白线焊缝跟踪系统中的图像处理方法

设计了适合于白线焊缝跟踪系统的图像处理算法,利用同态滤波、二值化等方法实现对采集图像的预处理,运用Hough变换法提取图像的特征边缘,并由此确定边缘位置,通过D/A转换将位置偏差量反馈成电压,控制伺服电机推动探架转动,保证探头实时跟踪焊缝。实验结果表明,该图像处理算法检测效果理想,检测精度达到±1 mm内。     

白线焊缝跟踪系统中的图像处理方法

设计了适合于白线焊缝跟踪系统的图像处理算法,利用同态滤波、二值化等方法实现对采集图像的预处理,运用Hough变换法提取图像的特征边缘,并由此确定边缘位置,通过D/A转换将位置偏差量反馈成电压,控制伺服电机推动探架转动,保证探头实时跟踪焊缝.实验结果表明,该图像处理算法检测效果理想,检测精度达到±1 mm内.     

基于区域能量特征的红外图像分割方法

基于红外图像在经过小波多尺度分解后各个子空间信息的不同分布以及背景区和目标区在小波变换域内图像能量的不同分布，提出一种基于区域能量特征的红外图像分割方法，该方法具有较好的分割效果。     

射线照相焊缝缺陷数字化图像的分割

射线底片焊缝缺隐图象经数字化图象预处理后，缺陷已经明显，但在自动识别前尚须进行图像分割，为此我们采用二阶导数过零边缘检测和阈值化分割算法。     

图像分割及其常用的方法

图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。本文从原理、应用和应用效果上对经典的图像分割方法如域值分割技术、区域增长和边缘检测等进行了分析,同时对目前图像分割领域中新的技术如分形、数学形态和神经网络技术进行了讨论。分析了图像分割技术研究的方向,以及需要解决的问题。     

图像分割研究综述

图像分割是图像处理到图像分析的关键步骤,也是进一步图像理解的基础。随着计算机技术的发展和普及,医学图像分割技术也经历了一个从人工分割到半自动分割和自动分割的逐步发展过程。人工分割、半自动分割都有着各自的缺点,而目前图像分割最常用、最经典的方法就是区域增长法和阈值分割法。     

图像分割方法及其应用研究

本文主要介绍了图像分割的一种常用方法——基于阈值的图像分割方法及其存在的问题和最新进展,同时介绍了以肺CT图为例应用迭代法分割出肺实质,最后指出了图像分割技术的应用现状及发展趋势。     

空中目标姿态测量中的图像处理方法

基于一种利用光测图像获取目标空中飞行姿态的方法,对高速电视获取的目标图像进行预处理的方法进行了研究。检验了姿态获取方法的可行性。人工模拟炮弹目标的试验结果证明了该图像提取方法简单易用,通用性较强,提高了参数测量的精度,为姿态获取方法的实际应用提供了依据。     

小波变换在图像去歪斜中的应用

提出一种基于小波变换的图像去歪斜方法。图像去歪斜的关键在于边缘检测和边框提取。边缘检测采用由粗到细的方法，利用小波变换的多分辩率特性，得到的结果较传统的方法有更好的去噪和定位性能，并能保留必要的细节。边框提取则是用改进的Ｈｏｕｇｈ变换寻找直线，将参数空间二次量化，在一定程度上解决了常规Ｈｏｕｇｈ变换抗干扰性和精度之间的矛盾。     

基于图像技术的焊缝跟踪系统算法研究

焊缝跟踪系统是焊接自动化的关键技术,通过对焊缝图像实时采集处理,实现调整焊枪位置准确跟踪焊缝的目的。本文对焊缝图像处理的算法进行了探讨。     

一种新的熵的提取方法在图像分割中的应用

针对正态云的正向云模型中熵的求法存在着误差大、计算量大的问题,提出了一种基于云理论的“3E”规则的熵的求法．首先将图像灰度信息作出统计,将波峰值作为Ex,再将距离波峰最近的第一个波谷值与波峰之间的距离作为3En最后通过一定规则微调得到符合条件的En.并通过实验将云模型与阈值法分割图像相结合,实验结果证明,该方法不但可以准确计算出己,使误差减少、计算量也较小,并且对图像分割效果好、效率高．     

