基于分数阶微分的消除局部强反射的孔径测量方法

针对视觉测量硬盘圆孔直径易受到圆孔周围高反光面强反射的影响而导致测量精度不高的问题,提出了一种基于分数阶微分的图像去噪声的处理方法。通过分数阶微分算法对相机采集的带有强反射、高反光的硬盘圆孔孔径图像进行处理,消除圆孔周围强反射表面等不相关信息对圆孔边缘提取带来的影响,通过实验分别与Prewitt、Soble、Laplacian算子进行比较,证明分数阶微分可有效减少所要分析的图像信息量,更好地增强圆孔边缘轮廓信息,可达到更好的视觉效果。对分数阶微分算法处理后的圆孔图像进行Canny边缘检测,提取出有效的圆孔边缘,利用最小二乘法对孔径边缘进行直径测量。实验结果表明:该文算法与其他算法相比,在保证精确提取孔径边缘信息的基础上,对圆孔周围的强反射面进行了抑制,误差控制在0.05 mm左右,保证了测量精度。     

X光图像中缺陷的自动提取方法研究

针对炭素制品X光图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法。为快速准确地提取缺陷,设计了目标边界提取算法和基于小波变换的图像增强算法,实现了原始图像中目标区域的增强及其背景的去除。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从目标区域中提取出缺陷区域,并在迭代阈值分割的基础上,利用基于数学形态学的边缘提取算法提取了缺陷的边缘。实验结果表明,该法很好地实现了缺陷区域及其边缘的自动提取,且受噪声影响很小,为进一步的缺陷特征参量的提取与选择奠定了良好的基础。     

小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。     

基于小波变换的航空红外图像目标检测的预处理

提出了一种基于高斯小波变换的航空红外图像的目标边缘自动提取的新方法。该方法利用小波变换良好的噪声抑制能力及完备的边缘保持能力 ,能够有效的对红外图像进行目标边缘提取、目标增强及噪声抑制等预处理工作。结果表明 ,该方法对红外航空图片的边缘提取能做到快捷、准确、有效     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

基于小波变换的加密全息三维模型盲水印

提出了一种基于小波变换的三维模型加密全息盲水印算法。该算法选取三维模型球面坐标与重心的距离作为离散二维信号,首先进行小波变换得到水平分量,水平分量经过小波变换后得到低频部分,将水印图像经光全息加密嵌入到低频部分,再经过逆小波变换生成含水印的三维模型,水印的提取是水印嵌入的逆过程。实验结果表明,该方法对噪声攻击、旋转、平移、比例变换、重排序攻击等具有很好的鲁棒性,且加密全息水印图像具有很好的水印安全性。     

多尺度边缘检测方法提取近红外光谱信息特征的研究

利用小波变换中的多尺度边缘检测方法对甲硝唑药片近红外光谱进行了信息特征的提取。通过偏最小二乘法建立所提取的特征与甲硝唑浓度之间的数学模型,并进行精度分析。结果表明,小波变换多尺度边缘检测能够有效分离并提取光谱信息特征,降低噪声,为一种有效的光谱信息特征提取方法,为解决近红外光谱中光谱叠加严重和信息率低等难题提供了一种思路。     

一种改进的Canny边缘检测算法

为了有效提取图像中的弱边缘和缓变边缘,提出了一种改进的Canny边缘检测算法。采用一种类似小波变换的方法对图像进行滤波并计算梯度幅值和梯度方向,实验结果表明,改进的Canny算法可以减少缓变边缘和弱边缘的丢失,并且在抑制噪声方面较传统Canny算法有更优的性能。     

液晶透镜无偏振片成像的优化算法

液晶透镜因其无机械移动就可以实现对焦的优势,有望应用在机器人视觉、自动驾驶、深度测量等技术领域。在液晶透镜视觉成像系统中,为了不使用偏振片就可以获得高对比度的图像,提出一种优化的无偏振片成像算法。图像边缘体现图像的主要轮廓信息,边缘决定图像的对比度,所以此算法提取图像边缘,在边缘部分利用获取的非对焦图像和对焦图像进行图像处理,平滑区域不作处理,去除由非调制的寻常光带来的低频图像分量,提高图像边缘对比度,同时抑制平滑区域噪声的增加。实验证明,优化后的算法增强了图像边缘的对比度,相比于优化前的算法,图像噪声下降了50%。     

