基于B-样条插值的图像边缘检测

为了能高质量地进行图像边缘检测,提出了一种新的基于B-样条插值的边缘检测方法.该方法为了保证图像边缘检测后的质量,采用3次B-样条对图像的像素点灰度值进行插值运算,提出了基于B-样条插值的一阶和二阶微分算子,并引入数字滤波技术加以实现.利用B-样条可分离的特性,实现了2维空间的基于B-样条插值的连续图像的重构函数,在此基础上提出了用于边缘检测的基于3次B-样条的一阶梯度模板和二阶微分模板.该方法非常适合于采用硬件的并行化实现,极大地提高了图像处理速度和边缘检测质量.     

双能图像的亚像素匹配方法

在很多应用领域,要求图像配准的精度达到亚像素级。针对X射线双能图像的特点,以双能图像为研究对象,构建了基于标准化互相关算子的相似度函数,纠正双能图像在竖直方向上存在的若干像素的偏差;建立二次插值迭代模型精确计算亚像素配准位置;最后,基于双线性插值算法实现对双能图像的亚像素平移。试验结果表明,这种方法能有效消除双能图像竖直方向上存在的若干像素偏差,精度能达到0.1级别的亚像素配准要求。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

一种优化微镜像素灰度提高数字光刻成像质量的方法

针对DMD数字光刻成像畸变问题,提出一种优化DMD微镜像素灰度值提高光刻成像质量的方法。将微镜像素的灰度值编码为0,1二进制位串,然后利用梯度下降法优化微镜像素的灰度。对矩形掩模图和T型掩模图进行仿真验证表明,两种图形的误差值(PE)分别下降了83.9%、80.5%,该方法可以较大程度地提高数字光刻成像质量。     

一种基于时间差分运动检测的改进方法

本文提出了一种基于时间差分运动检测的改进方法。首先计算时间上连续的两帧灰度图像的差分图像；然后，将得到的差分图像通过低通滤波和二值化处理；最后，利用图像序列中的多帧灰度图像计算得到一组二值图像，通过对二值图像进行像素的算术运算，提取出运动目标区域。实验结果表明：这种方法是有效的。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。     

多分辨率分析在图像边缘检测中的应用

本文针对传统图像边缘检测算子——微分算子和LOG算子在图像边缘检测中存在的不足，引入了多分辨率分析方法，并理论上分析了在不同的尺度下，多分辨率分析中由粗至精的特点，使其在图像边缘检测中具有更良好的特性。     

基于线结构光的坡口特征尺寸检测算法研究（英文）

机器视觉经济高效,在焊缝检测中得到广泛的应用。基于线结构光技术,本文提出一种坡口特征尺寸检测方法。首先,针对激光光条灰度和宽度分布不均的问题,介绍了一种基于二次加权灰度重心法的自适应中心线提取算法。其次,为滤除图像噪声,设计了一种基于感兴趣区域划分和图像差分的预处理算法。接着,本文提出了一种亚像素特征点提取算法以计算坡口特征尺寸并识别坡口类型。最后,实验结果表明,坡口特征尺寸检测的绝对误差为0.031～0.176 mm,相对误差为0.2%～3.6%。     

基于图像处理的低速横流中液体射流轨迹提取方法研究

为研究低速横流条件下不同工况液体射流破碎的轨迹特征和影响因素,采用高速摄像仪拍摄射流破碎图像,结合图像处理技术提出针对低速横流情况下液体射流破碎弯曲轨迹的提取方法。该方法首先采用直方图均衡化对灰度化后的原始图像进行增强处理,然后利用最佳直方图熵法（KSW法）及传统遗传算法对图像进行二阈值分割,最后结合Sobel算子和凸包算法对射流轮廓进行检测提取以获得射流轨迹的数据点集。对不同工况下典型射流破碎模式的轨迹提取及非线性拟合结果表明,所提出的方法能够准确提取液体射流轨迹,实现低速横流作用下不同破碎模式的轨迹提取,并且通过非线性拟合得到的射流破碎经验公式可以准确预测射流弯曲轨迹。     

