图像增强在机械工件表面处理中的应用

为了滤除噪声影响,增强工件表面图像的细节特征,提出了运用MATLAB对工件表面缺陷进行图像处理的方法.首先运用中值滤波方法对工件表面图像中高斯和椒盐噪声干扰处理,然后对工件表面图像灰度变换增强处理,最后对机械工件图像进行锐化增强处理.结果表明：通过MATLAB图像处理技术使工件表面图像在主观视觉和客观标准评价上均取得良好效果,为后续工件质量检测提供了基础.     

基于灰度变换的沥青混合料图像增强及分割实现

数字图像技术是提取和描述沥青混合料细观结构的有效途径,可以通过图像增强、图像分割实现集料和其他组分的分离。通过灰度变换方法调整图像的动态灰度范围,便于进行后续的图像分割处理。结合Matlab软件实现图像的灰度变换增强,同时采用代数运算、除噪滤波进行处理,实现了混合料图像的分割处理及边界识别。     

基于机器视觉的钢轨光带检测方法

为了从轨道图像中准确地提取轨面区域并检测光带位置,根据钢轨光带的结构特征,提出了基于机器视觉的钢轨光带检测方法。首先根据轨道图像的频域特征,设计了基于占优的频率域采样值的轨面区域定位算法,从轨道图像中准确提取出轨面区域;然后利用图像灰度变换突出光带与非光带区域的边界,通过逐行计算梯度识别光带的位置。结合实际线路的轨道图像,采用该方法对钢轨光带进行检测,并与现有方法进行对比。结果表明：该方法能有效地检测钢轨光带,计算的光带区域与人工标注的光带区域的交并比平均值达到了88.81%,比现有方法提升了11.58%。     

水下机器人所摄图像的预处理

水下机器人在获取图像的过程中会受到多种因素的干扰,图像处理难度大.为提高水下图像的质量,改善图像视觉效果,必须首先解决各种干扰因素对视觉信息造成的干扰和影响.图像预处理旨在去除噪声,提高图像质量,以改善人们的视觉效果和图像质量,降低后续算法处理的难度.基于此,主要探讨使用分段线性灰度变换法进行图像处理,以达到预期效果.     

红外图像中舰船目标增强技术研究

随着各国在海洋领域竞争的日益激烈,舰船目标自动识别技术正逐渐成为社会的研究热点,目标增强是舰船目标自动识别技术中的重要环节,但通常海天背景下舰船目标红外图像的目标背景对比度低,图像信噪比差。为使低对比度舰船红外图像中感兴趣目标得到增强,本文首先利用中值滤波去除图像中的随机噪声,然后对图像进行同态滤波,最后加入对像素空间位置的考虑,利用像素邻域的灰度均值和均方差值构建了一个灰度变换函数,实现图像的灰度拉伸。实验结果表明,以往仅通过灰度信息的增强技术很难取得较好效果,本文在考虑像素位置的基础上提出的灰度变换函数可较好的实现对舰船目标局部区域的增强。     

图像增强在机械工件表面处理中的应用

为了滤除噪声影响,增强工件表面图像的细节特征,提出了运用MATLAB对工件表面缺陷进行图像处理的方法.首先运用中值滤波方法对工件表面图像中高斯和椒盐噪声干扰处理,然后对工件表面图像灰度变换增强处理,最后对机械工件图像进行锐化增强处理.结果表明:通过MATLAB图像处理技术使工件表面图像在主观视觉和客观标准评价上均取得良...     

改进Retinex的红外舰船图像增强算法

传统Retinex的红外舰船图像增强算法能改善图像的视觉效果,但受环境影响因素大,对复杂红外图像处理效果不明显,为此提出改进Retinex的红外舰船图像增强算法。根据灰度映射特殊函数关系,改进Retinex灰度图像增益关系,改善环境参数变化造成的图像阴影;采用傅里叶频域函数实现逆变增强,通过巴特沃斯频域函数去除低频分量,完成频域图像增强算法改进,从而解决复杂红外图像处理不清问题。实验数据表明,该设计算法比传统算法的分辨力高出63.9%,且能够识别更加复杂的图像信息,消除恶劣环境影响。     

基于改进YOLOv5的船体焊缝缺陷自动检测方法

为解决采用人工手段检测船体焊缝速度慢、准确度低的问题,提出基于改进YOLOv5的船体焊缝缺陷自动检测方法。利用相机采集船体焊缝图像,使用正弦灰度变换对焊缝图像进行处理,避免焊缝图像特征消失,提高正常焊缝与存在缺陷焊缝间的对比度,将处理后焊缝图像作为YOLOv5网络的输入样本,经网络Backbone、Neck以及Head部分处理,输出焊缝缺陷自动检测结果,并使用Ghost Net替换YOLOv5网络主体部分的一般卷积层（CBS）,降低网络进行船体焊缝缺陷检测的计算量和资源消耗量。实验结果表明,采用正弦灰度变换后的图像更加清晰,可突出显示焊缝缺陷特征,提升焊缝缺陷检测结果精准。改进后网络训练损失函数为0.15,平均准确率为98%,可实现不同焊缝位置的缺陷检测。