鋼索圖像的紋理分割與邊界識(shí)別

目的基于小波變換的圖像分割方法對(duì)隨機(jī)紋理圖像進(jìn)行分割.方法通過(guò)墻地磚表面的原始紋理特征,改進(jìn)原有的圖像分割算法,對(duì)原始紋理圖像進(jìn)行高階小波分解.結(jié)果圖像整體中的背景紋理邊緣被有效去除,降低了圖像紋理帶來(lái)的干擾,在有效提取近似信息的基礎(chǔ)上提高了系統(tǒng)的實(shí)時(shí)性.結(jié)論根據(jù)墻地磚的紋理特征,采用基于塔形小波的改進(jìn)分割方法,對(duì)墻地磚的原始圖像進(jìn)行處理,提高了邊緣準(zhǔn)確性和區(qū)域性,降低了分割錯(cuò)誤率.

提出了一種基于改進(jìn)ostu法和區(qū)域生長(zhǎng)相結(jié)合的消防水炮射流軌跡圖像的分割與識(shí)別算法。首先對(duì)ostu法進(jìn)行改進(jìn),快速確定射流軌跡差分圖像的最佳分割閾值,再用區(qū)域生長(zhǎng)法分割得到可能的目標(biāo)區(qū)域。對(duì)消防水炮噴射水流的形態(tài)特征進(jìn)行了研究和分析,并以此為判據(jù)對(duì)可疑目標(biāo)區(qū)域進(jìn)行判斷,最后識(shí)別出真正的射流軌跡。實(shí)驗(yàn)結(jié)果表明:該算法在不同光照條件、背景情況下,基本可以摒除干擾物,準(zhǔn)確識(shí)別目標(biāo),且處理速度較快。

通過(guò)建立corex熔化氣化爐的對(duì)稱半體冷態(tài)模型,利用高速攝影的手段跟蹤示蹤顆粒,得到觀察面板處風(fēng)口回旋區(qū)域的顆粒運(yùn)動(dòng)信息.通過(guò)對(duì)大量顆粒運(yùn)動(dòng)信息的處理得到風(fēng)口回旋區(qū)的顆粒速度標(biāo)量場(chǎng),將其與目測(cè)結(jié)果對(duì)比,確定0.15m/s以內(nèi)的顆粒速度標(biāo)量場(chǎng)為風(fēng)口回旋區(qū)域.本研究結(jié)果可為corex熔化氣化爐及高爐等的理論研究或數(shù)學(xué)模擬提供準(zhǔn)確的邊界條件.

粉質(zhì)黏土圖像的紋理特征分析

通過(guò)對(duì)機(jī)織物圖像的表面形態(tài)分析,建立3種基本組織(平紋、斜紋和緞紋)的表面紋理模型,運(yùn)用傅里葉變換技術(shù)得到3種基本組織的頻譜模型,并建立表面紋理模型和頻譜圖模型之間的對(duì)應(yīng)關(guān)系,從而為運(yùn)用圖像分析和人工智能技術(shù)自動(dòng)測(cè)量織物的結(jié)構(gòu)參數(shù)、識(shí)別機(jī)織物類型奠定理論基礎(chǔ).實(shí)驗(yàn)結(jié)果證明,這種方法是準(zhǔn)確可靠的.

快速準(zhǔn)確地建立兩圖像拓?fù)浣Y(jié)構(gòu)之間的對(duì)應(yīng)關(guān)系是要解決的核心問(wèn)題。通過(guò)揭示拓?fù)浣Y(jié)構(gòu)的本質(zhì)特性,提出了鄰接矩陣模型、局部模型和快速模型三種不同的拓?fù)浣Y(jié)構(gòu)的識(shí)別模型、數(shù)據(jù)結(jié)構(gòu)及其算法,重點(diǎn)討論了快速模型,并對(duì)其優(yōu)良性能進(jìn)行了證明。最后,把快速模型運(yùn)用于全景圖拼接,取得了令人滿意的實(shí)驗(yàn)結(jié)果。

鋼筋自動(dòng)計(jì)數(shù)是鋼材生產(chǎn)中的一個(gè)難題。現(xiàn)有的鋼筋自動(dòng)計(jì)數(shù)方法包括捆裝棒材的圖像計(jì)數(shù)和在線棒材的自動(dòng)計(jì)數(shù),它們的采集、處理方法有較大差別。本文對(duì)比分析了面積計(jì)數(shù)和模板計(jì)數(shù)這兩種方法,指出了它們各自存在的問(wèn)題以及需要完善和改進(jìn)之處。

水工建筑物是我國(guó)在水資源豐富的地區(qū)普遍存在的,其中金屬結(jié)構(gòu)也是工程中極其重要的組成部分.水工建筑物中的金屬結(jié)構(gòu)長(zhǎng)期接觸侵蝕性介質(zhì),遭受了不同程度的化學(xué)侵蝕,尤其是電化學(xué)侵蝕;同時(shí)它們還受到高速水流和風(fēng)浪的沖擊,容易造成沖撞破壞;此外泥沙還會(huì)對(duì)其產(chǎn)生沖刷作用,這些都是一些水工金屬結(jié)構(gòu)遭受破壞的原因之一.正是由于自然環(huán)境因素對(duì)水工金屬結(jié)構(gòu)所造成的損失和破壞如此巨大,如何對(duì)金屬結(jié)構(gòu)物進(jìn)行腐蝕情況的檢查鑒定、如何使得金屬結(jié)構(gòu)能夠長(zhǎng)效防腐,已成為人類越來(lái)越重視的方面,提高金屬結(jié)構(gòu)的腐蝕情況鑒定技術(shù)和抵抗腐蝕的能力成為當(dāng)務(wù)之急.

