基于激光扫描热成像技术的电感裂纹检测

针对铁氧体电感表面裂纹和隐含裂纹的检测,传统机器视觉方法存在裂纹成像模糊,识别率偏低等问题。提出了一种基于激光扫描热成像技术的电感器裂纹检测方法。使用热像仪捕捉样品表面的温度变化,并基于二阶微分算法进行图像合成;使用轮廓提取算法去除外围轮廓的干扰和次大值滤波均匀图像,使用边缘检测对裂纹进行提取;最后利用裂纹的面积和长宽比并结合图像的HOG特征当作输入特征,使用支持向量机进行图像识别。结果表明,对于所有的裂纹都能正确成像,裂纹识别正确率达到98.5%,其性能优于其他检测算法。     

改进Canny算法的红外人脸图像边缘轮廓提取

红外人脸图像的边缘轮廓特征对于红外人脸检测、识别等相关应用具有重要价值。针对红外人脸图像边缘轮廓提取时存在伪边缘的问题,提出了一种改进Canny算法的红外人脸图像边缘轮廓提取方法。首先通过对引导滤波算法引入“动态阈值约束因子”替换原始算法中的高斯滤波,解决了原始算法滤波处理不均匀和造成红外人脸图像弱边缘特征丢失的弊端;接着对原始算法的非极大值抑制进行了改进,在原始计算梯度方向的基础上又增加了4个梯度方向,使得非极大值抑制的插值较原始算法更加精细;最后改进OTSU(大津)算法,构造灰度-梯度映射函数确定最佳阈值,解决了原始算法人为经验确定阈值的局限性。实验结果表明:提出的改进Canny算法的红外人脸轮廓提取方法滤波后的图像,相较于原始Canny算法滤波处理,信噪比性能提升了34.40%,结构相似度性能提升了21.66%;最终的红外人脸边缘轮廓提取实验的优质系数值高于对比实验的其他方法,证明改进后的算法对于红外人脸图像边缘轮廓提取具有优越性。     

靶丸X射线数字图像的轮廓分析及功率谱评价

 针对多层靶丸X射线数字图像的成像原理和轮廓边缘进行了理论分析;推导了由靶丸边缘特征点确定靶丸圆心和半径的精确最小二乘拟合算法;对于不同类型(阶跃状或屋顶状)的靶丸图像边缘,采用均化二阶微分算法或径向吸收强度最小二乘洛伦兹型拟合寻峰算法获取亚像素精度的靶丸圆周轮廓边缘数据;应用快速傅里叶变换算法对靶丸圆周轮廓数据进行分析,获得了靶丸表面外轮廓或内轮廓模数-功率谱特征曲线。     

一种快速的图像边缘精确提取算法

图像边缘检测是图像处理与分析中最基础的内容之一。现有的边缘检测算法存在检测精度低、抗噪性能差、处理速度慢等缺点。针对这些问题,提出了一种快速图像边缘检测算法。通过基于图像边缘信息的阈值分割,能快速地提取出图像的边缘轮廓,通过对其进行中心细化,可达到对物体边缘精确定位的目的。仿真实验证明,该算法在滤除图像噪声、保留细节边缘、细化边缘宽度和保持边缘连通性方面都获得了不错的效果,并且运算量小,既适用于对视频图像的实时处理,也适用于对图像中的隐蔽目标特征的提取和分析。     

基于三次样条插值的图像多尺度方向边缘重构

为了检测小结构的轮廓以及大目标的边缘,将多尺度边缘检测与小波变换有机地结合起来,利用小波分析方法来研究信号的多尺度边缘特征。针对图像信号的多尺度边缘检测和重构问题,利用二进小波变换的多尺度分析特性,定义了图像在水平和垂直方向的多尺度边缘。同时,利用三次样条插值算法,提出了一种由二进小波变换在水平和垂直方向的极值重构图像信号的算法。实验结果显示多尺度重建方法与著名的交替投影算法相比,算法复杂度低,图像重建速度提高了20倍,而且重建图像质量较好,其峰值信噪比提高了1 dB以上。     

基于互结构正则约束的红外偏振图像增强算法

为有效改善红外偏振图像视觉效应,提高红外偏振成像质量,提出了基于互结构正则约束的红外偏振图像增强算法。根据红外偏振特性描述,对Stokes参数Q分量与U分量进行加权邻域梯度融合,获得起偏特征图像,捕获目标边缘、轮廓的偏振特性;提出互结构正则约束模型,以梯度幅值相似算子联合正则约束融合结果与起偏特征图像的边缘结构相似性,及与辐射强度图像的灰度一致性,优化得到增强后的高质量红外偏振图像。实验结果表明,基于互结构正则约束的红外偏振图像增强算法,能有效提高红外偏振图像对比度与清晰度,同时提升复杂背景下人造目标边缘轮廓的偏振显著性,算法快速,工程实时性高.     

