小波多通道特征級(jí)融合的彩色紋理圖像分析

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(kāi)-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(kāi)-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(kāi)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。

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(duì)于該類(lèi)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(jué)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?chē)h(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(jì)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(yàn)獲得其力學(xué)強(qiáng)度,再對(duì)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(shí)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(shí)別出與膏體濃度呈正相關(guān)的紋理參數(shù),并驗(yàn)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(gè)基于建筑外形表現(xiàn)的特征提取及識(shí)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(lèi)器訓(xùn)練及子分類(lèi)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(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。

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).

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(chǎng)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(gè)能量參數(shù),并將這些參數(shù)與對(duì)應(yīng)土樣的11個(gè)工程性質(zhì)指標(biāo)進(jìn)行多元線性回歸。在此基礎(chǔ)上對(duì)2個(gè)土樣的工程性質(zhì)指標(biāo)進(jìn)行了預(yù)測(cè)。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(duì)應(yīng)關(guān)系,可以為現(xiàn)場(chǎng)快速確定粉質(zhì)粘土的工程性質(zhì)指標(biāo)提供一個(gè)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(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。

為了實(shí)現(xiàn)對(duì)相機(jī)拍攝到的圖像數(shù)據(jù)的實(shí)時(shí)顯示,提出了一種基于medium型cameralink的多通道圖像實(shí)時(shí)顯示系統(tǒng)設(shè)計(jì)方案,并完成系統(tǒng)的軟硬件設(shè)計(jì);medium型cameralink可以同時(shí)接收和發(fā)送兩組數(shù)據(jù),經(jīng)過(guò)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(xiě)、讀操作,可以實(shí)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(lái)接收相機(jī)端的實(shí)時(shí)圖像數(shù)據(jù)輸入并對(duì)數(shù)據(jù)進(jìn)行高速傳輸,軟件部分實(shí)現(xiàn)對(duì)數(shù)據(jù)的篩選,整理,格式轉(zhuǎn)換等功能,能夠完成對(duì)圖像的實(shí)時(shí)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(duì)近似分量進(jìn)行分解,如缺陷與紋理相似時(shí),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(guò)對(duì)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(jué)特點(diǎn),結(jié)合計(jì)算機(jī)數(shù)字圖像顏色模式和圖像格式,采用灰度級(jí)-彩色變換方法,對(duì)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(duì)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(shí)際現(xiàn)場(chǎng)的帶鋼表面圖像時(shí)效果較差的問(wèn)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(duì)比實(shí)驗(yàn)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(dòng)等級(jí)評(píng)定方法。通過(guò)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(píng)級(jí)模型,并用vc++實(shí)現(xiàn)了自動(dòng)評(píng)級(jí)軟件。通過(guò)對(duì)多個(gè)牛肉圖像的檢測(cè),表明此評(píng)級(jí)計(jì)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(jiǎn)單的局部紋理分析而自動(dòng)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(shí),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(shí)間運(yùn)作于標(biāo)量模式.實(shí)驗(yàn)表明,文中提出的方法其計(jì)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(duì)夜視融合圖像通常存在細(xì)節(jié)不夠豐富、目標(biāo)對(duì)比度低的問(wèn)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(shí)現(xiàn)可見(jiàn)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(shí)驗(yàn)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(duì)比度和目標(biāo)的可探測(cè)性,增強(qiáng)了觀察者對(duì)場(chǎng)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(shí)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(jì)算量。文章通過(guò)對(duì)簡(jiǎn)化his模型的分析,提出了一種直接對(duì)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(jì)算量。fpga可用來(lái)并行實(shí)時(shí)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(shí)時(shí)圖像直方圖均衡增強(qiáng)算法的解決方案,并通過(guò)改進(jìn)直方圖均衡圖像增強(qiáng)算法使其在fpga中具體實(shí)現(xiàn),可用于實(shí)時(shí)性要求高的led屏顯示。實(shí)驗(yàn)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(jì)識(shí)別以及連通域的形狀和邊緣鏈碼特性,識(shí)別出玻璃絕緣子所在區(qū)域;然后采用滑動(dòng)窗口直方圖統(tǒng)計(jì)及直方圖匹配判決的方法,識(shí)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(shí)時(shí)檢測(cè),因此可以在一定的光線變化范圍和背景復(fù)雜度內(nèi)識(shí)別診斷玻璃絕緣子損傷。通過(guò)此方法可以在較低的漏檢率下快速而準(zhǔn)確地檢測(cè)玻璃絕緣子損傷故障,能在機(jī)載系統(tǒng)中具備實(shí)時(shí)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(duì)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(jì)特征空間,并在此基礎(chǔ)上提出了一種多類(lèi)jpeg圖像盲隱密分析方法。實(shí)驗(yàn)結(jié)果表明:對(duì)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(shí)別正確率均在97%以上?；谖⒂^模板的統(tǒng)計(jì)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(duì)jpeg隱密軟件的檢測(cè)判決。

以300個(gè)木材樣本為對(duì)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(lèi)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(duì)比度"、"相關(guān)"、"方差"、"均值和"5個(gè)參數(shù)描述木材表面紋理.用symlet4小波對(duì)木材圖像進(jìn)行了2級(jí)分解,在小波重構(gòu)域,以一級(jí)重構(gòu)的水平細(xì)節(jié)h1、垂直細(xì)節(jié)v1、對(duì)角細(xì)節(jié)d1、二級(jí)重構(gòu)的近似a2、水平細(xì)節(jié)h2、垂直細(xì)節(jié)v2、對(duì)角細(xì)節(jié)d2共7個(gè)圖像的23個(gè)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(lèi)驗(yàn)證,正確率為94.0%,優(yōu)于單分辨參數(shù)方法(87.5%).實(shí)驗(yàn)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(lèi)正確率.

以180幅木材樣本圖片為對(duì)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(duì)稱(chēng)性為依據(jù),選擇使用sym4小波對(duì)圖像進(jìn)行二級(jí)小波分解,可以得到一級(jí)水平細(xì)節(jié)hl1、垂直細(xì)節(jié)lh1、對(duì)角細(xì)節(jié)hh1,二級(jí)的近似ll2、水平細(xì)節(jié)hl2、垂直細(xì)節(jié)lh2、對(duì)角細(xì)節(jié)hh2共7個(gè)子圖,提取整幅圖像的熵和每個(gè)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(lèi)標(biāo)準(zhǔn),以bp神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器進(jìn)行了木材紋理分類(lèi)的驗(yàn)證,并與灰度共生矩陣的方法進(jìn)行了對(duì)比。試驗(yàn)表明:采用小波變換的方法對(duì)木材紋理特征進(jìn)行描述,不但提高了分類(lèi)的準(zhǔn)確率,重要的是縮短了運(yùn)算時(shí)間,可以達(dá)到在線監(jiān)測(cè)的要求。

通過(guò)對(duì)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(duì)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(duì)去噪效果進(jìn)行評(píng)價(jià)。研究結(jié)果表明,該方法不僅對(duì)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(shí)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(duì)港口煤料堵塞檢測(cè)的要求,提出一種基于多信號(hào)特征融合分析的煤料漏斗堵塞檢測(cè)方案。首先分別對(duì)振動(dòng)傳感器,聲音傳感器單位窗內(nèi)的短時(shí)能量,短時(shí)過(guò)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(shí)現(xiàn)瞬間異常判斷,最后通過(guò)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(tái)開(kāi)展了實(shí)驗(yàn)研究,結(jié)果表明,能快速實(shí)現(xiàn)漏斗堵塞檢測(cè),并且具有較高的準(zhǔn)確率。