BGA焊点气泡缺陷X射线图像的动态阈值分割方法

BGA焊点使用X射线检测时,气泡缺陷的灰度对比度较低,如何准确分割一直是研究热点。提出一种动态阈值分割算法,首先对原始图像进行平滑处理,然后用原始图像减去平滑图像,对得到的差图像设定阈值进行分割,实现目标区域的提取。实验中使用典型BGA焊球的X射线图像,通过控制图像的平滑程度和差图像阈值的大小,分别提取焊球区域和气泡区域,二者相与后实现气泡缺陷的最终分割。实验过程中与OTSU分割算法做对比,表明本算法具有更好的适应性和分割结果。     

航空插头焊接异常检测技术

由于航空插头座针孔较为密集,结构复杂且应用要求偏高,常规图像分割方法通常应用于检测对象特征稀疏的图像处理中,无法检测焊接点密度较高的航空插头的微小异常.为此,提出了基于机器视觉的航空插头焊接异常检测方法.利用OpenCV对图像进行预处理、阈值分割及查询焊杯轮廓信息,依据轮廓信息计算焊杯面积,检测焊杯搪锡,可以检测漏焊以...     

虹膜内边缘定位的齿形变换方法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.此算法分别对虹膜图像的每一行进行处理.首先,采用一种简单的齿形变换对虹膜图像每一行的灰度曲线进行变换,变换后的灰度曲线为齿形并且虹膜内边缘点出现在齿形曲线的转折点处.然后,根据在虹膜内边缘点处齿形灰度曲线的斜率由负值变为正值的特点,检测虹膜内边缘点并定位虹膜内边缘的位置.此算法具有新颖、简单、准确和速度快等特点.     

火炮身管膛线过渡区图像处理

在线膛炮身管内膛疵病图像识别中,由于阴阳膛线之间的高度差使得二者的过渡区形成阴影,拍摄得到的图像呈现灰度不连续的交替条纹,给疵病图像的分析带来困难,因此,需要对图像进行处理,使得处理后图像灰度连续。采用对膛线过渡区图像进行全局阈值分割、移除小目标、膛线过渡区灰度填充的方法实现对膛线过渡区的有效处理。     

机载平台野外立体场景弱小变化目标检测

提出了一种针对机载序列图像的野外立体场景弱小变化目标检测新方法。为了补偿平台运动,提出了一种级联图像配准模式,即首先通过生物视觉方法对待检图像进行快速粗配准,然后通过不变系数最小二乘匹配进行精配准;为了补偿图像间的灰度变化,提出了直方图一致性变换方法,该方法不仅可以处理线性灰度变化而且可以处理非线性灰度变化;为了弱化场景立体效应影响,提出分子区的方法,即通过将图像划分为若干子区,各对应子区独立求解仿射参数,使得待检图像不同位置子区可以对应不同几何变换参数。光电吊舱真实图像变化检测实验,证明了文章方法的正确性和有效性。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

航空发动机叶片的内窥涡流集成化原位检测

目前内窥检测是航空发动机叶片原位检测的唯一方法,但是内窥检测对于叶片裂纹缺陷的检测效果不理想.为此,提出内窥涡流集成化检测技术,使这两种方法的优势互补,实现对航空发动机叶片的原位检测.研制了一种可用于航空发动机叶片原位检测的内窥涡流集成化检测探头,给出了航空发动机叶片的检测实例.检测结果表明:内窥涡流集成化检测技术的缺陷检测能力高,并且可以实现对裂纹缺陷的定量评估,因此较单一的内窥检测更有优越性.具有很高的实际应用价值.     

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,Fr FT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。     

主成分分析在超声红外图像序列增强过程中的应用

针对超声红外热像无损检测中图像信噪比不高、缺陷对比度低的问题,将主成分分析法运用于红外图像序列处理的增强过程中,对比分析了原始图像序列、含部分缺陷图像序列及重建图像序列在降噪及增强方面的效果。研究表明:主成分分析法可显著提高图像信噪比并有效消除热量不均效应;而缺陷位置对处理结果无影响,最终重建的图像序列中图像信噪比普遍得到提高。研究结果验证了该方法在红外图像处理方面的有效性,为后续缺陷的识别奠定了理论基础。     

