为了解决食品生产加工场所的卫生检查地点不固定、检测效果受环境因素影响大等问题，根据不同种类食品残留物在紫外光照射下产生不同波长荧光的特性，采用荧光成像技术和分块大津算法，开发了一种能够协助现场检测员进行视觉卫生检查的手持式荧光成像设备。利用3种常见材料表面(木制案板、不锈钢板、聚乙烯塑料板)对奶粉(体积分数为50%、33%、20%、10%、2%)和菠菜残渣(体积分数为50%、33%、25%、20%、10%)进行了实验验证。结果表明，该系统可以协助检测员进行卫生安全检查，不同体积分数菠菜残渣在3种材料表面检出率为100%，不同体积分数奶粉残留物在木制案板和不锈钢板表面检出率为100%，在聚乙烯塑料板表面，除体积分数为2%的奶粉残留物部分检出外，其余体积分数奶粉残留物均能有效检出。该研究为食品加工场所手持式卫生检测设备开发提供了参考。

为解决在复杂变光照环境下车道标识线的辨识问题,实现全天候环境的车道偏离预警,提出了一种新的车道标识线辨识算法。将基于OTSU算法的自适应图像分割技术用于在不同光照环境下车道标识线的划分,对图像的全局阈值和局部阈值进行加权处理得到自适应阈值,采用45°与135°梯度方向的Sobel算子提取车道边缘信息,通过改进Hough变换方法完成车道标识线的辨识过程。对不同光照环境下的道路图像进行对比实验,结果表明本文方法比传统Hough变换法的识别准确率平均提升了5.7%,检测单帧图像的平均耗时为57.79 ms。所提算法的抵抗干扰性能良好,能够适应各种光照环境,并且能够满足系统实时性的要求。

针对复杂海况下遥感图像舰船检测易受舰船尾迹、海杂波、油污和薄云等影响,导致检测结果可靠性较低且小目标舰船不易被检测的问题,提出一种自适应稳健背景的显著性优化舰船目标检测模型。利用顶帽算法对原图进行预处理,抑制舰船尾迹、海杂波等干扰;提出自适应超像素分割方法对稳健背景检测模型进行优化;改进基于均值信息的大津法(Otsu),确定舰船所在区域。结果表明,该方法可以在多种海况下有效检测舰船位置,具有较高的检测准确率(91.20%)、召回率(79.31%)及综合评价指标(84.00%),相比于其他显著性检测模型,该方法具有明显优势,适用于复杂海况下遥感图像小目标舰船检测。

针对传统狼群算法(WPA)应用于图像分割寻优慢且易陷入局部最优的缺点, 提出一种基于分数阶狼群的Otsu图像分割算法。利用分数阶微分对过去状态有记忆性的优点, 用分数阶阶次来控制狼群在游走过程中的位置更新, 并引入自适应分数阶阶次, 根据狼的位置信息自适应地调整分数阶阶次, 提升算法收敛速度。采用粒子对称分布方法改进狼群围捕行为, 改善狼群个体空间分布状态, 提高种群多样性, 调整围捕过程中的狼群位置, 克服算法后期易出现局部最优的弊端。采用改进的二维Otsu算法, 将其离散度矩阵作为狼群算法的寻优函数,将目标从图像中分割出来。实验表明, 本文算法达到稳定的收敛次数较传统狼群算法平均提升了50次左右, 较文献<参考文献原文>提出的算法平均加快了10次左右。本文改进算法保证了图像分割精度, 并提升算法收敛速度。

在激光测距仪镜头组件的自动化装配中, 快速、精准识别感光元件雪崩光电二极管( APD)的定位坐标, 对于完成镜头焦点的精确对位以及提高图像处理效率至关重要。针对 APD的图像识别与定位过程, 本文提出一套基于机器视觉的高效、高精度的图像处理算法。首先在粗定位图像处理阶段中, 为提高运算效率, 利用抗干扰性强的高斯金字塔搜索归一化互相关匹配( NCC)算法, 对图像中的 APD进行粗定位。在边缘检测中, 采用 Otsu算法自适应地根据梯度图像变化生成高低阈值, 避免了传统 Canny算法的手动设置高低阈值的难题。在目标轮廓提取阶段采用连通域标记法, 过滤掉孤立的像素点和非目标区域像素点, 保证了下一步的轮廓拟合精度。在最后的轮廓拟合精定位阶段中, 通过对两种拟合算法比较过程中, 确定最小二乘法圆拟合亚像素定位算法进行 APD轮廓拟合, 可以保证效率和定位精度, 实验结果表明整个图像处理系统用时 596 ms、定位精度 0.4 pixel, 相对误差为0.64%, 实现了 APD图像快速、精准定位的过程, 提高了定位精度和效率。

为了解决高速视觉目标跟踪系统在进行目标跟踪过程中目标的尺度与清晰度的变化, 提出一种基于尺度不变性的自动调焦算法。该算法包括基于改进型二维OTSU分割的自动变焦算法和基于二维图像信息熵的对焦算法, 通过高速视觉目标跟踪系统获得目标区域, 计算目标像素面积和清晰度评价值, 转化为可调焦镜头变焦步数和对焦步数后通过FPGA发送调焦指令, 最终完成自动调焦动作。设计了自动调焦验证系统以验证算法的性能并得出满足追踪要求的最佳调焦参数。实验证明, 该算法在高速目标跟踪系统的跟踪过程中可以较好地完成自动调焦任务。

针对电气设备的红外图像背景复杂、信噪比低的特点，提出了一种基于 OTSU和区域生长相结合的故障分割方法。首先，采用 OTSU算法将故障红外图像分割为种子区域和背景区域，去除大面积背景的干扰；然后采用自动选取种子点的区域生长算法完整的分割出故障区域。试验结果表明该算法针对复杂背景的红外图像能有效地消除干扰，并能完整地提取出故障区域。

针对TFT-LCD点缺陷自动光学检测时, 缺陷与背景对比度较低难以用传统阈值分割算法处理的难题, 提出一种改进的Otsu算法, 并构建了TFT-LCD 点缺陷自动光学检测系统。首先, 通过Gabor滤波去除了纹理背景的影响。然后, 利用威布尔函数形态参数分段取值时, 其分布函数呈现的不同分布特性, 改进了传统Otsu阈值提取函数。最后, 进行了离线测试试验和在线测试试验。试验表明, 改进的Otsu算法在点缺陷与背景对比度较低的情况下分割效果优于传统Otsu算法。将该算法移植到TFT-LCD 点缺陷自动光学检测硬件平台上进行在线测试, 正确检测率可达到94%, 单个样本最短检测时间可缩短至150 ms。降低了TFT-LCD人工检测点缺陷的工作量和劳动强度。

为降低噪音影响、改善汽车车身反光造成虚假轮廓的现象,提出了一种视觉神经元双拮抗机制和 自适应双阈值相结合的轮廓提取算法。双拮抗机制算法依据视觉神经元双拮抗原理处理图像得到亮度特 征的轮廓,用扩展的大津法(Otsu)根据轮廓亮度分布自动选取高低阈值,对初步提取的轮廓进行双阈值 处理,得到最终的汽车轮廓。利用客观性能指标对实验结果进行评价,结果表明提出的算法提升了汽车 轮廓的完整性。与经典的轮廓提取算法相比,其计算复杂度低,对图像背景的适应性较强。