一种轮胎X射线图像缺陷提取和分割方法

针对轮胎X射线图像对比度不高、图像噪声多和存在较大背景起伏的特点,提出一种基于平滑滤波和灰度校正的轮胎X射线图像缺陷提取和分割方法。首先采用平滑滤波的方法,消除带束层帘线影像和图像中的高频噪声;然后依据整幅图像的灰度均值和图像中每个像素的邻域内部灰度均值的比例关系,对像素的灰度进行校正;最后对校正后的图像进行二值化处理,完成对轮胎X图像的分割。实验结果表明,该方法能够有效地实现轮胎X射线图像缺陷的提取和分割。     

视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

基于数学形态学的表面原子熔融相的 STM图像识别算法

高温扫描隧道显微镜(HT-STM)可以实时原位地捕捉到表面原子的熔化相变过程.在这一原位变温实验中,快速可靠地识别出每帧STM图像中的熔融相十分关键.传统的手工统计方法存在效率低下、随意性大等问题.我们发展出一套基于数学形态学的算法,来自动快速地识别.与人工方法相比,该算法消除了人为主观误差,使确定的边界更加准确、光滑,处理效率提高了266倍.     

基于形态学水线区域的深度图像分割

深度图像分割是基于特征关系图匹配的曲面物体识别中的关键技术之一,针对已有深度图像分割方法存在的问题,提出了一种基于二值形态学的水线区域增长算法对深度图像进行分割。首先用结构元素迭代腐蚀深度图像形成距离图像;然后根据距离图像计算极限腐蚀的集合,提取出目标的种子点;最后用条件粗化从种子点开始生长回到原尺寸但不使各区域相连,完成深度图像的分割。实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性。     

用数字毫伏表测量RLC串联电路相频特性

在论述RLC串联谐振电路和并联谐振电路原理的基础上,提出用数字毫伏表测量RLC串联谐振电路相频特性曲线的方法,并将测量结果与传统示波器测量方法比较,分析误差产生的原因是由于电感器交流内阻的影响所致。     

一种基于图像特征和神经网络的苹果图像分割算法

苹果识别是开发苹果采摘机器人的关键环节,利用图像处理技术和神经网络分类器探索苹果图像分割算法.从苹果树图片中选取苹果图像样本和背景网像样本.分别计算这两类图像样本的颜色特征和纹理特征.颜色特征的计算基于RGB色彩模型,纹理特征的计算基于灰度共生矩阵.选取适当的颜色特征(R/B值)和纹理特征(对比度值和相关性值)作为输入节点,利用反向传播神经网络分类器建模,输出值是一个O～1之间的计算值.通过阈值将输出结果分类为苹果或背景.试验结果表明,该算法正确率大于87.6%,对光照的影响不敏感,是一利较为实用的苹果分割算法.     

基于形态学和信息熵的红外目标检测算法

提出了多结构形态学滤波算法,对小目标图像进行背景抑制,接着引入信息熵进行分割,从缩小阈值搜索范围和推导递推关系式两方面给出快速分割算法。通过不同滤波算法进行背景抑制,并采用经典的阈值分割方法和基于信息熵的分割方法对形态学处理后的图像进行分割,对实验结果进行详细分析,表明本文多结构形态学滤波算法对图像的信噪比改善最明显,分割算法处理后的图像含噪声较少且目标分割完整,是一种有效、稳定的目标检测方法。     

后处理在数字抠像中的应用与解析

数字抠像是将一幅图像中的前景物体与背景进行分离的问题,它的关键在于Alpha通道的计算.以往通过采样方法求得的Alpha中,由于采用逐点计算的离散化方式,求解出的Alpha通常不连续,并且包含很多噪声,因而需要对Alpha进行后处理,这不仅会增强Alpha在视觉上的平滑性,而且能够进一步提高Alpha的精确度.在目前国际上,有关数字抠像后处理领域已经进行了许多研究,但缺少相关的综述性文献,并且对后处理后的Alpha如何进行定量的评价也仍未系统解决.本文首先将数字抠像中的后处理方法分为2类:与仿射类方法相结合的方式及自平滑方式,其次,对两类方法进行了全面的总结和梳理,并对方法的优缺点进行了分析,对将来研究方向提出了建议,最后,针对后处理后的Alpha结果进行了全面的量化比较,弥补了传统方法基本上仅在视觉层面上进行比较的缺陷.     

A Kernel PCA Shape Prior and Edge Based MRF Image Segmentation

We introduce both shape prior and edge information to Markov random field (MRF) to segment target of interest in images.Kernel Principal component analysis (PCA) is performed on a set of training shapes to obtain statistical shape representation.Edges are extracted directly from images.Both of them are added to the MRF energy function and the integrated energy function is minimized by graph cuts.An alignment procedure is presented to deal with variations between the target object and shape templates.Edge information makes the influence of inaccurate shape alignment not too severe,and brings result smoother.The experiments indicate that shape and edge play important roles for complete and robust foreground segmentation.     

基于数字图像处理的车牌字符分割方法

传统的字符分割方法一般针对单行车牌,本文提出一种针对单行和双行两种结构的车牌字符分割方法。首先进行图像预处理,减少噪声及环境干扰。将车牌图像分为两部分,对前两个字符的部分先垂直投影,再结合先验知识判断进而准确分割;对后五个字符的部分用垂直投影法确定动态阈值并结合连通域分析进行字符分割。实验结果表明,该方法同时适用于单双行结构车牌,对字符粘连断裂的情况也能很好的分割。