一种基于图像灰度值切线方向的边缘检测方法

提出了一种基于图像灰度值切线方向的边缘检测方法.首先搜索确定当前点的灰度值切线方向,然后根据此切线方向两侧像素的灰度变化情况生成边缘图像.对于含噪声的图像,引入噪声检测方法,无需平滑预处理,直接就能得到边界图.实验证明该方法是简单有效的边缘检测方法.     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

一种综合颜色、纹理信息的皮肤检测方法

针对目前许多皮肤检测方法只考虑了像素级别上的颜色信息，未较好地利用图像空间上的其他信息，如纹理信息以及光照条件对成像颜色所造成的影响，在SPM方法的基础上提出了改进。首先引入“灰色世界”算法对因非标准光照所产生的颜色改变进行校正，有效提高了正检率。对SPM方法的输出部分通过灰度共生矩阵提取图像的纹理信息，过滤颜色信息为皮肤而纹理信息为非皮肤的像素区域，有效降低了误检率。实验结果表明，该方法取得了较好的效果。     

一种融合显著性的Adaboost电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,传统的目标检测方法不能满足目标尺度的精确变化,目标定位有偏差,且检测计算量大,无法达到实时性。将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

基于人眼定位算法的驾驶员疲劳检测

研究了一种基于人眼定位的驾驶员疲劳检测方法。采用一种结合眼睛灰度及形状信息的人眼定位方法,进行眼睛准确定位,然后用处于睁开状态的眼睛模板与待测图像中的眼睛模板相匹配,对一定时间间隔内采集的图像进行人眼状态的开闭判定,由此判断驾驶员是否疲劳。实验表明,该方法可快速有效地进行驾驶员疲劳检测。     

基于饱和度梯度的彩色序列图像光流场计算

传统的基于亮度守恒的光流法仅利用图像灰度信息进行光流求解,忽略了对包含丰富信息的色彩信息的利用。而彩色光流法虽然利用了彩色图像各通道信息,却忽略了对邻域信息的利用,造成存在各通道线性相关而无法求解的问题。同时,上述方法在光照变化时均不能得到正确的光流场估计。将基于饱和度的梯度计算方法引入灰度光流的计算方法中,提出了基于饱和度梯度的彩色光流计算方法,该方法有效地利用了彩色图像的色彩信息和邻域信息。试验结果证明：该方法提高了算法对光照变化的适应性,得到了更加精确的光流场估计,且避免了各通道线性相关的问题,为运动目标检测奠定了基础。     

海天背景下舰船可见光图像目标区域定位方法

针对行均值法用于海天背景下舰船目标区域定位可靠性不高、容易受到舰船目标大小和海天背景复杂程度影响的不足,提出一种基于图像行灰度熵的舰船目标区域定位方法。该方法在分析海天背景下舰船目标可见光图像成像特点基础上,结合信息熵理论给出了图像灰度熵及行灰度熵的概念,利用图像行灰度熵描述图像在行方向上的灰度变化程度,选用滑动区间方差搜索策略得到图像行灰度熵曲线的突变区间,从而实现舰船目标区域定位,最后通过实际图像进行了实验验证。实验结果表明,该方法能对舰船目标所在区域有效定位,其准确性及鲁棒性均优于行均值法。     

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想.提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求.     

一种融合显著性的Adaboost的电视制导图像变尺度目标快速检测方法研究

电视制导过程中随着弹目距离的减小,目标图像会呈现尺度的非线性放大,现在传统的目标检测方法,不能满足目标尺度的精确变化,导致目标定位偏差,且检测计算量大,无法达到实时性。本文将基于剩余谱的显著性检测方法融入Adaboost检测过程,并应用于电视制导图像的目标检测中,能够对海面或沙漠等背景较为单一的区域进行快速目标检测,且检测窗口能够准确适应目标尺度的变化。     

一种基于边缘特征提取的景像匹配方法

下视景像匹配制导中,实时图和基准图的拍摄高度、方位和图像比例尺不完全一致,两图的轮廓形状存在旋转和变形等差异,边缘特征提取方法受图像灰度分布影响存在变形和移位,易导致匹配错误。用侧抑制竞争方法,图像边缘特征提取快速准确,不发生移位,对灰度变化也不敏感。在此基础上,用扩展边缘特征法,克服轮廓变形对边缘匹配的影响,提高精度。试验结果表明,此方法模型简单、抗几何变形能力强且便于实现。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测