工具编写图像处理算法和图像测量算法的程序.应用惯性主轴的方法实现蟋蟀图片位置的归一化,应用数学形态学分割算法实现了蟋蟀躯干与足和触角的分割,将分割后的躯干进行边缘提取,从而进行蟋蟀体态的测量.     

最大模糊互信息用于图像分割

为了更好地选取图像阈值,将最大模糊熵(MFE)准则与最大互信息(MMI)准则结合,提出最大模糊互信息(MFMI)准则。同时为了有效确定最佳分割类数,提出根据模糊互信息差(dFMI)来判别的准则。综合上述的两点改进,提出一种新的多阈值分割算法——最大模糊互信息量分割算法(MFMI)。对合成图像、无损检测图像、标准测试图像进行仿真,同时对比结合前的MFE与MMI,经典的阈值分割法如OTSU和MET,以及流行的模糊C均值算法(FCM),可以发现MFMI误判率最小,代价是运行时间较长。综上,MFMI是一个有效的图像分割方法。     

Rssler三维混沌系统在图像加密中的应用

基于Rssler系统的三维混沌序列设计了一种既改变像素位置又改变像素灰度值的图像加密方法。使用Rssler三维混沌序列中的任意两维混沌序列控制像素的旋转与置换,剩下的一维序列变换像素的灰度。并且在Rssler混沌加密密钥的基础上,增加了置乱密钥,提升了密钥空间,方便了密钥管理。对比Chebyshev映射实现的空域复合加密方法,仿真实验表明该加密方案加密时间短、效率高、安全性好且易于实现。