光电图像光照不均蜕化的校正及阈值分割方法*

分析了CCD获取的图像光照不均蜕化产生原因.针对光照不均蜕化的印刷电路板图像的具体情况,用同态滤波器在频域空间进行滤波而增强图像,从而改善图像的目标与背景对比度.讨论了最大类间方差法,给出了其优点.为了更好的分割图像,在此基础上,考虑两类间距与各类内聚性对图像分割的不同影响,提出了一种改进的最大类间方差法.最后对光照不均蜕化的PCB光电图像用不同方法进行了实验,结果表明改进方法能更好地分割图像.     

PCB光电图像光照不均蜕化的校正及阈值分割方法

分析了CCD获取的图像光照不均蜕化产生原因.针对光照不均蜕化的印刷电路板图像的具体情况,用同态滤波器在频域空间进行滤波而增强图像,从而改善图像的目标与背景对比度.讨论了最大类间方差法,给出了其优点.为了更好的分割图像,在此基础上,考虑两类间距与各类内聚性对图像分割的不同影响,提出了一种改进的最大类间方差法.最后对光照不均蜕化的PCB光电图像用不同方法进行了实验,结果表明改进方法能更好地分割图像.     

Two-dimensional Otsu's thresholding segmentation method based on grid box filter

Otsu algorithm, an automatic thresholding method, is widely used in classic image segmentation applications. In this paper, a novel two-dimensional (2D) Otsu thresholding algorithm based on local grid box filter is proposed. In our method, firstly by utilizing the coarse-to-fine idea, the 2D histogram is divided into regions by grid technique, and each region is used as a point to form a new 2D histogram, to which 2D Otsu thresholding algorithm and an improved particle swarm optimization (PSO) algorithm are applied to get the region number of the new 2D histogram threshold. Then on the result region, the mean of the 2D histogram is computed base on box filter, and the two algorithms are applied again to obtain the final threshold for the original image. Experimental results on real data show that the proposed algorithm gets better segmentation results than the traditional recursion Otsu algorithm. It significantly reduces the time of segmentation process and simultaneously has the higher segmentation accuracy.     

A segmentation method for noisy photoelectric image

In order to improve the ability of noisy photoelectric image segmentation and satisfy the requirement of human visual apperception, a noisy photoelectric image segmentation method is proposed in this paper. Firstly, the basic principle of FCM algorithm is analyzed in detail. Secondly, on the basis of PCM algorithm, only such pixels affected by noise lesser that centralized in the diagonal area of two-dimensional histogram is actualized image processing, and the probability of the pixel that lie in such area is obtained. Thirdly, objective function, membership matrix and cluster centers are renovated on the basis of PCM algorithm. Finally, experiment contrast between our method and other methods is executed, the results of experiment indicate that our method has relatively better segmentation quality and faster segmentation speed.     

范围限制的自适应亮度保持多阈值直方图均衡算法研究

针对目前直方图均衡算法难以实现,且易造成亮度饱和等问题,本文提出了一种范围限制的自适应亮度保持多阈值直方图均衡算法。首先,对输入图像进行适当平滑,从而获得它的直方图峰值点个数（N+1）。然后,对Otsu算法进行N阈值扩展,并通过这种方法获得图像的N个分割阈值,从而按照此阈值对图像进行分割。为了能够最大程度地保持输入图像的亮度,利用输入图像和输出图像的均值亮度最小误差（AMBE）准则,重新计算了图像的均衡范围。最后,利用新的均衡范围分别对每一个子图像进行均衡。实验表明,使用本算法处理Lena图的绝对均值亮度误差为0.416 4,明显优于使用RLBHE算法的0.629 5。本算法能够获得更清晰的图像细节,同时图像的整体亮度保持的也较好。     

基于改进Otsu法的遥感图像油罐目标分割研究

为了对可见光遥感图像中油罐目标进行快速分割,在前人工作的基础上提出了一种快速的方法。对可见光遥感图像灰度值分布特点进行分析,用数组对满足先验知识的像素进行统计,使图像中缺失的灰度值不再参加计算,大大减少了冗余计算。以类间方差函数的代替函数(二者在同一位置取得最大值)进行分段处理,提高了运算速度。实验证明,这种方法可以应用到可见光遥感图像油罐目标的分割中,且分割效果优于Otsu法,实验所用图像的处理速度是前人改进方法的5倍以上。     

基于机器视觉的圆锥滚子外观缺陷检测系统研究

回顾了近年来国内外工业生产中圆锥滚子外观缺陷分割领域的研究进展,为了实现更加简单高效的滚子外观缺陷检测,设计了一套合适的光学成像系统用于图像采集,提出了最大类间方差法和局部阈值算法的缺陷分割,对分割后图像进行特征提取并进行SVM分类。实验结果表明,该算法有较高的准确率和较好的适应性,优于传统的滚子外观缺陷分割算法,可以满足工业生产中的实际需求。     

