鋼索圖像的紋理分割與邊界識別

目的基于小波變換的圖像分割方法對隨機紋理圖像進行分割.方法通過墻地磚表面的原始紋理特征,改進原有的圖像分割算法,對原始紋理圖像進行高階小波分解.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)的實時性.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分割方法,對墻地磚的原始圖像進行處理,提高了邊緣準確性和區(qū)域性,降低了分割錯誤率.

提出了一種基于改進ostu法和區(qū)域生長相結(jié)合的消防水炮射流軌跡圖像的分割與識別算法。首先對ostu法進行改進,快速確定射流軌跡差分圖像的最佳分割閾值,再用區(qū)域生長法分割得到可能的目標區(qū)域。對消防水炮噴射水流的形態(tài)特征進行了研究和分析,并以此為判據(jù)對可疑目標區(qū)域進行判斷,最后識別出真正的射流軌跡。實驗結(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,準確識別目標,且處理速度較快。

通過建立corex熔化氣化爐的對稱半體冷態(tài)模型,利用高速攝影的手段跟蹤示蹤顆粒,得到觀察面板處風口回旋區(qū)域的顆粒運動信息.通過對大量顆粒運動信息的處理得到風口回旋區(qū)的顆粒速度標量場,將其與目測結(jié)果對比,確定0.15m/s以內(nèi)的顆粒速度標量場為風口回旋區(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)模擬提供準確的邊界條件.

粉質(zhì)黏土圖像的紋理特征分析

通過對機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應(yīng)關(guān)系,從而為運用圖像分析和人工智能技術(shù)自動測量織物的結(jié)構(gòu)參數(shù)、識別機織物類型奠定理論基礎(chǔ).實驗結(jié)果證明,這種方法是準確可靠的.

快速準確地建立兩圖像拓撲結(jié)構(gòu)之間的對應(yīng)關(guān)系是要解決的核心問題。通過揭示拓撲結(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撲結(jié)構(gòu)的識別模型、數(shù)據(jù)結(jié)構(gòu)及其算法,重點討論了快速模型,并對其優(yōu)良性能進行了證明。最后,把快速模型運用于全景圖拼接,取得了令人滿意的實驗結(jié)果。

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

水工建筑物是我國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;同時它們還受到高速水流和風浪的沖擊,容易造成沖撞破壞;此外泥沙還會對其產(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)境因素對水工金屬結(jié)構(gòu)所造成的損失和破壞如此巨大,如何對金屬結(jié)構(gòu)物進行腐蝕情況的檢查鑒定、如何使得金屬結(jié)構(gòu)能夠長效防腐,已成為人類越來越重視的方面,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)價值。對視頻采集到的板材紋理圖像進行灰度化、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)果進行模擬,切面通過在圖像上選擇合適的邊緣點進行模擬,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。

在地圖圖像數(shù)學(xué)模型的基礎(chǔ)上,根據(jù)地圖中各類對象的顏色特征對地圖圖像進行規(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)的基本方法來消除地圖圖像中的噪聲,以達到識別與提取完整的道路網(wǎng)絡(luò)的目的.該方法對道路欠識別進行了處理,并以實例來驗證其對道路網(wǎng)絡(luò)識別與提取的過程及其效果.

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的分類能力同時還利用20類真實彩色自然紋理圖像對塔式小波分解、不完全樹型小波分解和小波包分解進行了多特征融合的分類比較,實驗結(jié)果表明:不完全樹型小波分解的特征級融合表現(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,但是ssim對于嚴重模糊的圖像評價結(jié)果準確度不高。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-合并法實現(xiàn)了對苗木圖像的分割。對圖像的色度分量進行小波變換。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確性。實驗表明,該算法取得了滿意的結(jié)果。

目的改進原有的圖像分割算法在分割圖像時的精度和準確度,進一步準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,采用daubechies小波對原始圖像進行處理.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機紋理圖像進行可靠、有效、快速的分割,尤其適用于具有隨機紋理的墻地磚缺陷實時檢測.

基于圖像相關(guān)分析的土體剪切帶識別方法——提出了一種基于數(shù)字照相量測和圖像相關(guān)性分析技術(shù)的土體剪切帶識別方法。首先，在模型試驗中，用數(shù)碼相機采集土體全程變形圖像序列；接著，在圖像全局觀測范圍內(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確檢測問題,提高監(jiān)測的準確性受到監(jiān)測手段限制,而傳統(tǒng)水力工程隱患檢測是通過雷達成像獲取隱患區(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進行檢測,當隱患區(qū)域與正常區(qū)域差異不明顯的時候,轉(zhuǎn)化后的特征差異信號很弱,會發(fā)生漏檢測,造成檢測的準確性不高。為了解決上述問題,提出根據(jù)像素差異補償?shù)乃こ贪踩[患檢測算法,通過增加隱患區(qū)域與正常區(qū)域的像素差異的強度,補償由于外界環(huán)境因素造成的像素差異過小的弊端,增強轉(zhuǎn)化后的像素差異信號強度,進而增加檢測的準確性。實驗表明,改進方法能夠很好地補償像素差異信號的衰減,準確檢測水利工程中的安全隱患。

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

針對生產(chǎn)中內(nèi)螺紋難以快速自動檢測問題,提出了一種基于計算機視覺技術(shù)的內(nèi)螺紋非接觸式自動檢測方法。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)自動檢測系統(tǒng),實現(xiàn)內(nèi)螺紋的準確識別。實驗結(jié)果表明,該系統(tǒng)檢測精度高、正確率高、速度快,能滿足內(nèi)螺紋生產(chǎn)自動檢測的要求。

基于道路圖像的交通標志識別系統(tǒng)中,關(guān)鍵步驟之一是對圖像中的交通標志能夠快速有效的識別.文中以具有字符信息的限速標志為例,通過對提取的區(qū)域圖像進行預(yù)處理、旋轉(zhuǎn)校正、字符分割和字符識別,實現(xiàn)了對交通標志中字符信息的自動識別.實驗驗證:該算法能有效地識別交通標志中的字符信息.

對鍍鋅帶鋼設(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節(jié)增強和梯度方向紋理網(wǎng)格分割的鍍鋅帶鋼設(shè)備裂縫圖像的分割方法。對目標圖像進行細節(jié)增強處理,采用小波降噪方法進行圖像濾波,提高鍍鋅帶鋼設(shè)備裂縫圖像的純度,沿裂縫梯度方法進行不規(guī)則網(wǎng)格分割,實現(xiàn)對裂縫圖像分割算法改進。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。

基于圖像識別的PLC智能控制系統(tǒng)設(shè)計

通過對傾斜的dr圖像進行圖像增強、二值化、傾斜校正、去毛刺、填補空洞、單字符分割和大小歸一化處理,分割出若干個大小相同的單字符圖像;然后通過訓(xùn)練45個支持向量機(svm),并得到各個支持向量機的判別函數(shù);利用這45個判別函數(shù)判別單字符圖像是哪個數(shù)字的圖像,并記下各個數(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應(yīng)的數(shù)字。應(yīng)用microsoftvisualstudio2008軟件編寫了相關(guān)的計算程序。利用該程序進行識別實驗的結(jié)果表明,該方法能夠在dr圖像中貨車鑄件工件號呈傾斜情況下有效識別出貨車鑄件的工件號。