紋理是木材的重要特征,模擬紋理具有極高的工業(yè)價(jià)值。對(duì)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(cè)紋理邊緣。對(duì)板材紋理橫斷面通過(guò)數(shù)學(xué)描述結(jié)果進(jìn)行模擬,切面通過(guò)在圖像上選擇合適的邊緣點(diǎn)進(jìn)行模擬,以實(shí)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。

在地圖圖像數(shù)學(xué)模型的基礎(chǔ)上,根據(jù)地圖中各類對(duì)象的顏色特征對(duì)地圖圖像進(jìn)行規(guī)范化處理;在分析地圖圖像中噪聲特征的基礎(chǔ)上,利用噪聲的自身特征和數(shù)學(xué)形態(tài)學(xué)的基本方法來(lái)消除地圖圖像中的噪聲,以達(dá)到識(shí)別與提取完整的道路網(wǎng)絡(luò)的目的.該方法對(duì)道路欠識(shí)別進(jìn)行了處理,并以實(shí)例來(lái)驗(yàn)證其對(duì)道路網(wǎng)絡(luò)識(shí)別與提取的過(guò)程及其效果.

在不完全樹型小波分解基礎(chǔ)上將紋理和顏色特征進(jìn)行融合,提出了適合彩色紋理圖像分析的新的特征,它比單純的灰度紋理特征或顏色特征具有更強(qiáng)的分類能力同時(shí)還利用20類真實(shí)彩色自然紋理圖像對(duì)塔式小波分解、不完全樹型小波分解和小波包分解進(jìn)行了多特征融合的分類比較,實(shí)驗(yàn)結(jié)果表明:不完全樹型小波分解的特征級(jí)融合表現(xiàn)出良好的分類性能和抗噪能力

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(duì)于嚴(yán)重模糊的圖像評(píng)價(jià)結(jié)果準(zhǔn)確度不高。在基于ssim的圖像質(zhì)量評(píng)價(jià)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(duì)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(píng)價(jià)(tssim)。該評(píng)價(jià)方法在dct域中提取圖像的紋理信息,并通過(guò)改進(jìn)ssim中的結(jié)構(gòu)信息來(lái)確定紋理區(qū)域的失真,計(jì)算tssim值。實(shí)驗(yàn)結(jié)果表明,該方法得到的pearson相關(guān)系數(shù)為0.89342,spearman等級(jí)相關(guān)系數(shù)為0.92507,比ssim的評(píng)價(jià)結(jié)果更準(zhǔn)確,符合人眼的主觀感受。

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(shí)現(xiàn)了對(duì)苗木圖像的分割。對(duì)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(guò)改變小波變換的尺度,可以將邊緣與噪聲區(qū)分開來(lái),減小圖像分割中噪聲帶來(lái)的影響,有利于提高分割的準(zhǔn)確性。實(shí)驗(yàn)表明,該算法取得了滿意的結(jié)果。

目的改進(jìn)原有的圖像分割算法在分割圖像時(shí)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(duì)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(duì)缺陷分割的干擾.同時(shí),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(shí)時(shí)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(duì)缺陷紋理檢測(cè)的干擾,并通過(guò)減運(yùn)算有效地實(shí)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(shí)時(shí)檢測(cè).

基于圖像相關(guān)分析的土體剪切帶識(shí)別方法——提出了一種基于數(shù)字照相量測(cè)和圖像相關(guān)性分析技術(shù)的土體剪切帶識(shí)別方法。首先，在模型試驗(yàn)中，用數(shù)碼相機(jī)采集土體全程變形圖像序列；接著，在圖像全局觀測(cè)范圍內(nèi)粗略搜索到剪切帶發(fā)生的大致區(qū)域；然后，布置跨越剪切區(qū)...

研究水利工程隱患準(zhǔn)確檢測(cè)問(wèn)題,提高監(jiān)測(cè)的準(zhǔn)確性受到監(jiān)測(cè)手段限制,而傳統(tǒng)水力工程隱患檢測(cè)是通過(guò)雷達(dá)成像獲取隱患區(qū)域圖像與正常區(qū)域圖像的像素特征差異轉(zhuǎn)化后的特征差異信號(hào)進(jìn)行檢測(cè),當(dāng)隱患區(qū)域與正常區(qū)域差異不明顯的時(shí)候,轉(zhuǎn)化后的特征差異信號(hào)很弱,會(huì)發(fā)生漏檢測(cè),造成檢測(cè)的準(zhǔn)確性不高。為了解決上述問(wèn)題,提出根據(jù)像素差異補(bǔ)償?shù)乃こ贪踩[患檢測(cè)算法,通過(guò)增加隱患區(qū)域與正常區(qū)域的像素差異的強(qiáng)度,補(bǔ)償由于外界環(huán)境因素造成的像素差異過(guò)小的弊端,增強(qiáng)轉(zhuǎn)化后的像素差異信號(hào)強(qiáng)度,進(jìn)而增加檢測(cè)的準(zhǔn)確性。實(shí)驗(yàn)表明,改進(jìn)方法能夠很好地補(bǔ)償像素差異信號(hào)的衰減,準(zhǔn)確檢測(cè)水利工程中的安全隱患。