基于数学形态学的数字全息再现像融合方法

针对数字全息中不同再现距离获得的携带不同聚焦信息的再现像, 提出了一种基于数学形态学的多聚焦再现像融合方法, 以有效扩展成像景深。首先通过小波-Controulet变换获得源图像的高频和低频分量;然后, 针对数字全息中含散斑噪声的特点, 对高频分量采用基于数学形态学区域能量的方法进行融合, 对低频分量采用加权对比度法进行融合;最后, 将融合系数反变换得到融合图像。通过对算法的有效性分析和实验验证, 将本文提出的方法与不加入数学形态学的融合方法进行了对比研究。结果表明, 基于数学形态学的融合方法能充分抑制散斑噪声的影响, 保留更多细节信息, 有效扩展了成像景深范围达11.5 cm。其中, 对于表面粗糙且信息量较少的骰子, 基于数学形态学方法的空间梯度算子提高了11.8%, 熵值提高了2.7%;对于表面光滑且信息量较多的硬币, 其空间梯度算子提高了13.6%, 熵值提高了2.8%。     

基于小波变换的激光主动成像图像去噪方法

 针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

二进制小波技术定量反演北方潮土土壤有机质含量

为从土壤光谱中提取土壤有机质的光谱响应信息，提升土壤有机质含量诊断精度与可靠性，以潮土有机质含量为研究对象，以北京市区域的96个耕层土壤参数与高光谱数据为数据源开展研究分析；先采用二进制小波技术将土壤光谱数据分离为5个尺度的高频数据与低频数据，再将低频数据、高频数据分别与土壤有机质实测数据进行相关性分析，提取最佳波段组合，构建有机质含量诊断模型。结果表明：（1）二进制小波技术可抑制噪声对高频信息的干扰，能有效提升光谱对土壤有机质含量的敏感性，进而提升有机质含量的诊断精度与可靠性；（2）在二进制小波技术下，高频信息对有机质含量的诊断能力明显优于低频信息，低频信息对土壤有机质含量的诊断能力随尺度增加而降低，高频信息随尺度增加呈先提升而后降低的趋势；（3）与数学方法相比，基于二进制小波变换算法构建的模型精度较高，稳定性较好，其最优模型的预测精度提高了31.5%，可靠性增加了10.5%。     

基于平稳小波变换的有噪弱目标检测方法的研究

利用平稳小波变换的多尺度边缘检测算法分别对模糊图像、低对比度图像和加入噪声的图像进行了边缘检测,验证了多尺度二次B样条小波的检测效果,也比较了三种小波局部模极大值方法在抗噪性、计算量及检测效果等方面的性能,并且针对对比度低,受噪声污染严重的目标图像,提出一种能够根据不同背景计算出自适应阈值的新方法,使其在抗噪的同时又能较好地提取出微弱目标边缘。实验证明,利用多尺度二次B样条小波边缘检测算法能有效地排除噪声干扰,准确地提取出微弱边缘,可以实现3%对比度下的有噪图像的目标探测问题。     

基于改进的空域相关的多聚焦图像融合

提出了一种简单有效的像素级多聚焦图像融合方法。针对正交小波变换缺乏平移不变性而产生视觉失真的缺陷,采用Atrous算法将原图像分解在不同频率域上。Atrous算法先将滤波器h0(n),h1(n)各点间插入适当的零值后再与低频信号做卷积,故又称为"多孔算法"。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。实验表明,由此融合的图像能完好的保留边缘纹理信息。融合后的图像在客观评价和主管视觉效果上均有提高。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

小波变换在CCD图像边缘检测中的应用

对于CCD图像的非稳定高斯噪声,传统的Fourier变换法无法消除噪声,而小波变换在时域和频域同时具有优良的局部化特征,而且对高频采用逐渐精细的时域或空城步长可以聚焦到分析对象的任意细节,从而克服了传统Fourier变换固定步长等缺点,因此,小波变换法可消除这种噪声.本文在分析CCD图像噪声的基础上,利用小波变换和直方图分割方法对目标图像进行了降噪和边缘检测.试验证明此法行之有效.     

一种基于扩展数学形态学的边缘检测方法

传统的边缘检测方法对噪声敏感,抑制噪声能力差;基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但不能反映全部的边缘特性。为此给出了一种扩展的数学形态学的定义,并提出了一种基于扩展数学形态学的边缘检测方法。仿真结果表明,该方法不仅能有效地去除噪声,而且通过检测所得到的边缘图像具有良好的边缘特性。