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。     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

基于灰度及几何特征的微晶玻璃缺陷检测

气泡缺陷检测作为评估微晶玻璃材料性能的重要环节,可指导微晶玻璃原坯切割与再加工,充分发挥其稳定的光学特性。针对环形光源照射微晶玻璃圆柱试样时,视场背景亮度不均匀且微晶玻璃外周边界被增亮的问题,提出了一种基于灰度及几何特征的微晶玻璃气泡检测算法。算法先根据图像局部灰度特征利用Canny边缘检测算子获取疑似气泡轮廓,再基于气泡几何特征剔除微晶玻璃外周边界的虚假目标获得真实气泡缺陷信息。实验结果表明该算法能有效提取气泡缺陷,提高气泡缺陷检测准确率。     

基于改进曲波变换的水面弱纹理提取方法

水下潜体的运动产生的内波使得水表形成一定的红外弱纹理信号,从而使得利用红外手段进行探测成为可能,但是这种纹理信号的对比度非常低,其与振幅很大的背景杂波混在一起,给信号的提取造成很大困难。以曲波变换为基础,根据弱纹理的对比度、频率特点等进行曲波尺度分量和方向分量的筛选,再结合阈值优化和边缘梯度算子得到了较清晰的纹理提取图像。该图像的信息熵和频率集中度与采用传统曲波变换所得结果相比分别有30%和11%的提高。当弱纹理的对比度大于5%,筛选频率的方向和弱纹理频率方向偏差小于12°时,该算法能够清晰地提取纹理信息。     

深空背景弱小目标实时检测算法研究

根据深空背景的特点,提出一种基于FPGA和DSP的检测算法,并设计相应的硬件系统,能对大小为512×512像素、帧频率为40帧/s的视频图像进行实时处理。先在FPGA中用最大中值滤波抑制空间成像噪声,解决了图像预处理运算量大对处理速度要求高的难题,再在DSP中用使用改进的双差分法进行运动目标分割,克服了单差分提取目标轮廓不准的缺点,最后结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。试验结果证明该算法满足了深空背景弱小目标实时检测的要求。     

一种新的激光雷达距离像噪声抑制方法

主要针对激光雷达距离像的距离反常噪声抑制问题,阐述了激光雷达距离像的噪声原理,分析了应用传统中值滤波方法抑制距离反常噪声的缺陷,提出了基于包围准则的自适应中值滤波算法。该方法首先根据包围准则检测噪声,对5×5滤波窗口内的像素值进行排序差分;然后选择低于门限长度最长的连续差分值对应的像素值作为距离正常值;最后运用中值滤波和加权均值滤波进行噪声抑制。实验结果表明,该方法有效抑制了距离反常噪声,且较好地保护了距离图像中目标的边缘细节,均方根误差分别比3×3和5×5窗口中值滤波法减少了27.1%和9.1%。     

基于多特征和FCM的图像边缘检测方法

提出了一种新的基于多特征和FCM的边缘检测算法.该方法根据边缘点附近灰度分布特点构造了多个反映边缘特性的特征分量,并利用输入图像提取该组特征分量,组成一个反映图像边缘特征的数据集.用FCM聚类算法将该数据集分为两类,即边缘点数据和非边缘点数据,实现边缘检测.该方法无需确定阈值,对弱边缘检测较敏感,在特征的选取上充分考虑了边缘和噪声的本质区别,因而具有优异的抗噪性能.     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明：该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

基于小波域扩散滤波的弱小目标检测

分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明:该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。     

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.     

基于频域纹理消除的结构性纹理缺陷检测方法

针对金属加工表面等结构纹理表面图像缺陷检测问题，结构纹理的存在会对缺陷（比如划痕）检测带来干扰，该文开展在频率域中消除背景纹理的方法来进行缺陷检测的研究。首先基于傅里叶变换的图像复原技术，空间域图像中的结构性纹理对应傅里叶域中高能频率分量，使用最小二乘法直线拟合操作去除，并将这些能量设置为零，经傅里叶逆变换为空间域图像。在复原的图像中，原始图像中的结构纹理区域将变为近似的均匀灰度级，但其中缺陷部分将被保留下来。再使用统计过程控制来设置阈值的方法就能从复原图像中分离出缺陷。最后在一系列的结构性纹理图像上的实验证实了所提方法可行且有效。     