在人工智能領(lǐng)域中,圖像識(shí)別技術(shù)是一種類似于人眼識(shí)別,基于圖像明顯特征的重要技術(shù),隨著我國(guó)信息時(shí)代的不斷發(fā)展,其在項(xiàng)目電子化招投標(biāo)工作中得到廣泛應(yīng)用。筆者從國(guó)內(nèi)外電子化招投標(biāo)的研究現(xiàn)狀著手,對(duì)圖像識(shí)別技術(shù)在招投標(biāo)過(guò)程中的應(yīng)用進(jìn)行了深入探討,以期為今后圖像識(shí)別技術(shù)在項(xiàng)目招投標(biāo)方面的應(yīng)用研究提供借鑒。

針對(duì)生產(chǎn)中內(nèi)螺紋難以快速自動(dòng)檢測(cè)問(wèn)題,提出了一種基于計(jì)算機(jī)視覺技術(shù)的內(nèi)螺紋非接觸式自動(dòng)檢測(cè)方法。采用數(shù)學(xué)形態(tài)學(xué)處理二值化后的內(nèi)螺紋圖像,消除了內(nèi)螺紋小徑圓弧邊緣缺口、裂縫及破洞等缺陷;然后應(yīng)用最小二乘圓擬合方法檢測(cè)內(nèi)螺紋小徑圓弧,得到精確的小徑半徑尺寸,以內(nèi)螺紋小徑的半徑尺寸差異為判別條件,開發(fā)自動(dòng)檢測(cè)系統(tǒng),實(shí)現(xiàn)內(nèi)螺紋的準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)檢測(cè)精度高、正確率高、速度快,能滿足內(nèi)螺紋生產(chǎn)自動(dòng)檢測(cè)的要求。

基于道路圖像的交通標(biāo)志識(shí)別系統(tǒng)中,關(guān)鍵步驟之一是對(duì)圖像中的交通標(biāo)志能夠快速有效的識(shí)別.文中以具有字符信息的限速標(biāo)志為例,通過(guò)對(duì)提取的區(qū)域圖像進(jìn)行預(yù)處理、旋轉(zhuǎn)校正、字符分割和字符識(shí)別,實(shí)現(xiàn)了對(duì)交通標(biāo)志中字符信息的自動(dòng)識(shí)別.實(shí)驗(yàn)驗(yàn)證:該算法能有效地識(shí)別交通標(biāo)志中的字符信息.

對(duì)鍍鋅帶鋼設(shè)備裂縫圖像的優(yōu)化分割處理,可以有效提高對(duì)設(shè)備裂縫的成因分析和修復(fù)的能力。提出一種基于圖像細(xì)節(jié)增強(qiáng)和梯度方向紋理網(wǎng)格分割的鍍鋅帶鋼設(shè)備裂縫圖像的分割方法。對(duì)目標(biāo)圖像進(jìn)行細(xì)節(jié)增強(qiáng)處理,采用小波降噪方法進(jìn)行圖像濾波,提高鍍鋅帶鋼設(shè)備裂縫圖像的純度,沿裂縫梯度方法進(jìn)行不規(guī)則網(wǎng)格分割,實(shí)現(xiàn)對(duì)裂縫圖像分割算法改進(jìn)。仿真結(jié)果表明,該算法能有效提高圖像的峰值信噪比,圖像分割的抗噪能力較強(qiáng)。

基于圖像識(shí)別的PLC智能控制系統(tǒng)設(shè)計(jì)

通過(guò)對(duì)傾斜的dr圖像進(jìn)行圖像增強(qiáng)、二值化、傾斜校正、去毛刺、填補(bǔ)空洞、單字符分割和大小歸一化處理,分割出若干個(gè)大小相同的單字符圖像;然后通過(guò)訓(xùn)練45個(gè)支持向量機(jī)(svm),并得到各個(gè)支持向量機(jī)的判別函數(shù);利用這45個(gè)判別函數(shù)判別單字符圖像是哪個(gè)數(shù)字的圖像,并記下各個(gè)數(shù)字的得票數(shù),確定得票最多的數(shù)字即為單字符圖像對(duì)應(yīng)的數(shù)字。應(yīng)用microsoftvisualstudio2008軟件編寫了相關(guān)的計(jì)算程序。利用該程序進(jìn)行識(shí)別實(shí)驗(yàn)的結(jié)果表明,該方法能夠在dr圖像中貨車鑄件工件號(hào)呈傾斜情況下有效識(shí)別出貨車鑄件的工件號(hào)。