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。     

基于特征融合的多尺度窗口产品外观检测方法

为提高产品外观质量的检测精度和实时性,提出一种基于特征融合的多尺度滑动窗口机器视觉检测方法;在训练阶段,首先提取图像的HOG特征和Lab颜色特征,并采用典型相关分析法(CCA)进行特征融合;接下来,采用支持向量机(SVM)对融合的特征进行训练,生成分类器;在检测阶段,产品外观不同区域对精度的要求不同,为提高检测效率,生成不同尺度的滑动窗口,在每个窗口中都进行图像的特征提取与特征融合;最后,对采集的图像序列进行匹配,实现产品外观划痕的实时检测;实验中,选取不同的特征提取方法进行对比,并分别生成大小不同的滑动窗口,通过分析实验结果,结合检测时间与精度,确定各个区域的窗口尺度;实验表明,与传统的检测方法相比,所提方法在检测精度和实时性上具有显著提高。     

低空无人机航空摄影高度自动测量方法研究

为提高产品外观质量的检测精度和实时性,提出一种基于特征融合的多尺度滑动窗口机器视觉检测方法。在训练阶段,首先提取图像的HOG特征和Lab颜色特征,并采用典型相关分析法(CCA)进行特征融合。接下来,采用支持向量机(SVM)对融合的特征进行训练,生成分类器。在检测阶段,产品外观不同区域对精度的要求不同,为提高检测效率,生成不同尺度的滑动窗口,在每个窗口中都进行图像的特征提取与特征融合。最后,对采集的图像序列进行匹配,实现产品外观划痕的实时检测。实验中,选取不同的特征提取方法进行对比,并分别生成大小不同的滑动窗口,通过分析实验结果,结合检测时间与精度,确定各个区域的窗口尺度。实验表明,与传统的检测方法相比,所提方法在检测精度和实时性上具有显著提高。     

基于多尺度滤波和线检测算子的视网膜血管检测

视网膜血管分割在眼底图像分析中具有重要作用。结合多尺度Hessian矩阵滤波和线检测算子,提出了一种有效的血管检测方法。首先利用多尺度Hessian矩阵的特征值构建血管相似性函数,实现血管增强;然后采用改进的线检测算子,提取反映血管测度的特征;最后采用SVM实现血管检测。实验结果表明,该方法只需要较少的训练样本即可达到与其他方法相当的准确率,且在灵敏性上具有更好的性能。     

多尺度各向异性扩散方程的红外弱小目标检测算法

针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果.     

基于分块图像小波相对能量和熵的视频镜头边界检测算法

提出了对检测窗内图像帧进行分块并进行小波变换,计算尺度j上分块图像的低频、水平、垂直和对角信号的小波相对能量和小波熵的方法,给出了分块图像小波熵的计算公式.采用尺度j上分块图像低频信号小波熵作为特征向量检测视频镜头是否发生转换,即在检测窗内,帧间低频信号小波熵值只发生一次大突变（与设定的阈值相比）就是剪切转换,若发生多次比较大的变化就是渐变转换.采用检测窗内分块图像在尺度j上的垂直、水平和对角高频信号的小波熵作为另一特征量可以区分渐变镜头的类型：淡进/出(fade in/out)或扫换(wipe).采用大量的高清和标清码流进行实验并与基于概率的方法进行比较.结果证明：本文的视频镜头检测方法具有强的鲁棒性、能检测出镜头转换的类型：剪切、淡进/出和扫换,同时有较高的查准率和查全率.     

利用小波变换和神经网络对罕见病DMD的MRI进行分类识别

杜兴氏肌营养不良(DMD)是一种严重的儿童腿部神经肌肉罕见病。传统的诊断和检测方案一般为有创手段,会带给患儿极大的痛苦。基于受试者的磁共振图像(MRI),采用计算机辅助检测手段探索了有效的无创检测方法。实验分别选用sym4和db4两种小波基函数,对患儿组和健康对照组的MRI进行三种尺度的小波分解,从所得的分解图像中提取12个纹理特征参数,并利用人工神经网络(ANN)算法对图像参数进行分类识别。结果显示:在受试者的两类MRI加权图像(T1和T2)中,T1图像能更好地区分患儿与健康儿童;利用db4函数对图像进行小波分解,其效果略优于sym4函数,且在三种小波分解尺度中,以二层分解最优;利用ANN算法对图像进行分类识别,其灵敏度、特异度和准确率分别高达98.5%、97.3%和97.9%。该处理方法有望为临床提供客观有效的辅助诊断手段,可作为DMD疾病无创检测的尝试探索。     

基于形态学特征的机械零件表面划痕检测

采用高、低角度光源组合打光方式提取感兴趣区域,构建划痕形态学的中值滤波核以获取准确的背景图像,再经背景差分后提取划痕缺陷。采用基于方向梯度的改进区域生长算法实现了同一划痕的有效连通,降低了划痕缺陷的漏检率。通过对面积、长宽比等主要特征参数的置信度分析,提出了一种多特征加权融合的划痕判定方法。结果表明,利用该方法进行划痕检测的正确率达95.7%,算法处理时间少于1.21s,达到了工程应用的精度和效率要求。     

