苗木圖像分割是形態(tài)參數(shù)提取的前提條件。利用小波變換及分開-合并法實現(xiàn)了對苗木圖像的分割。對圖像的色度分量進(jìn)行小波變換。其變換系數(shù)作為分開-合并法中區(qū)域一致性的度量。通過改變小波變換的尺度,可以將邊緣與噪聲區(qū)分開來,減小圖像分割中噪聲帶來的影響,有利于提高分割的準(zhǔn)確性。實驗表明,該算法取得了滿意的結(jié)果。

膠結(jié)充填膏體(cpb)、砂漿及混凝土等水泥基材料的力學(xué)強(qiáng)度取決于其微觀結(jié)構(gòu),如孔隙數(shù)量、孔徑及結(jié)構(gòu),顆粒及骨架的排列形態(tài)等。對于該類材料的力學(xué)強(qiáng)度與其孔隙結(jié)構(gòu)(如孔徑及其分布)的關(guān)系研究目前已有很多,但與微觀形態(tài)特征或紋理特性的相關(guān)性研究較少。紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征,體現(xiàn)了物體表面共有的內(nèi)在屬性,包含了物體表面結(jié)構(gòu)組織排列以及它們與周圍環(huán)境的聯(lián)系,是量化微觀形態(tài)特性的有效方法。在統(tǒng)計分析中,灰度共生矩陣(glcm)紋理和tamura紋理是表征紋理特征的最具代表性方法。本研究以3種不同質(zhì)量濃度膏體制備的充填體試塊為樣本,養(yǎng)護(hù)至指定齡期后經(jīng)單軸抗壓強(qiáng)度試驗獲得其力學(xué)強(qiáng)度,再對試塊斷面進(jìn)行電鏡掃描(sem)獲得其微觀結(jié)構(gòu)圖像；基于圖像識別/分析技術(shù)提取sem圖像的紋理特征參數(shù),分析紋理特性與sem圖像參數(shù)(放大倍數(shù))間的關(guān)系,篩選出有效的sem圖像樣品；分析各紋理參數(shù)與膏體濃度的相關(guān)性,識別出與膏體濃度呈正相關(guān)的紋理參數(shù),并驗證該紋理參數(shù)與力學(xué)強(qiáng)度存在嚴(yán)格的相關(guān)關(guān)系。

提出一個基于建筑外形表現(xiàn)的特征提取及識別策略,即基于掩模子采樣的全局特征提取、基于adaboost的局部特征提取、各特征貝葉斯子分類器訓(xùn)練及子分類器融合策略.

紋理是木材的重要特征,模擬紋理具有極高的工業(yè)價值。對視頻采集到的板材紋理圖像進(jìn)行灰度化、中值濾波去噪、二值化、腐蝕、膨脹等處理,得到僅包含目標(biāo)紋理的圖像后檢測紋理邊緣。對板材紋理橫斷面通過數(shù)學(xué)描述結(jié)果進(jìn)行模擬,切面通過在圖像上選擇合適的邊緣點(diǎn)進(jìn)行模擬,以實現(xiàn)板材紋理的模擬再現(xiàn),并以水曲柳為例分析模擬紋理。

目的改進(jìn)原有的圖像分割算法在分割圖像時的精度和準(zhǔn)確度,進(jìn)一步準(zhǔn)確地研究墻地磚缺陷圖像的基本特征,提出一種有效的圖像分割方法.方法根據(jù)墻地磚表面的紋理特點(diǎn),采用daubechies小波對原始圖像進(jìn)行處理.結(jié)果僅保留圖像的近似信息,從而有效降低了紋理特征對缺陷分割的干擾.同時,圖像數(shù)據(jù)量減少為原始圖像的1/4.因此,在有效提取近似信息的基礎(chǔ)上提高了系統(tǒng)的實時性,便于圖像分割應(yīng)用.該方法增強(qiáng)了缺陷紋理圖像,能抑制背景紋理對缺陷紋理檢測的干擾,并通過減運(yùn)算有效地實現(xiàn)了缺陷紋理和背景紋理的分割.結(jié)論基于小波變換的墻地磚缺陷圖像分割方法能夠?qū)﹄S機(jī)紋理圖像進(jìn)行可靠、有效、快速的分割,尤其適用于具有隨機(jī)紋理的墻地磚缺陷實時檢測.

