人体内不同白细胞的数值水平是疾病判断的重要依据之一。在白细胞计数中, 准确分割白细胞是后续分类计数的重要前提步骤, 决定了后续分类计数的准确与否。对于使用各种不同染色方法所得的血液涂片图像, 都可以通过颜色校准, 分别调整RGB图像的R、G、B分量, 改变图像的色彩信息, 接着通过图像HSI颜色空间中的H分量, 结合Otsu自动阈值法和面积阈值法对图像进行分割、处理, 最终准确定位、分割提取出整个白细胞, 用于后续的分类计数。实验结果表明, 该方法分割准确度高、实用性强、操作简单并且效率高。

为了解决目前机载激光雷达点云滤波算法中特征单一、运算效率低、植被覆盖区效果较差等问题, 提出一种植被茂密地区的点云自适应双重滤波方法。首先利用回波分离方法, 分别提取点云的单次回波和末次回波进行粗滤波处理; 然后利用偏度平衡理论进行单次回波的强度阈值确定, 同时利用最大类间方差法对首次回波和末次回波的高程差进行高差运算, 实现末次回波高差阈值自动化, 并融合粗滤波后单次回波和末次回波的点云数据; 最后, 利用不规则三角网渐进加密滤波算法对融合后的点云数据进行精滤波处理, 并通过了实验验证。结果表明, 3组数据集的Ⅱ类误差都相对较低, 分别为1.06%,1.64%,1.34%。结合回波信息和高差信息的双重滤波方法不仅能较好地剔除植被, 而且能较好地保留地形细节。

针对像素缺陷影响电润湿电子纸的显示效果, 本文提出一种基于 Otsu的自动阈值检测方法对缺陷进行检测。 Otsu是一种常用的自动阈值方法, 在图像直方图为双峰时, 该方法能给出令人满意的结果。但是电润湿缺陷图像直方图通常为单峰, 容易得到错误的结果。电润湿由于不同颜色的填充油墨使得缺陷与背景对比度不同, 导致分割更加困难。本文在目标方差前引入加权系数, 权值随着缺陷的累积概率的增大而减小。权值在阈值过峰前保持较大的数值, 过峰后权值降低, 保证了阈值在单峰情况下始终处于峰的左边。实验结果表明: 本文提出的方法能够有效分割电润湿缺陷区域, 尤其在对比度较低的电润湿缺陷图像中比 Otsu、VE、WOV和熵加权方法的 ME值更接近 0, 有更好的分割效果。

针对传统的聚焦评价函数在应用时出现的一些诸如稳定性和精度不足、易受噪声干扰等问题, 提出一种基于大津法分割和局部最大梯度的自动聚焦算法。算法对前背景分割后的图像进行局部梯度计算, 并统计非零系数和计算局部方差, 利用二者变化特性设计一个新的清晰度评价指标以实现数字图像的自动聚焦。实验结果表明, 算法具有高灵敏度、较好的稳定性和较强的抗噪能力。

针对光栅型波前曲率传感器,提出一种基于最大类间方差法和质心法相结合的光斑自动定位提取算法,并进行了实验验证。使用最大类间方差法对原始光强分布图像进行二值化;根据质心坐标对二值化图像进行分割,得到两幅含有单个光斑的二值化图像;分别计算两幅图像的质心坐标,作为原始光强图像中的两个光斑中心,并在原始图像中进行光斑提取。搭建了基于离轴菲涅耳波带片的光栅型波前曲率传感器实验装置,采用上述方法自动提取光斑,采用拉普拉斯算子本征模式法进行波前复原,并与哈特曼波前传感器的测量结果进行了比较。研究结果表明该算法能够自动提取光栅型波前曲率传感器的光斑,定位误差小于4 pixel。

针对现有图像分割算法存在分割效果不佳及耗时长等缺点，提出了一种二维 Otsu法红外目标阈值分割算法。根据局部邻域熵引入图像背景因子来对图像进行预分类，并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类；最终通过约束阈值的搜索范围，来提高算法的准确性与稳定性。实验结果表明，该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率，与其他算法比较，该算法的图像分割效果及消耗时间具有一定的优势。

运动阴影与目标物体粘连, 具有运动一致性, 常常被误检测为运动目标的一部分。运动阴影的存在改变了运动物体的形状, 影响运动目标前景的进一步分析。为了解决这一问题, 提出了一种基于改进萤火虫优化算法的运动阴影去除算法。通过基于种群历史最佳位置影响的改进萤火虫算法(IFA)优化 2-Otsu(二维最大类间差法)距离测度函数的寻优过程, 获得最佳阈值, 并以此进行图像分割, 去除运动阴影, 并同传统 2-Otsu法、粒子群算法(PSO)优化 2-Otsu法、萤火虫算法(FA)优化 2-Otsu法进行比较。实验结果证明, 该方法较其他三种方法分别快 2.69倍, 1.42倍, 1.21倍; 另外, 在区域一致性、阴影检测率和识别率方面均优于其他三种算法, 验证了方法的有效性。

针对孔隙率接近0的小孔隙率碳纤维复合材料(Carbon Fiber Reinforced Composite, CFRP)的富树脂检测需求, 提出富树脂超声检测技术。对超声检测信号中的噪声消除方法、衰减抑制方法和富树脂检测的多视图成像技术进行研究, 并开发小孔隙率CFRP富树脂超声检测软件。首先提出共振频率估计方法, 通过低通滤波抑制高频随机噪声。其次根据频率差异, 应用变分模态分解算法分离并消除共振结构噪声, 提取低频成分。该低频成分包括表面回波、底面回波、富树脂反射信号和由层间反射信号、材料散射噪声等构成的相干噪声。再次, 引入瞬时幅值比修正低频成分的幅值衰减并描述被检测小孔隙率CFRP的局部反射能力。最后, 应用Otsu多阈值方法自适应获得富树脂识别的阈值, 消除相干噪声的影响, 完成富树脂识别。进一步对小孔隙率CFRP的超声检测结果进行多视图成像, 在三维视图、C扫描视图和B扫描视图内识别富树脂。结果表明: 变分模态分解的分量数为2, Otsu多阈值的类别数为3时, 能够准确识别小孔隙率CFRP超声检测信号中的富树脂反射信号; 采用0.15作为多视图成像的阈值, 可简洁有效地描述富树脂在小孔隙率CFRP中的分布。