基于OpenCV的图像椭圆特征识别与定位研究

面向平板零件上螺纹孔的识别定位需求,基于开源计算机视觉库OpenCV进行椭圆特征的识别与定位研究。采用Canny边缘检测算法提取图像边缘信息,对边缘图像通过轮廓检索得到单一的连续轮廓,并对得到的每一条连续轮廓进行椭圆拟合。研究给出一种评价轮廓与所拟合椭圆误差的计算方法,以此误差为准则实现非椭圆特征的剔除。进一步针对螺纹孔形成的相套椭圆特征,采用聚类筛选的方法得到螺纹孔对应的内环椭圆特征,从而实现了板上螺纹孔的识别与定位。     

基于Wedgelet的分层图像压缩

提出了一种分层图像压缩框架:图像=边缘轮廓+纹理。对原图像进行了一种自适应的多尺度Wedgelet分析,抽取并编码了图像的边缘轮廓。基于Wedgelet分析了在残差图像中引入的伪迹所具有的局部振荡特性,采用自适应局部余弦变换分析了以纹理为主要内容的残差图像,在将变换系数重组成与小波系数类似的树形结构后,采用零树编码获得了嵌入式码流。实验结果表明,该算法的重建图像质量优于SPIHT算法,在较好地保留原图像边缘轮廓和有效地减少边缘附近振铃伪迹的同时,较清晰的保留了原图像的纹理特征。     

水下目标物偏振成像特性研究

偏振图像比传统强度图像包含更丰富的物体表面反射及散射信息。用萨尔萨(SALSA)相机在自然光照下获取水下偏振图像，研究不同材质物体、放置深度、牛奶浓度及波段因素对水下目标物偏振成像的影响。结果表明:蓝色波段偏振成像能够较好地获取水下物体的边界轮廓等信息; 不同材质的目标物在水下呈现不同的偏振特性, 紫铜偏振度最高达0.69;在1.40 mg/L牛奶浑浊度的水下，偏振图像仍能通过比较目标物的偏振度(degree of polarization，DOP)信息来检测出水下目标物，瓷片的DOP仅降低0.31;此外，在水下约40 cm深度下，偏振成像获取的图像比强度图像轮廓更为清晰，如铁的偏振对比度比强度对比度高5.26%。     

基于双目视觉的薄壁零件变形量测量（英文）

针对薄壁零件变形量测量困难且过程繁琐的问题,提出了一种基于双目视觉的薄壁零件变形量测量方法 .对于零件表面变形量的测量,将具有基准坐标系标记点的刚性金属块安装在被测零件上,并在零件表面粘贴多个设计的编码标志点和彩色圆形定位点.利用彩色标记点分割出基准坐标系和编码标记点的有效图像区域,排除干扰图像特征.进行基准坐标系标记点和编码标记点的识别和检测,利用设计的角点结构实现标记点圆心的精确定位,并计算得到测量点的三维坐标.在基准坐标系下,通过计算零件变形前后表面关键点的三维坐标变化得到工件表面变形量.对于零件边缘变形,采用改进Canny边缘检测算法提取零件边缘的有效轮廓信息,并利用极线几何约束和灰度相似性对边缘特征进行了立体匹配和三维重建.薄壁零件变形量测量实验和测量精度验证实验表明该测量方法合理有效且测量精度满足要求.     

改进RCF算法的电缆绝缘层边缘检测

目前电缆绝缘层厚度检测算法主要采用图像处理技术提取出绝缘层的边缘轮廓,此类算法存在绝缘层边缘过宽和边缘不连续等问题,影响了后续的检测精度.为提高绝缘层测量精度,新算法基于RCF算法进行改进,在模型的4、5阶段采用空洞卷积,增大模型的感受野;并在侧输出网络加入尺度增强模块(SEM模块)和由浅到深的级联网络,增加侧输出图像...     