由二維小波技術(shù)分析粉質(zhì)粘土圖像的紋理特征,獲得小波能量參數(shù)與粉質(zhì)粘土工程性質(zhì)指標(biāo)的多元線性回歸方程。在考慮拍攝條件下(光照、拍攝距離等),現(xiàn)場勘查并拍攝粉質(zhì)粘土照片。將這些彩色照片轉(zhuǎn)化為灰度圖,在二尺度小波分解水平下得到反映粉質(zhì)粘土圖像紋理特征的9個能量參數(shù),并將這些參數(shù)與對應(yīng)土樣的11個工程性質(zhì)指標(biāo)進(jìn)行多元線性回歸。在此基礎(chǔ)上對2個土樣的工程性質(zhì)指標(biāo)進(jìn)行了預(yù)測。結(jié)果表明,本文提出的粉質(zhì)粘土的小波能量參數(shù)與傳統(tǒng)工程性質(zhì)指標(biāo)具有較好的對應(yīng)關(guān)系,可以為現(xiàn)場快速確定粉質(zhì)粘土的工程性質(zhì)指標(biāo)提供一個新的途徑。

結(jié)構(gòu)相似度(ssim)是一種衡量2幅圖像相似度的重要指標(biāo),但是ssim對于嚴(yán)重模糊的圖像評價結(jié)果準(zhǔn)確度不高。在基于ssim的圖像質(zhì)量評價方法基礎(chǔ)上,考慮到紋理信息是圖像的重要組成部分以及人眼對圖像的紋理信息部分十分敏感,提出基于離散余弦變換(dct)域的紋理結(jié)構(gòu)相似度質(zhì)量評價(tssim)。該評價方法在dct域中提取圖像的紋理信息,并通過改進(jìn)ssim中的結(jié)構(gòu)信息來確定紋理區(qū)域的失真,計算tssim值。實驗結(jié)果表明,該方法得到的pearson相關(guān)系數(shù)為0.89342,spearman等級相關(guān)系數(shù)為0.92507,比ssim的評價結(jié)果更準(zhǔn)確,符合人眼的主觀感受。

為了實現(xiàn)對相機(jī)拍攝到的圖像數(shù)據(jù)的實時顯示,提出了一種基于medium型cameralink的多通道圖像實時顯示系統(tǒng)設(shè)計方案,并完成系統(tǒng)的軟硬件設(shè)計;medium型cameralink可以同時接收和發(fā)送兩組數(shù)據(jù),經(jīng)過基于"乒乓ram法"的數(shù)據(jù)同步處理后,利用2組ram交替進(jìn)行寫、讀操作,可以實現(xiàn)高頻高速的數(shù)據(jù)同步傳輸;該系統(tǒng)的硬件部分用來接收相機(jī)端的實時圖像數(shù)據(jù)輸入并對數(shù)據(jù)進(jìn)行高速傳輸,軟件部分實現(xiàn)對數(shù)據(jù)的篩選,整理,格式轉(zhuǎn)換等功能,能夠完成對圖像的實時顯示。

由于墻地磚圖像中的紋理信息大量存在于小波分解后的高頻系數(shù)中,而小波變換只對近似分量進(jìn)行分解,如缺陷與紋理相似時,也極可能被去除。本文采用反映信息量的樣本能量值作為圖像特征,即通過對圖像進(jìn)行小波變換,分析紋理圖像在不同尺度下的能量分布特征,提取出各尺度的能量值。

直觀巖土ct圖像分析是最基本的ct分析方法,而高分辨率的巖土ct圖像是這一分析方法的關(guān)鍵。為了提高巖土ct圖像的分辨率,根據(jù)人眼的視覺特點(diǎn),結(jié)合計算機(jī)數(shù)字圖像顏色模式和圖像格式,采用灰度級-彩色變換方法,對灰度ct圖像進(jìn)行偽彩色增強(qiáng),顯著地提高了ct圖像的分辨率。

針對傳統(tǒng)圖像增強(qiáng)算法在處理有大量噪聲、光照不足或不均勻的圖像,尤其是實際現(xiàn)場的帶鋼表面圖像時效果較差的問題,提出基于小波變換的圖像增強(qiáng)算法,將其應(yīng)用于冷軋帶鋼表面缺陷圖像的增強(qiáng)中。對比實驗結(jié)果表明,該方法的增強(qiáng)效果和抗噪性能明顯優(yōu)于傳統(tǒng)算法。