红外搜索系统中弱小目标检测算法研究

 复杂背景下低信噪比弱小目标的检测是红外搜索系统中的重点和难点,为解决红外搜索系统中杂波干扰多、目标信噪比低等问题,提出一种模板匹配滤波的目标检测方法。该算法在预测背景的同时,通过对图像背景灰度值进行动态的阈值处理,自适应地进行背景抑制。当背景包含较多复杂因素时,采用模板匹配滤波的目标检测方法,消除背景抑制后的残留杂波,实现弱小目标的提取。试验结果表明：当场景较复杂且图像信噪比较低时,使用该算法处理后可使图像信噪比达到4 dB以上,从而提高了弱小目标的检测概率。     

红外图像掠海小目标的检测算法研究

针对红外图像掠海小目标信噪比低，且易受到水天线和背景杂波干扰的特点，提出了一种红外掠海小目标的提取与检测算法。该方法的特点是：首先采用中值滤波来减小噪声，并提出了差方和算法，用以抑制背景噪声并对目标增强；再采用了图像行扫描法有效地滤除水天线；最后通过弱化背景边缘和阈值分割等综合算法得到候选小目标。仿真结果表明，该算法达到了较好的效果。     

复杂背景下红外弱小目标检测算法研究

复杂背景下低信噪比弱小目标的检测是红外预警系统中的重点和难点。为解决红外图像中杂波干扰多、目标信噪比低等问题,提出一种非线性空间滤波的目标检测方法。该算法在传统线性空间滤波算法的基础上,通过对预测点周围4个象限的背景灰度值进行计算,并动态地调节阈值,以达到突出小目标的目的。试验结果表明:当背景包含较多复杂因素时,采用非线性空间滤波的检测方法可有效地抑制杂波,实现弱小目标的提取,与线性滤波算法结果相比较,虚警数降低了3/4,且易于工程实现。     

深空大视场弱小目标的实时检测方法

根据深空背景的特点,提出了采用最大中值滤波降噪,基于USAN原则,即吸收同值核区(Univalue Seg-ment Assimilating Nucleus)原则进行弱小目标检测的算法。其中分析了USAN滤波模板大小对检测性能的影响,探讨了灰度差门限的自适应选取方法,并根据目标和背景杂波在灰度分布上的差异,进一步剔除背景杂波的残留。结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。     

金属表面非相干线结构光条纹中心提取方法

采用线结构光法测量金属表面形貌时,由于受到金属表面光学特性和散斑噪声的影响,条纹中心的提取误差往往较大。为此,提出了一种非相干线结构光形貌测量方法,避免了散斑噪声的影响。通过分析该方法测量金属表面形貌时的条纹图像特点,提出一种适合非相干线结构光条纹的中心提取方法。该方法首先采用结合积分图像原理的自适应阈值分割算法,对原条纹图像进行分割。采用灰度重心法粗提取原条纹中心坐标,以该坐标为基准向条纹宽度方向延伸,从而确定阈值分割后条纹图的感兴趣区和背景区,并去除背景区的噪声。经中值滤波后,采用几何中心法提取条纹中心。实验结果表明:采用该方法提取粗糙度样块表面非相干光条纹中心的平均误差为1.5 μm,提取齿轮渐开线样板表面非相干光条纹中心的平均误差为0.9 μm,均比其线激光条纹中心的提取误差小。所提方法能实现金属表面非相干线结构光条纹中心的精确提取。     

小波尺度相关滤波及其改进算法在电火花声源信号处理中的应用

分析提取宽带电火花声源信号,受到船舶辐射噪声的严重干扰,在5 kHz以下的能量集中区信噪比低,且二者Lipschitz指数特性相近,传统基于相邻尺度相关的滤波算法抗干扰能力有限。根据宽带电火花声源信号不同频带所受干扰的不同,信噪比较高的小尺度高频小波系数,采用相邻尺度相关的滤波算法;信噪比较低的大尺度中低频小波系数,采用跨尺度相关的滤波算法,并对算法中阈值系数的选取方法进行修正。结果表明,该算法滤波效果良好,有效的提取了电火花声源信号,适合窄带强干扰背景噪声下的宽带水声信号处理。      

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。     

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。