谱域OCT的印刷电路板三防漆厚度测量

三防漆是一种广泛应用在印刷电路板（PCB）的保护性涂层,可以有效保护PCB使其免受恶劣环境的损害。三防漆的厚度是评价三防漆涂层质量的关键指标,因此需要对三防漆涂层进行厚度检测。提出了将谱域光学相干断层扫描成像技术（spectral domain optical coherence tomography,SD-OCT）与图像分割算法相结合,实现对三防漆涂层厚度快速无损测量。为了提高测量精度,选用了宽带SLD光源（带宽：180 nm）来设计SD-OCT系统,系统轴向分辨率达到1.72 μm。同时设计了基于边缘跟踪的涂层分割算法来实现三防漆涂层的快速准确分割。为了评估所设计方法的准确性,利用传统的金相切片方法进行了三防漆的厚度测量,将测量结果与该方法测量结果进行比较,分析了两种方法检测到的涂层上下边界吻合程度以及厚度差异。此外,还将所提出的涂层分割算法与我们组之前研究的基于图像梯度的边缘检测算法进行对比,分析了两种方法在测量结果的准确性和运行效率方面的差异,以此来评估该方法的优劣势。结果表明,所设计的三防漆厚度测量方法与传统的金相切片方法的测量结果具有很好的一致性,可以准确地实现三防漆的厚度测量;基于SD-OCT系统的三维成像能力可以直观地看到三防漆厚度地形图,克服了传统的金相切片方法无法进行区域性的三防漆厚度测量的缺陷;相比之前提出的基于图像梯度的边缘检测算法,此方法测量结果更加准确,效率显著提升,具备实时测量的潜力。     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

基于多尺度均值漂移的高分辨率遥感影像快速分割方法

均值漂移算法是一种特征空间分析方法,广泛应用于自然场景影像和医学影像分割中.但算法较高的计算复杂度成为其在具有海量特性的遥感影像中应用的瓶颈.文章将均值漂移算法拓展到小波域,提出了一种小波域均值漂移快速分割算法.多光谱遥感影像和仿真影像的实验表明:在获得相当的分割结果的前提下,相比单尺度均值漂移算法,提出的分割算法能够...     

Stable Atlas-based Mapped Prior (STAMP) machine-learning segmentation for multicenter large-scale MRI data

Machine learning (ML)-based segmentation methods are a common technique in the medical image processing field. In spite of numerous research groups that have investigated ML-based segmentation frameworks, there remains unanswered aspects of performance variability for the choice of two key components: ML algorithm and intensity normalization. This investigation reveals that the choice of those elements plays a major part in determining segmentation accuracy and generalizability. The approach we have used in this study aims to evaluate relative benefits of the two elements within a subcortical MRI segmentation framework. Experiments were conducted to contrast eight machine-learning algorithm configurations and 11 normalization strategies for our brain MR segmentation framework. For the intensity normalization, a Stable Atlas-based Mapped Prior (STAMP) was utilized to take better account of contrast along boundaries of structures. Comparing eight machine learning algorithms on down-sampled segmentation MR data, it was obvious that a significant improvement was obtained using ensemble-based ML algorithms (i.e., random forest) or ANN algorithms. Further investigation between these two algorithms also revealed that the random forest results provided exceptionally good agreement with manual delineations by experts. Additional experiments showed that the effect of STAMP-based intensity normalization also improved the robustness of segmentation for multicenter data sets. The constructed framework obtained good multicenter reliability and was successfully applied on a large multicenter MR data set (n > 3000). Less than 10% of automated segmentations were recommended for minimal expert intervention. These results demonstrate the feasibility of using the ML-based segmentation tools for processing large amount of multicenter MR images. We demonstrated dramatically different result profiles in segmentation accuracy according to the choice of ML algorithm and intensity normalization chosen.     

A Hybrid Preaching Optimization Algorithm Based on Kapur Entropy for Multilevel Thresholding Color Image Segmentation

Multilevel thresholding segmentation of color images plays an important role in many fields. The pivotal procedure of this technique is determining the specific threshold of the images. In this paper, a hybrid preaching optimization algorithm (HPOA) for color image segmentation is proposed. Firstly, the evolutionary state strategy is adopted to evaluate the evolutionary factors in each iteration. With the introduction of the evolutionary state, the proposed algorithm has more balanced exploration-exploitation compared with the original POA. Secondly, in order to prevent premature convergence, a randomly occurring time-delay is introduced into HPOA in a distributed manner. The expression of the time-delay is inspired by particle swarm optimization and reflects the history of previous personal optimum and global optimum. To better verify the effectiveness of the proposed method, eight well-known benchmark functions are employed to evaluate HPOA. In the interim, seven state-of-the-art algorithms are utilized to compare with HPOA in the terms of accuracy, convergence, and statistical analysis. On this basis, an excellent multilevel thresholding image segmentation method is proposed in this paper. Finally, to further illustrate the potential, experiments are respectively conducted on three different groups of Berkeley images. The quality of a segmented image is evaluated by an array of metrics including feature similarity index (FSIM), peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), and Kapur entropy values. The experimental results reveal that the proposed method significantly outperforms other algorithms and has remarkable and promising performance for multilevel thresholding color image segmentation.     