研究一種基于圖像處理技術(shù)的牛肉大理石花紋自動等級評定方法。通過圖像重采樣、單閾值分割、形態(tài)學(xué)腐蝕及膨脹等方法分割出大理石花紋,再提取圖像的特征參數(shù)組,并用多元回歸分析的方法構(gòu)造牛肉大理石花紋評級模型,并用vc++實現(xiàn)了自動評級軟件。通過對多個牛肉圖像的檢測,表明此評級計算模型具有良好的準(zhǔn)確性和魯棒性。

提出一種新的消除彩色圖像中脈沖噪聲的濾波法.該濾波法依據(jù)簡單的局部紋理分析而自動選擇使用標(biāo)量中值濾波或者使用矢量中值濾波:當(dāng)局部區(qū)域不存在明顯的紋理時,使用標(biāo)量濾波,否則使用矢量濾波.由于大多數(shù)自然圖像都有低通特性,因而該濾波器大多數(shù)時間運(yùn)作于標(biāo)量模式.實驗表明,文中提出的方法其計算量比標(biāo)準(zhǔn)的矢量中值濾波器少得多,但性能卻同樣優(yōu)良.

針對夜視融合圖像通常存在細(xì)節(jié)不夠豐富、目標(biāo)對比度低的問題,為了獲得更為理想的圖像增強(qiáng)效果,提出一種新穎的基于非下采樣輪廓波變換(nsct)的夜視圖像彩色融合方法.構(gòu)建了基于s函數(shù)與子圖局部方差信息的可變加權(quán)融合策略,在nsct域內(nèi)實現(xiàn)可見光及紅外源圖像的自適應(yīng)融合;將得到的融合圖像與源圖像進(jìn)行組合并映射至yuv顏色空間,生成偽彩色融合圖像;再運(yùn)用顏色傳遞技術(shù)獲得重染色的彩色融合圖像.實驗結(jié)果表明,該方法既能豐富彩色融合圖像的細(xì)節(jié),又能提高其亮度對比度和目標(biāo)的可探測性,增強(qiáng)了觀察者對場景的理解.

色調(diào)是反映彩色圖像中色彩信息的重要參數(shù),為了在進(jìn)行圖像效果增強(qiáng)的同時保持色調(diào)不變,通常的做法是先把圖像從rgb轉(zhuǎn)化到his色彩空間,然后在保持h變量(色調(diào))不變的情況下,進(jìn)行i(亮度)的增強(qiáng)。但是由于這種方法需要進(jìn)行色彩空間的相互轉(zhuǎn)化,大大增加了計算量。文章通過對簡化his模型的分析,提出了一種直接對r、g、b分量進(jìn)行處理的彩色圖像增強(qiáng)方法。該方法可以運(yùn)用已有灰度圖增強(qiáng)算法進(jìn)行彩色圖像的增強(qiáng),由于不需要進(jìn)行色彩空間的轉(zhuǎn)化,大大減少了計算量。fpga可用來并行實時處理海量的圖像數(shù)據(jù),文章利用fpga的這一特點(diǎn)作為實時圖像直方圖均衡增強(qiáng)算法的解決方案,并通過改進(jìn)直方圖均衡圖像增強(qiáng)算法使其在fpga中具體實現(xiàn),可用于實時性要求高的led屏顯示。實驗結(jié)果表明,該方案使彩色圖像的增強(qiáng)效果明顯,運(yùn)行效率高。

探討了架空送電線路直升機(jī)巡檢系統(tǒng),提高玻璃絕緣子損傷診斷效率的方法。首先采用分塊圖像的顏色統(tǒng)計識別以及連通域的形狀和邊緣鏈碼特性,識別出玻璃絕緣子所在區(qū)域;然后采用滑動窗口直方圖統(tǒng)計及直方圖匹配判決的方法,識別出玻璃絕緣子損傷的區(qū)域。該方法適用于野外環(huán)境中的實時檢測,因此可以在一定的光線變化范圍和背景復(fù)雜度內(nèi)識別診斷玻璃絕緣子損傷。通過此方法可以在較低的漏檢率下快速而準(zhǔn)確地檢測玻璃絕緣子損傷故障,能在機(jī)載系統(tǒng)中具備實時處理能力。

