车削零件表面粗糙度图像法检测优选方法

为实现对车削零件表面粗糙度检测,提出一种基于机器视觉表面粗糙度检测图像处理的新方法。该方法先按相应算法对所采集图像剔出受光衍射影响严重区域,然后再按其灰度分布情况进行区域优化,获得的图像灰度特征参数能反映表面粗糙度量值的有效特征区域。用该方法对表面粗糙度Ra标称值为0.8 μm~12.5 μm的五种车削样件测试,处理后图像灰度的均值、方差、能量和熵等特征参数与Ra标称值单调关系显著,各特征曲线的非线性误差均在1.5%以内。对比实验显示,这种特征提取和区域优化方法可应用于表面粗糙度的区分与检测。     

多参数Gabor预处理融合多尺度局部水平集的超声图像分割

针对超声图像边缘较弱且不连续、图像灰度分布不均的特点,提出一种基于多方向、多频率的Gabor滤波融合多尺度水平集的边缘提取算法。将超声图像成像的不连续性看作随机方向的纹理,利用Gabor滤波的方向性进行不同角度的滤波,通过最大值融合多图像,得到待分割区域和背景之间的差异且最大程度地保留原图像信息的中间图像。同时,使用多中心频率的Gabor滤波核以满足超声图像复杂的频率分布特性,并通过均值融合的方式减弱噪声的影响。再针对融合图像边缘较弱且灰度变化不均的缺陷,改进传统的局部聚类水平集方法,采用不同方差大小的高斯卷积核来适应图像不同部分的灰度变化情况,通过均值融合构造多尺度能量函数。通过在增强图像上迭代改进后的多尺度水平集函数,获取最终边缘。为验证算法的有效性,对胃部超声图像进行测试,分割结果的相关性系数和敏感性系数分别达到了0.856和0.910,相比传统局部强度聚类水平集方法分别提升了20.7%和5%。实验结果表明,该算法可以显著提高超声图像边缘提取的连续性和准确性,有效降低因超声图像灰度不均和边缘较弱造成的过分割现象。     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的复原能力.最后分别使用本文方法、非局部均值和局部极大似然估计三种去噪方法,在不同噪音大小和不同几何纹理复杂度的图像中进行定性和定量的去噪实验.结果表明,本文方法可在保持图像细节和纹理信息的情况下有效去噪,较之现有方法效果更好.     

一种基于红外成像的强反射金属表面缺陷视觉检测方法

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点,提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法.利用CCD视觉传感器获取受检金属表面的红外影像资料,引入一阶Haar小波分解红外图像,抽取4个小波特性,然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性.最后根据统计值判别图像是...     

X射线数字纹理图像的特征提取

以减少图像背景和结构纹理对特征提取的干扰为目的,提出了先去除背景和纹理,再进行特征分析的算法.该算法通过最小二乘法则拟合了类抛物线曲面函数提取数字射线图像的背景,减少了背景对图像特征的模糊,在此基础上,针对图像的结构纹理特点确定几何分布参量,定义减法运算公式消隐图像纹理,减少了纹理造成的图像灰度起伏,图像灰度级分布均匀.在平坦的图像背景中,根据数字射线图像信号点服从正态分布规律特点,设定阈值进行特征分割.     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的...     

ARM架构下计算机图像并行化处理技术研究

为在图像处理与分析时具备良好的视觉效果,提高图像处理的速度,需要对ARM架构下计算机图像并行化处理技术进行研究。当前采用的方法是对各种变换频域图像特征提取与计算机图像集合特征的提取进行相结合,克服了当前对图像进行提取时存在图像形状描述的缺陷,提取图像特征向量维数相对较低。实验表明,通过对图像进行特征提取能很好的对图像效果进行展示,将图像的纹理特征进行详细的表述,将该方法应用到图像处理技术当中,具有良好的去噪效果及扩展性,该方法过程简单,但存在图像视觉效果较差的问题。为此,提出一种ARM架构下计算机图像并行化处理技术研究方法。该方法首先利用非局部均值去噪算法对图像进行去噪处理,然后结合图像去噪的结果利用小波变换对去噪图像进行边缘检测,最后采用非线性增强算法对图像进行增强完成对ARM架构下计算机图像并行化处理技术研究。实验结果表明,所提方法不仅提高图像处理速度,还提高图像视觉效果,具有广泛的应用价值。     