基于动态阈值图像分割法的人脸识别技术研究

提出一种基于动态阈值图像分割的人脸识别方法.在灰度级别下,基于图像分割中的Fisher准则,利用Fisher函数的类间均值最大、总类内方差最小的原则,自动获取待检测图像所对应的最佳分类阈值,并根据所得的动态阈值进行肤色分割,然后再根据阈值解码器,实现肤色似然图的二值化,得到肤色分割后的二值化图像,从而检测到包含有人脸的肤色区域.实验结果表明,该方法改善肤色分割性能,能够在负载复杂背景下实现肤色区域的精确分割,提高人脸检测的速度和精度.     

基于图像分割的钢板表面缺陷识别

钢板的表面缺陷是影响钢板质量的主要因素,通过改进轧制工艺可以减少缺陷发生外,及时检测出钢板的表面缺陷也非常重要.对于钢板表面缺陷的检测,需要获取图像,然后对图像进行初步处理,重要的步骤就是对缺陷进行分割.基于图像灰度信息的不同,本文采用了两种图像分割模型(C-V模型和H-T-B模型),当图像的灰度信息均匀时,采用C-V模型对图像进行分割;当图像的灰度信息不均匀时,则采用H-T-B模型对图像进行分割.通过两种模型的组合应用可以对钢板的各类表面缺陷进行识别,获取缺陷区域,有利于提高钢板生产质量.     

一种SAR图像分割新方法

合成孔径雷达（SAR）图像中固有的相干斑噪声,严重影响了图像分割算法性能。为了改善SAR图像分割质量,本文提出了一种联合PM扩散模型和各向异性MRF模型的图像分割方法。首先对传统PM扩散模型的扩散系数进行简化和近似,限制模型的解的唯一;然后使用改进后的模型对原始SAR图像进行非线性扩散,在抑制噪声的同时保持图像结构细节;继而,通过在标记场势能函数中引入观测数据灰度信息,将经典的基团势能改进为基于灰度加权的各向异性势能,提高边缘像素和图像奇异点的分割准确率。实验表明,本文算法的分割结果区域连通性更好,边缘轮廓分割更精细。     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

医学图像分割处理技术的应用

医学图像分割是对医学图像进行三维重建操作的基础,本文阐述了医学图像分割处理技术的应用发展状况,对医学图像分割处理技术的类别及目前常用的分割方法进行了综述,并对医学图像分割处理技术的发展趋势进行了研究探讨.     

图像分割算法的研究与实现

图像分割是由图像处理过渡到图像分析的关键步骤。利用Delphi 6.0语言实现了一些经典的图像分割算法。经过实验证明,该程序可以快速、准确实现图像的分割。     

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法.该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷.实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法.     

一种二维直方图阈值化图像分割的后处理方法

在灰度图像的二维阈值化分割方法中，存在部分可能的噪声或边缘点，而没有对其进行处理或处理很草率，针对这个不足，提出了一种进一步将这种点归类，提高分割质量的后处理方法，该方法通过考察这种点的8-邻域或16-邻域内的其他点的分布情况，比较这些点到相应的邻域中分属于目标和背景的两类点中心之间的距离，将这些点分割到距离较小的一类中，以达到将图像中的所有点进行归类的目的，实验分析表明，这种后处理方法提高了分割的准确性，减少了分割错误。     

一种改进的彩色图像分割方法

介绍了一种融合多尺度形态学、蚁群聚类、模糊C-均值(FCM)聚类的新的彩色图像分割方法。该算法首先利用多尺度形态学提取图像边缘,再利用蚁群聚类算法的全局搜索性和鲁棒性的优点并结合边缘信息,确定聚类中心和聚类个数,将其作为FCM聚类的初始聚类中心和聚类个数,克服了FCM算法自身并不能确定聚类中心需要人为设定的缺陷。实验结果表明,该算法可以准确地分割出目标,是一种有效的图像分割方法。