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

為準(zhǔn)確判斷一幅jpeg圖像使用了何種隱密軟件,針對jpeg隱密軟件可能采用的dct域隱密操作,建立了基于微觀模板的統(tǒng)計特征空間,并在此基礎(chǔ)上提出了一種多類jpeg圖像盲隱密分析方法。實驗結(jié)果表明:對jsteg、f5和outguess3種典型jpeg圖像隱密軟件各自生成的、含密量大于20%的jpeg隱密圖像,該方法的隱密軟件識別正確率均在97%以上。基于微觀模板的統(tǒng)計特征提取方案可有效區(qū)分不同的dct域隱密操作,有助于對jpeg隱密軟件的檢測判決。

以300個木材樣本為對象,研究了基于多分辨率灰度共生矩陣參數(shù)的木材表面紋理的分類方法.以灰度共生矩陣特征參數(shù)的相關(guān)性為依據(jù),確定以"角二階矩"、"對比度"、"相關(guān)"、"方差"、"均值和"5個參數(shù)描述木材表面紋理.用symlet4小波對木材圖像進(jìn)行了2級分解,在小波重構(gòu)域,以一級重構(gòu)的水平細(xì)節(jié)h1、垂直細(xì)節(jié)v1、對角細(xì)節(jié)d1、二級重構(gòu)的近似a2、水平細(xì)節(jié)h2、垂直細(xì)節(jié)v2、對角細(xì)節(jié)d2共7個圖像的23個特征參數(shù)構(gòu)成多尺度參數(shù)體系.以bp神經(jīng)網(wǎng)絡(luò)進(jìn)行了紋理分類驗證,正確率為94.0%,優(yōu)于單分辨參數(shù)方法(87.5%).實驗表明:多分辨參數(shù)可以更細(xì)致地描述木材的紋理特征,并能提高分類正確率.

以180幅木材樣本圖片為對象,研究以小波變換方法提取特征參數(shù),分析幾種小波基的特點(diǎn)和性質(zhì),最終以對稱性為依據(jù),選擇使用sym4小波對圖像進(jìn)行二級小波分解,可以得到一級水平細(xì)節(jié)hl1、垂直細(xì)節(jié)lh1、對角細(xì)節(jié)hh1,二級的近似ll2、水平細(xì)節(jié)hl2、垂直細(xì)節(jié)lh2、對角細(xì)節(jié)hh2共7個子圖,提取整幅圖像的熵和每個子圖小波系數(shù)的均值及標(biāo)準(zhǔn)差作為特征參數(shù)。將木材紋理按照直紋、拋物線和亂紋3種紋理的分類標(biāo)準(zhǔn),以bp神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行了木材紋理分類的驗證,并與灰度共生矩陣的方法進(jìn)行了對比。試驗表明:采用小波變換的方法對木材紋理特征進(jìn)行描述,不但提高了分類的準(zhǔn)確率,重要的是縮短了運(yùn)算時間,可以達(dá)到在線監(jiān)測的要求。

通過對木材圖像進(jìn)行3尺度的小波變換,在高頻內(nèi)判斷并提取噪聲點(diǎn),最后對確定的噪聲點(diǎn)進(jìn)行平滑處理,用峰值信噪比、均方誤差值和灰度曲線對去噪效果進(jìn)行評價。研究結(jié)果表明,該方法不僅對木材圖像具有明顯的降噪效果,也能最大限度的保留有用的木材紋理信息,同時本文采用的灰度曲線(profile)可以直觀地分析圖像的去噪效果。

針對港口煤料堵塞檢測的要求,提出一種基于多信號特征融合分析的煤料漏斗堵塞檢測方案。首先分別對振動傳感器,聲音傳感器單位窗內(nèi)的短時能量,短時過零率,最大頻譜組成的特征向量進(jìn)行提取,然后利用相鄰特征向量的歐氏距離結(jié)合卡爾曼濾波實現(xiàn)瞬間異常判斷,最后通過上述異常特征綜合判斷煤料漏斗是否堵塞。利用labview搭建的虛擬儀器平臺開展了實驗研究,結(jié)果表明,能快速實現(xiàn)漏斗堵塞檢測,并且具有較高的準(zhǔn)確率。