基于均值偏移的灰度图像分割方法

针对灰度图像分割往往存在的过分割或欠分割问题，提出了一种基于均值偏移的图像分割方法．该方法通过联合像素的空间位置和灰度特征，建立图像的特征矢量，构造基于像素的位置和灰度的改进核函数直方图．采用均值偏移算法搜索图像的特征模式，并以此对图像进行平滑滤波和分割．对以地物为背景的图像分割结果表明，该方法既能抑制具有纹理的大片背景，又能提取出面积较小且轮廓清晰的物体，分割的物体完整且符合人眼视觉，较有效地避免了图像过分割和欠分割的问题．     

高光谱成像技术对鲜枣内外部品质检测的研究

外部缺陷以及内部可溶性固形物的含量对提升鲜枣的采后附加值和鲜枣后续生产加工具有重要的意义,因此,为了实现同时对鲜枣内外部品质进行快速、准确识别,利用高光谱成像技术(450-1,000 nm)对壶瓶枣的“自然损伤”和可溶性固形物含量同时进行检测研究。首先,对光谱数据进行主成分分析(PCA)得到前7个主成分光谱值,对图像数据采用灰度共生矩阵(GLCM)提取到7项图像纹理指标(对比度、相关性、能量、同质性、方差、均值、熵)。然后,分别使用光谱主成分值、图像纹理特征值、以及主成分与纹理特征融合值建立偏最小二乘支持向量机(LS-SVM)模型对壶瓶枣的外部缺陷(“自然损伤”)和内部品质(可溶性固形物含量)进行检测研究。结果表明：使用主成分与纹理特征融合值建立的LS-SVM模型可作为通用模型同时对壶瓶枣内外部品质进行检测研究,其“自然损伤”判别正确率为92.5%,可溶性固形物预测集的预测相关系数(R_p)和预测均方根误差(RMSEP)分别达到了0.944和0.495。表明,采用高光谱成像技术可以建立通用模型同时对壶瓶枣的内外部品质进行检测,该研究为壶瓶枣的无损检测提供了理论参考。     

红外与X光图像融合探测构件内部热源

红外与可见光图像融合只能反映构件表面信息和温度场分布,为了探测构件内部发热源,提出了红外与X光图像融合方法。首先将红外图像做灰度化处理。然后采用Laplace金字塔融合算法对红外与X光配准图像进行融合,利用YIQ空间变换将红外图像的温度颜色信息迁移至金字塔融合图像上。最后,对工作状态下的电路板和充电器采用信息熵、标准差、平均梯度进行了融合图像质量评价。实验结果表明金字塔融合图像在评价参数上与红外图像相比均有提高,且平均梯度提高了137.20%,从而图像清晰度得到较大改善。融合后的彩色图像既包含了构件的温度分布,同时也能反映构件内部结构。进而可根据融合图像的温度场判断和分析内部热辐射源。     

局部方差在图像质量评价中的应用

将灰度图像的局部方差分布(QLS)作为表征图像结构信息的一个重要特征,对局部方差分布矩阵进行奇异值分解,计算得到相应的奇异值特征向量;通过计算降质图像与原参考图像局部方差矩阵奇异值特征向量的夹角大小度量两图像的结构相似度,实现了对降质图像的质量评价。实验结果表明:局部方差分布更能突出图像的结构特征,评价结果优于传统的均方误差(MSE)、峰值信噪比(PSNR)、结构相似度(SSIM)以及直接评价图像像素分布的奇异值分析(SVD)等方法,与人眼视觉感知效果的一致性较好。     

局部方差在图像质量评价中的应用

将灰度图像的局部方差分布（QLS）作为表征图像结构信息的一个重要特征,对局部方差分布矩阵进行奇异值分解,计算得到相应的奇异值特征向量;通过计算降质图像与原参考图像局部方差矩阵奇异值特征向量的夹角大小度量两图像的结构相似度,实现了对降质图像的质量评价。实验结果表明：局部方差分布更能突出图像的结构特征,评价结果优于传统的均方误差（MSE）、峰值信噪比（PSNR）、结构相似度（SSIM）以及直接评价图像像素分布的奇异值分析（SVD）等方法,与人眼视觉感知效果的一致性较好。     