线性结构光条纹自适应中心提取的鲁棒方法（英文）

在采用线性结构光(Linear structured light,LSL)方式的非接触式测量中,光条纹中心的提取精度直接影响整个检测系统的测量精度。针对通用算法无法准确提取宽度不均匀、灰度值分布不均匀的条纹中心的问题,本文提出了一种自适应优化方法。在该方法中,首先分割条纹区域,通过边界检测来计算激光条纹的宽度。通过基于自适应条纹宽度的二次加权灰度质心法计算初始条纹中心点。之后,根据确定的斜率阈值优化这些中心点,重新计算并获得这些中心点的子像素坐标,同时根据提出的提取算法评估指标对算法进行了详细分析。实验中,提取的中心点的均方误差仅为0.1个像素,结果表明该方法可以显著提高激光条纹中心点的提取精度。此外,该方法可以以相对较低的计算时间有效地运行,鲁棒性良好。     

基于形态学梯度矢量的图像边缘提取算法

图像的边缘在很大程度上可以用梯度的概念来解释和描述,而现有的形态学梯度边缘检测算子抹煞了梯度的矢量性。文章提出了一种新的图像边缘提取算法:在边缘检测部分提出了具有方向估计的形态学梯度算子,且从理论和实际应用两个方面给予证明。并将模糊处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时在图像分割部分改进了最佳阈值化分割,利用小范围的边缘梯度各方向上的最佳阈值化进行调整,使图像的边缘更加完整、清晰。     

基于图像处理的航空发动机叶片检测技术研究

提出了一种基于图像处理的航空发动机叶片检测方法。该方法首先对叶片进行校正和滤波,然后进行自适应均衡化图像增强处理,最后进行自动阈值的canny算子边缘检测,实验表明：该方法能够较好地检测出叶片裂纹,取得较好的检测效果。     

Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator

The car surface scratch detection adopts the traditional manual detection with poor efficiency and high missing rate. Because of the gray mark and the background of car surface scratches,the traditional edge detection algorithm cannot meet the needs of car surface scratch detection. Therefore,the directional SUSAN algorithm based on CIELab color space is adopted in this paper. The direction template and the circle template to calculate the color difference of the color image are used in the algorithm which has been converted to the CIELab space. The edges and scratches are eliminated by matching and contrasting the detected image with the edge template. Experimental results show that the algorithm can effectively detect scratches on the surface of cars,improve the detection speed and reduce the undetected rate.     

数字图像条纹检测——极值判别方法

本文针对一般情况下的条纹图像提出了极值判别条纹检测方法,可以用来解决图像处理和模式识别中的条纹特征抽取问题。在图像测量领域中,往往需要对各类条纹图像进行判读处理,也存在条纹特征抽取问题。文中,在极值线定义的基础上,分析得出一整套极值检测判据,并用高阶混合极值检测判据实现了算法,对时间平均法激光全息测振干涉条纹图像进行了判读处理,取得了很好的效果。     

Edge Detection of River in SAR Image Based on Contourlet Modulus Maxima and Improved Mathematical Morphology

To cope with the problems that edge detection operators are liable to make the detected edges too blurry for synthetic aperture radar(SAR)images,an edge detection method for detecting river in SAR images is proposed based on contourlet modulus maxima and improved mathematical morphology.The SAR image is firstly transformed to a contourlet domain.According to the directional information and gradient information of directional subband of contourlet transform,the modulus maximum and the improved mathematical morphology are used to detect high frequency and low frequency sub-image edges,respectively.Subsequently,the edges of river in SAR image are obtained after fusing the high frequency sub-image and the low frequency sub-image.Experimental results demonstrate that the proposed edge detection method can obtain more accurate edge location and reduce false edges,compared with the Canny method,the method based on wavelet and Canny,the method based on contourlet modulus maxima,and the method based on improved(ROEWA).The obtained river edges are complete and clear.