基于线结构光的裂隙提取算法研究

在路面裂缝的检测中,传统人工检测的方法准确性低,效率低,且单目视觉技术无法准确获得深度信息,只能得到二维平面信息。基于此,文章引入了双目线结构光技术,提出了一种基于地面平均高度的三维裂缝提取算法,实现了裂缝的三维信息采集。算法提取图像中每列像素值中最低点为起点,向左右扩散形成一个边缘提取范围,计算该列边缘提取范围以外的像素平均值作为地面平均高度值,然后以最低点为中心开始遍历每个像素值,当左右两边像素超过地面平均高度值时,则确定两个像素点为裂缝边缘。整合所有列,实现整条裂缝边缘的提取。实验结果表明：文章提出的裂缝识别算法能够较为准确的对裂缝边缘进行提取,通过与Canny边缘提取算法对比,数据表明,文章算法在连续性上表现更好,本文算法的图像水平相关性数据总体都高于Canny边缘提取算法,平均提高了30%。     

利用红外夜视的海上弱小目标检测与分割

红外夜视检测技术能加强海上预警探测系统的安全性,但红外夜视仪所采集的海上红外图像存在大量“背景杂波”,严重干扰弱小目标的准确检测。针对此问题,结合主动轮廓模型与插值滤波器提出一种用于海上安全系统的红外夜视弱小目标检测算法。该算法先分别采用全局主动轮廓与局部主动轮廓搜索感兴趣目标区域,通过双层主动轮廓模型消除噪声与背景杂波对目标检测的影响。然后提出变化方向的插值滤波器沿着感兴趣区域的边缘进行滤波,缓解弱边缘对目标真实边缘的干扰。在真实的红外夜视海上图像集上对该算法进行了实验与分析,结果表明该算法能改善海上弱小目标的检测性能,对提高海上航行的安全性具有积极意义。     

基于机器视觉的ROV水下管线自动跟踪方法

针对混浊水下管线检测过程中由于光学图像成像不清而难以实现自动跟踪的问题,提出一种基于机器视觉和声纳图像处理的水下管线自动跟踪方法。鉴于声纳图像噪声大的问题,该方法采用Gabor滤波器增强管线特征,然后通过二值化,以及Canny边缘提取管线轮廓,最后通过霍夫变换得到管线的几何特征。为了提高管线提取的效率,采用卡尔曼滤波对管线走向和位置进行预测。通过ROV实验,结果表明,该方法能够减少图像搜索的面积,减少处理时间,成功地提取出管线特征。该方法应用于混浊水下管线跟踪是可行的、有效的。     

基于GFO和标记点分水岭算法的医学图像分割

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算,常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性,常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓,由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下,提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看,提出的方法非常适合应用于临床医学图像分割。     

一种基于Canny边缘的红外与可见光图像配准算法

针对异源传感器在图像配准时如何精确地找到相应的匹配特征问题,结合红外图像与可见光图像的特征,利用2种传感器对同一场景成像时具有一定的边缘轮廓相似特性,提出了提取图像的Canny边缘,在边缘轮廓上根据边缘曲线上像素点的位置夹角的相似性寻找对应匹配点,通过仿真和实验数据与真实值的比较验证算法的有效性和配准的精度.     

基于边缘链码高阶分形特征的舰船目标检测算法

针对舰船目标和海杂波轮廓结构的不同,提出了基于边缘链码高阶分形特征的舰船目标检测算法,算法利用相对链码对5类舰船目标轮廓进行编码,分别计算分形维和缝隙,得到了舰船目标的4个分形特征的范围。实验结果表明边缘链码的4个分形特征能有效区分舰船目标和海杂波。     

基于轮廓匹配的夜晚环境下猫眼目标识别方法

为了解决“猫眼”目标在夜晚环境下难识别的问题,提出了一种基于归一化中心矩的轮廓匹配“猫眼”目标识别方法。首先利用中值滤波对图像进行去噪,采用固定阈值分割完成了对图像的分割,使得“猫眼”目标与部分背景分离,使用Roberts边缘检测提取出了所有物体的边缘,最后采取了基于归一化中心矩的轮廓匹配算法,该算法不受平移和放缩的影响,提取出了图像中的所有圆形目标,并利用面积判别识别了真实目标,对识别出的目标绘制最小外接圆,利用圆心坐标对其定位。通过对不同光照强度下的“猫眼”图像进行实验与对比,验证了该方法的可行性,并通过目标识别评价指标验证了该方法的有效性。实验结果表明,该方法的全局准确率可达92.1%,可以在夜晚环境不同光照强度下成功地对“猫眼”目标进行识别。     

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。     

基于多尺度残差注意力网络的水下图像增强

针对水下图像由水的散射、吸收引起的色偏、色弱、信息丢失问题,提出了一种基于多尺度残差注意力网络的水下图像增强算法。该网络引入了改进的UNet3+-Avg结构与注意力机制,设计出多尺度密集特征提取模块与残差注意力恢复模块,以及由Charbonnier损失和边缘损失相结合的联合损失函数,使该网络得以学习到多个尺度的丰富特征,在改善图像色彩的同时又可保留大量的物体边缘信息。增强后图像的平均峰值信噪比(PSNR)达到23.63 dB、结构相似度(SSIM)达到0.93。与其他水下图像增强网络的对比实验结果表明,由该网络所增强的图像在主观感受与客观评价上都取得了显著的效果。