低照度条件下三基色获取及真彩色融合方法研究

鉴于低照度条件下彩色成像都是采用微光、红外、紫外等波段图像融合成假彩色,提出一种利用滤光片过滤和像增强器增强的三基色获取及真彩色融合方法。采用F P滤光片设计出了透射中心在三基色光中心波长的三基色滤光片,对其光谱透过性进行分析;通过旋转三基色滤色轮将目标反射光过滤,使用像增强器对过滤后反射光增强,借助FPGA编写的控制程序实现滤色轮转速和CCD摄像机成像时间的精确同步,利用CCD摄像机获取经增强后的三基色图像,实现目标三基色图像的动态采集。研制的样机在微光实验室进行了三基色采集及融合实验,实验时光照度分别1×10-1 lx （等效于月光下）和1×10-3 lx（等效于星光下）,采集速度设置为60 f/s,对获取的图像质量进行了评价。结果表明:在照度为1×10-1 lx时,融合后的真彩色图像在灰度均值、灰度方差和信息熵3项指标方面,比3幅单色图像的平均值分别提高了5.06%、5.97%和1.08%;在照度为1×10-3 lx时,融合后的真彩色图像与3幅单色图像的平均值分别提高了13.18%、-9.86和8.65%。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于伪维格纳分布的图像融合

提出了一种基于伪维格纳分布(PWVD)的融合方法.利用一维N像素的滑动窗口在各个方向上对各待融合图像进行伪维格纳变换,选择均方根最大的方向为各待融合网像的PWVD分解方向,分解形成待融合图像不同频段的能量谱图,然后,针对各待融合不同频段的能量谱图,融合原则足高频段取区域能量最大,低频段取能量方差最大,形成具有不同频段的融合能量谱网,最后,对能量谱网进行PWVD逆变换,形成融合图像.对红外与可见光图像、多聚焦图像、电子计算机X射线断层扫描(CT)图像与磁共振(MR)图像和红外与合成孔径雷达(SAR)图像进行了融合实验,并对融合图像和待融合图像进行了信息熵对比.实验结果表明,采用本文算法的融合图像保留了待融合图像的绝大部分信息.     

纹理分析在红外目标识别中的应用

若背景有雾时，红外图像中的目标会受到影响而变得比较模糊。雾的纹理是一种比较典型的自然纹理，利用灰度共生矩阵提取纹理特征图像的方法，对雾天获取的红外图像进行分析。通过实验证明了该方法对红外图像中（背景有雾时）目标的提取和识别有积极的作用。     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

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。     

Adaptive filtering for reduction of speckle in ultrasonic pulse-echo images

Current medical ultrasonic scanning instrumentation permits the display of fine image detail (speckle) which does not transfer useful information but degrades the apparent low contrast resolution in the image. An adaptive two-dimensional filter has been developed which uses local features of image texture to recognize and maximally low-pass filter those parts of the image which correspond to fully developed speckle, while substantially preserving information associated with resolved-object structure. A first implementation of the filter is described which uses the ratio of the local variance and the local mean as the speckle recognition feature. Preliminary results of applying this form of display processing to medical ultrasound images are very encouraging; it appears that the visual perception of features such as small discrete structures, subtle fluctuations in mean echo level and changes in image texture may be enhanced relative to that for unprocessed images.     

显微标本无损分析仪的研究

将传统光学显微镜和CCD、计算机相结合,实现对标本的无损显微观察.在介绍系统硬件组成的同时,着重说明了图像清晰度评价与图片重建的核心算法,并用VC++加以验证和实现.清晰度评价函数采用自行设计的类灰度方差算法,即采用图像的灰度值方差作为图像的清晰度.无损显微分析仪通过精密位置控制机械结构上下移动载物台,采集样本和显微物镜在不同距离时的多幅局部清晰的图像,通过清晰度评价算法找到满足清晰度要求的局部图像,再对多个清晰的局部图像进行合成,得到清晰的整体图像.