基于块匹配的低光度图像对融合方法

针对低光度条件下长曝光图像与短曝光图像的融合问题,提出了一种基于块匹配的图像融合方法,将低光度图像对融合成为一张更好的图像.首先提出基于金字塔多尺度模型的双向鬼影检测算法,该算法降低了噪声和欠曝对鬼影检测的影响,用于准确检测低光度场景中图像对之间由于物体运动造成的不一致区域;随后利用块匹配算法重建鬼影区域;最后运用改善边缘特性的泊松融合算法提取两次曝光图像中的信息生成结果图像.实验结果表明,该方法有效地保留了短曝光图像的边缘锐度,并保持了长曝光图像的色彩、亮度和细节.     

基于小波变换及多尺度分析的星点检测方法

为提高从包含复杂天空背景的红外图像中检测出星点目标的能力,提出了一种基于小波变换及多尺度分析的星点检测算法。在对图像进行小波变换的基础上,利用多尺度分析方法,确定图像自适应阈值,实现图像小波域的去噪,达到星点目标检测的目的。实验表明,该方法能有效地检测出红外图像中的星点目标,检测能力较普通背景预测方法提高近40%。     

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。     

自然地面背景下红外目标检测算法

为了快速准确地检测出以地面物体为背景的红外序列图像中的目标,结合小波变换的特点及其应用于图像边缘检测的优点,提出了一种基于小波技术的图像预处理算法。该方法利用图像边缘在目标识别中的重要作用,讨论了基于小波变换的图像边缘检测方法,并结合地面背景红外图像自身的特点,大大地提高了单帧的检测概率。     

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。     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

Dark-field detection method of shallow scratches on the super-smooth optical surface based on the technology of adaptive smoothing and morphological differencing

There exist some shallow scratch defects on the super-smooth optical surface. Their detection has a low efficiency with the existing technologies. So a new detection method, dark-field detection of adaptive smoothing and morphological differencing(DFD-ASMD), is proposed. On one hand, the information of shallow scratches can be kept in dark-field images. On the other hand, their weak characteristics can be separated and protected from being overly reduced during the elimination of noise and background in the image. Experiments show the detection rate of shallow scratches is around 82%, and DFD-ASMD can lay a foundation for quality control of defects on the high-quality optical surface.     

基于最小各向同性小波滤波的图像清晰度识别

提出了基于最小各向同性小波滤波的图像清晰度识别方法,对二维最小各向同性小波滤波提取图像特征进行了研究.直接将原始图像通过带通小波滤波器G0获得图像边缘信息,结合图像能量分析,建立了基于小波滤波的图像清晰度评价函数.利用构建的显微镜自动对焦实验平台,比较分析了基于小波滤波和拉普拉斯的评价方法.实验结果表明,采用基于各向同性小波滤波的自动对焦算法有更好的综合自动对焦性能.     

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。     

Improved multi-scale wavelet in pantograph slide edge detection

The mainstream methods of pantograph slide edge detection are based on canny operator and multi-scale wavelet. The former has good single edge response but the edge is fractured, the latter performs good edge continuity but contains excessive edge points. This paper combines the advantages of both methods and proposes as an improved multi-scale wavelet edge detection method based on canny criteria. Firstly we filtered the pantograph image with edge-preserving symmetric near neighbor filter. Secondly calculated the Gaussian wavelet modulus and arguments at all levels of scale, then suppressed the non-maxima value of modulus along the corresponding arguments. At last, we integrated the modulus drawings at all levels of scale, and connected edge with applicable dual-threshold. Experiments results show that the improved algorithm has both satisfactory performances in single edge response and edge continuity, it markedly improves the efficiency of edge detection algorithm. Peak signal to noise ratio (PSNR) analysis finds that the improved algorithm exceeds canny operator and traditional multi-scale wavelet edge detection. Moreover, it has higher positioning accuracy, clearer details and better noise performance.     

基于机器视觉的手机屏幕表面划痕检测研究

针对手机屏幕图像划痕缺陷形状不规则、深浅对比度低的问题，提出基于机器视觉的手机屏幕表面划痕检测方法。首先采用PatMax算法和仿射变换对手机屏幕图像进行预处理；然后采用剪切变换将图像分解成低频和高频两部分，构造0°、45°、90°和135°四种方向的元素形状对低频部分进行灰度闭运算操作，同时对高频部分进行N×M中值滤波去噪处理，通过剪切逆变换生成增强图像；最后采用改进的Otsu双阈值方法对目标进行提取。随机选取450张手机屏幕图像进行实验，检测率最高可达98.7%，结果表明，该方法能够有效增强图像的细节信息，相比其他方法，极大地保证了划痕缺陷的完整性。