1 浙江大学 工程师学院,浙江杭州3005
2 中航西安飞机工业集团股份有限公司,陕西西安710089
3 中国科学院 福建物质结构研究所 泉州装备制造研究中心,福建泉州62100
4 浙江大学 机械工程学院,浙江杭州310058
为了实现复杂环境下航空零件孔特征的高效高精度检测,提出了一种集成视觉显著性和群决策的检测方法。在经典FT显著性检测算法中引入图像增强步骤,并为每个像素赋予以最大显著区域中心为参考的权重,使用改进后的方法对图像进行孔区域分割。设计具有多尺度多结构元素的新型数学形态学边缘检测算法,结合轮廓细化算法对孔区域进行轮廓提取。最后,利用Meanshift算法寻找轮廓点的圆心位置,建立新的基于群决策的圆半径计算模型,获得孔特征的关键几何参数。结果表明:改进的视觉显著性特征检测算法能够生成更加突显孔特征的全分辨率显著图;新型数学形态学边缘检测算法能获得简化且可靠的轮廓点;该方法在不均匀光照、各类孔缺陷和孔内壁干扰等条件下均显示出较好的稳定性;即使在噪声密度高达30%时仍能成功完成孔检测,且圆心坐标和半径的误差均小于0.012 mm;平均检测时间仅为0.236 s。该方法能够在复杂环境下对航空零件孔特征进行准确、稳定的检测。
航空零件 孔特征检测 显著性检测 数学形态学 群决策 aircraft part hole feature detection saliency detection mathematical morphology group decision making
1 中国长江三峡集团有限公司科学技术研究院, 北京 100038
2 郑州航空工业管理学院智能工程学院, 河南郑州 450015
针对无人机拍摄叶片红外图像背景冗余信息较多、拼接精度不高等问题, 本文提出一种基于形态学改进 Chan-Vese分割与局部特征匹配的红外风机叶片图像拼接算法, 首先, 对图像进行中值滤波降噪, 使用形态学运算改进基于 Chan-Vese模型的水平集算法, 生成表达主体的掩膜。基于掩膜去除冗余背景提取局部 Harris特征点; 对掩膜进行二次形态学腐蚀处理, 抑制边界锯齿像素上的伪特征点; 最后, 使用暴力匹配及随机抽样一致(Random Sample Consensus, RANSAC)算法筛选出有效匹配点对, 计算单应性矩阵实现匹配拼接。与传统图像分割下 Harris拼接算法相比, 本文改进后的算法拼接精度有明显提高, 在不同的测试场景下显示出较强鲁棒性。
风力发电机叶片 红外图像拼接 水平集 形态学运算 Harris特征点 wind turbine blades, infrared image stitching, lev
光学 精密工程
2023, 31(22): 3331
1 北京信息科技大学光电测试技术北京市重点实验室, 北京100192
2 北京信息科技大学生物医学检测技术及仪器北京实验室, 北京100192
3 北京航天发射技术研究所, 北京100076
激光光斑中心的准确定位对共焦显微系统有着重要作用。为了提高光斑中心定位的准确性, 设计了一种基于OpenCV的高精度光斑中心定位检测方法。首先对采集到的光斑图像进行降噪滤波, 再通过聚类分析, 筛选连通域排除粗大误差, 然后对目标连通域边缘进行形态学处理, 最后将边缘数据拟合成椭圆定位光斑中心。仿真与实验结果表明:该方法与其他传统光斑中心定位方法相比, 具有小于0.1 pixel的亚像素级定位精度, 检测结果更稳定, 是一种高精度的光斑中心定位方法。
共焦显微系统 光斑中心定位 滤波降噪 聚类分析 形态学 confocal microscope system spot center positioning filtering and noise reduction cluster analysis morphology
1 长春理工大学电子信息工程学院,吉林 长春 130022
2 长春理工大学空间光电技术研究所,吉林 长春 130022
针对局部对比度方法对红外目标进行检测时难以提升目标的显著性及抑制背景困难的问题,提出一种基于特殊预处理的增强局部对比度方法来检测目标。通过快速中值滤波去除高频噪声,通过改进的形态学梯度来抑制背景,通过增强的局部对比度来提高目标的显著性,最后通过自适应阈值来获取需要检测的真实目标。结果表明,同经典人类视觉系统的检测方法相比,所提方法在检测红外弱小目标时具有优越性,在高亮度背景情况下效果更为显著。
红外弱小目标 目标检测 人类视觉系统 局部对比度 快速中值滤波 形态学梯度 激光与光电子学进展
2023, 60(4): 0410001
光子学报
2022, 51(11): 1111002
兰州交通大学电子与信息工程学院,甘肃 兰州 730070
为减小植被区域遥感图像分割误差,解决植被区域中待分割目标因覆盖度和噪声等因素造成的过分割和欠分割问题,提出了一种自适应形态学与多尺度结合的植被区域遥感图像分割方法。首先,通过general adaptive neighborhood(GAN)结构元素构造膨胀和腐蚀运算,推导出GAN形态学开、闭运算;然后,构造一种GAN形态学复合型滤波器,填充植被覆盖度不足的孔洞,减小噪声对图像的干扰;最后,通过多尺度分割算法,对遥感图像植被区域进行分割。实验结果表明:所提方法能够有效避免欠分割和过分割现象且能对遥感图像植被区域进行准确分割;与传统多尺度分割和传统形态学与多尺度结合方法相比,所提方法的分割误差较小。
图像分割 遥感 植被 形态学滤波 多尺度 激光与光电子学进展
2022, 59(24): 2428001
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所环境光学与技术重点实验室,安徽 合肥 230031
2 中国科学技术大学,安徽 合肥 230026
紫外拉曼光谱技术相较于传统拉曼光谱技术,具有灵敏度高、日盲性、人眼安全性高等优点,被应用于多个领域。采用266 nm紫外激光器作为光源,拉曼和荧光光谱可能存在部分重叠,进而影响拉曼光谱特征的准确获取。针对此问题,联合形态学和多项式拟合算法对紫外拉曼的荧光背景进行扣除,该方法融合形态学较好地保留光谱特征、多项式拟合方法简单有效的优点,实现对紫外拉曼光谱中荧光背景的准确扣除。为了验证方法的有效性,采用该方法对4种不同类型背景的仿真光谱进行基线校正,并与传统方法进行对比。结果表明:相较于现有基线校正算法,该方法在准确率方面优势明显,获得更好的基线校正效果。进一步地,采用该算法对紫外拉曼光谱装置获得的不同衬底硝酸钾样品的实测光谱进行基线校正,结果表明该方法对于不同类型的衬底背景均可获得纯净的拉曼光谱,这为下一步的样品分析提供了更准确的光谱信息。
光谱学 拉曼光谱技术 紫外拉曼 背景扣除 形态学 多项式拟合 光学学报
2022, 42(22): 2230001