An Interval Iteration Based Multilevel Thresholding Algorithm for Brain MR Image Segmentation

In this paper, we propose an interval iteration multilevel thresholding method (IIMT). This approach is based on the Otsu method but iteratively searches for sub-regions of the image to achieve segmentation, rather than processing the full image as a whole region. Then, a novel multilevel thresholding framework based on IIMT for brain MR image segmentation is proposed. In this framework, the original image is first decomposed using a hybrid L₁ − L₀ layer decomposition method to obtain the base layer. Second, we use IIMT to segment both the original image and its base layer. Finally, the two segmentation results are integrated by a fusion scheme to obtain a more refined and accurate segmentation result. Experimental results showed that our proposed algorithm is effective, and outperforms the standard Otsu-based and other optimization-based segmentation methods.     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割

在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图|然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图|最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节.     

基于OB-HMAD算法和光谱特征的高分辨率遥感影像变化检测

高空间分辨率遥感影像蕴涵丰富的地物细节信息,针对高分辨率多时相遥感影像的变化检测可以更清楚认识到地理单元的变化情况,传统的遥感变化检测算法面对高分辨率遥感影像时,会出现明显的"椒盐现象"。本文借鉴面向对象图像分析的思想,以高分辨率遥感影像对象的光谱特征为分析对象,在多变量变化检测算法(multivariate alternative detection, MAD)的基础上,提出一种半自动阈值选取的OB-HMAD(object based-hybrid MAD)算法,并利用该算法进行变化检测实验对比分析。首先对高分辨率多时相遥感影像进行多尺度分割,形成多通道的影像对象;其次利用MAD变换,形成差异影像对象,并对其进行MNF变换,提高影像对象的信噪比;然后采用直方图曲率分析(histogram curvature analysis, HCA)进行半自动阈值选取,提取变化区域;最后结合实地样本数据对变化检测结果进行混淆矩阵的精度验证。结合2012年和2013年北京地区Worldview-2影像的实验可知,OB-HMAD算法融合多通道的光谱信息,可以有效的实现多时相高分影像的变化检测,基本消除了基于像元变化检测中"椒盐"现象的干扰,并在一定程度上降低建筑物阴影和几何配准误差的影响,总体精度和kappa系数也较优于其他变化检测算法,但存在较大的漏检误差。MNF变换可以有效的提高影像的信噪比,使差异信息更集中,直方图曲率分析的阈值分割算法相对其他阈值算法,自动化程度更高。     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

高精度自动贴片机视觉系统定位算法研究

针对高精度自动贴片机的关键技术视觉识别定位算法进行了研究,针对贴片机PCB板标记点及元件图像的特点,提出了结合图像分割、几何特征识别与模式匹配的图像识别及定位方法。根据以上算法开发了针对视觉定位系统的图像识别软件,并用PCB板图像及元件图像进行识别定位验证。实验结果表明,该算法能够有效地完成贴片机视觉系统的识别定位任务。     

复杂光照下QR码图像二值化算法研究及应用

在复杂光照条件下二维码扫码器采集到的图像容易出现整体高亮、阴影区域和局部高亮、阴影区域,使得图像分割阈值确定困难,研究了Sauvola算法中的窗口大小w值和修正因子k值对于QR码图像二值化的影响。针对全局二值化方法抗噪能力差和局部二值化方法处理速度慢的缺陷,提出了一种改进的QR码图像二值化方法,将Otsu和Sauvola算法相结合提升算法抗噪能力,并利用积分图算法提高算法运行效率。实验证明,该方法二值化效果优于经典的二值化方法,平均运行效率比原Sauvola算法提高17倍,提升了识别成功率。     

基于改进的两维Otsu管道红外图像高温区域分割研究

石化管道通常可分为常温区域和高温区域两部分。高温区域的存在影响着整个系统的安全运行,热量的散失将会引起资源的浪费及环境的污染等一系列问题。红外光谱图像能够较好地描述石化管道的高温区域,但是如何从中提取高温区域是红外光谱图像处理的一类难题。为实现从红外图像中,将高温区域准确快速分割出来的目的,基于经典的一维Otsu算法提出一种改进的二维多阈值自动获取方法。该算法首先对管道红外图像进行经典单阈值分割,将图像划分为背景和管道两部分。然后基于管道图像区域,以管道灰度图像与平均值图像作为图像二维,对目标图像进行二维双阈值分割,最终将较大的阈值作为划分管道常温区域与高温区域的分割点。将本算法对不同的管线进行多次试验分析,结果表明,采用改进的二维Otsu多阈值算法能够更加清晰的将管道从复杂背景中提取出来,并在此基础上把高温区域更精确的分割。