不均匀光照的路面裂缝检测和分类新方法

针对受光照不均影响的路面裂缝图像,提出一种基于Sobel算子和最大熵法的图像分割算法,并采用长线段与原图进行与操作和判断黑色像素所占比例的方法去除图像孤立噪声点.根据不同类型裂缝的几何形态,提取投影向量、分布密度和空洞数等特征值作为路面裂缝分类的依据,设计径向基函数神经网络的分类器实现对裂缝的准确分类.实验结果表明,较传统全局阈值算法,本文算法对光照不均图像的处理不仅能很好的提取裂缝边缘,且具有很强的抗噪能力,对路面裂缝的分类准确率高.     

航拍图像的路面裂缝识别EI北大核心CSCD

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。     

航拍图像的路面裂缝识别

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。     

基于累积梯度的裂缝提取算法

受光照条件和噪声影响, 采用摄像方法检测裂缝时, 常用的边缘提取算法适用性较差。为此, 提出累积梯度算法用于计算裂缝边界。首先采用自适应二值化方法和图像形态学操作得到掩模图像。将掩模图像作用于原始图像, 得到扩充的裂缝区域图像。对该图像进行迭代膨胀, 对图像灰度值相加得到累积灰度值, 再用膨胀前后2幅图像的累积灰度值相减其差值最大时为累积梯度, 并将膨胀前的图像作为提取的裂缝。实验结果表明该方法能够在复杂背景下提取得到裂缝。     

基于正交分解的室外光照阴影检测

针对室外光照条件下阴影的快速高效检测问题,提出了基于正交分解的阴影检测算法。利用室外场景图像中阴影区域内外的线性模型建立线性方程组,对该线性方程组的解空间进行正交分解,得到一幅彩色光照不变图像和一幅光照变化图像。通过K-means算法将彩色光照不变图像分类为几个区域,每个区域具有一致的反照率。根据分类结果,对光照变化图像采用EM算法进行高斯混合建模,提取阴影区域。最后采用形态学算子对提取的阴影区域进行优化。该算法不需要复杂的特征算子学习过程,大大降低了计算的时间复杂度,而且不需要任何先验知识,可以直接应用到实时场景处理中。     

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.     

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.     

基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.     

大口径反射镜表面颗粒污染物暗场检测算法研究

针对大口径反射镜表面污染物的成像特点,研究了污染物的暗场检测算法,包括图像采集过程中的自动聚焦算法,图像处理过程中的畸变校正与污染物提取算法等。就自动聚焦算法提出了粗-精结合的峰值搜索策略,并采用Tenengrad函数作为清晰度评价函数,获得了较高的聚焦精度。畸变校正算法在所建畸变模型的基础上,基于标定板角点的射影变换性质,求解畸变模型系数,实现了图像畸变校正,校正结果的方均根误差为3.3092 pixel。污染物提取算法采用顶帽变换去除图像背景,对去除背景的图像采用拉普拉斯算子加权自适应二值化算法提取污染物,该算法针对光照不均的小尺寸污染物图像的处理效果较好,检测结果数量误差为7%,检测精度优于全局阈值算法以及均值算子加权自适应二值化算法。该检测算法可以为反射镜表面洁净状态评估提供技术支撑。     

基于光照不变图像的阴影图像道路及导航线提取算法

针对有阴影情况下的道路及导航线提取问题,提出一种基于光照不变图像分割和投票函数的阴影道路图像道路及视觉导航线提取算法,该算法利用正交分解法获取彩色光照不变图像,并对其进行分割,通过构造的投票函数及道路判别准则提取道路区域,扫描道路定位点后对其进行最小二乘拟合提取导航线。该方法不需要大量样本进行学习。实验结果表明,所提算法与现有两种算法相比,在检测精度和速度上均具有明显优势,并且算法复杂度较低。算法能够有效地解决阴影环境下道路及导航线的提取问题。     

一种高噪声显微图像分割方法研究

传统的图像分割算法在处理高噪声显微图像时,由于背景复杂,很难得到目标完整的区域轮廓。通过对不同图像分割算法的性能进行对比,提出了一种改进的二维最大熵阈值遗传算法结合数学形态学除噪分割的方法。首先用改进的二维最大熵阈值算法结合遗传算法对高噪声显微图像进行粗分割,除去图像中大量的背景噪声,然后运用数学形态学进行细分割,滤除剩余少量杂质和孔洞,提取出目标轮廓。实验结果表明改进的方法较传统分割方法具有更强的抗噪声能力及更快的处理速度,有效地实现了高噪声显微图像的除噪分割。     

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。     

基于形状特征的水声图像小目标识别方法

为了抑制背景噪声,提高目标识别准确率,该文提出一种基于形状特征的水声图像小目标识别方法。对含有目标的水声图像进行非局部均值去噪处理后,使用OTSU算法自适应选取阈值对去噪图像进行二值化分割,结合形态学处理获得分割后的目标区域;提取目标区域的矩形度、圆形度、几何不变矩等各项形状参数,将目标的特征向量输入随机森林分类器实现对目标形状的识别。在仿真和实测数据集上分别进行了实验,结果表明,该方法对水声图像中的目标具有较高的识别率,可以实现不同高斯噪声背景下的目标识别,相较于其他方法在识别率上有一定提高。     

利用三维自适应分裂-合并的MRI图像分割算法设计

该文提出一种基于3D几何特征分裂-合并(ASM)的脑部MRI图像分割算法。首先构建简单平行六面体的12种3D区域分割策略,体积分割技术将整个体积划分为许多大的均匀三维几何区;然后,在体积内定义更多小的均匀区域,以便在随后的合并步骤中有更大的生存概率;最后,进行多级区域合并,合并阶段只涉及复杂ASM树的叶子,考虑灰度相似性和共同边界区的大小,将小的区域合并为大邻近区。相比其他几种MRI图像分割算法,提出的方法在分割过程对噪声具有鲁棒性,提高了分割性能和准确率。另外提出的方法不需要训练数据集。     

水下激光目标的统计对消分割法

水下激光目标的识别是一个崭新的研究领域,有许多问题需要解决,其中,目标分割是关键.水下激光图像中夹杂着严重的散斑噪声,受其影响,要识别水下激光目标,就要对图像进行有效的消噪,然后进行目标分割.本文依据具有相似统计特征的噪声可抵消图像中的相应噪声这一基理,结合小波变换和统计法,提出了一种水下激光目标的统计对消分割法,以去除噪声,提取目标.实验结果表明该方法是有效可行的.     

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。     

Cellular neural networks for welding arc thermograms segmentation

Machine vision systems are used in many areas for monitoring of technological processes. Among this processes welding takes important place, where often infrared cameras are used. Besides reliable hardware, successful application of vision systems requires suitable software based on proper algorithms. One of most important group of image processing algorithms is connected to image segmentation. Obtainment of exact boundary of an object that changes shape in time, such as the welding arc, represented on a thermogram is not a trivial task. In the paper a segmentation method using supervised approach based on a cellular neural networks is presented. Simulated annealing and genetic algorithm were used for training of the network (template optimization). Comparison of proposed method to a well elaborated segmentation method based on region growing approach was made. Obtained results prove that the cellular neural network can be a valuable tool for infrared welding pool images segmentation.     

基于流形学习的极端学习机及其在人脸识别中的应用

极端学习机以其快速高效和良好的泛化能力在模式识别领域得到了广泛应用,然而现有的ELM及其改进算法并没有充分考虑到数据维数对ELM分类性能和泛化能力的影响,当数据维数过高时包含的冗余属性及噪音点势必降低ELM的泛化能力,针对这一问题本文提出一种基于流形学习的极端学习机,该算法结合维数约减技术有效消除数据冗余属性及噪声对ELM分类性能的影响,为验证所提方法的有效性,实验使用普遍应用的图像数据,实验结果表明本文所提算法能够显著提高ELM的泛化性能。     

结合区域提取和改进卷积神经网络的水下小目标检测

针对水下小目标信息量有限而难以提取有效特征导致的检测性能不佳问题,提出了一种结合区域提取和融合Hu矩特征的改进卷积神经网络水下小目标检测方法。该方法包含区域提取和分类两个步骤。首先以马尔可夫随机场分割算法为基础进行区域提取,对潜在目标定位的同时降低伪目标对后续分类的干扰;然后提取潜在目标区域的Hu矩特征并融入卷积神经网络,形成一种形状特征表征能力更强的改进卷积神经网络用于分类。声呐实测数据处理结果表明,该方法可以有效提升对水下小目标的发现概率和正确报警率,与其他目标检测方法相比,该方法具有更好的检测性能和泛化性。