1 西北工业大学 自动化学院, 西安 710129
2 西北工业大学 深圳研究院, 广州 深圳 518057
3 四川工程职业技术学院 基础教学部, 四川 德阳 618000
4 光电控制技术重点实验室, 河南 洛阳 471000
5 拉瓦尔大学 计算机工程实验室, 加拿大 魁北克999040
为有效改善红外偏振图像视觉效应, 提高红外偏振成像质量, 提出了基于互结构正则约束的红外偏振图像增强算法。根据红外偏振特性描述, 对Stokes参数Q分量与U分量进行加权邻域梯度 融合, 获得起偏特征图像, 捕获目标边缘、轮廓的偏振特性; 提出互结构正则约束模型, 以梯度幅值相似算子联合正则约束融合结果与起偏特征图像的边缘结构相似性, 及与辐射强度图像的灰度一 致性, 优化得到增强后的高质量红外偏振图像。实验结果表明, 基于互结构正则约束的红外偏振图像增强算法, 能有效提高红外偏振图像对比度与清晰度, 同时提升复杂背景下人造目标边缘轮廓的 偏振显著性, 算法快速, 工程实时性高.
起偏特征图像 加权邻域梯度 互结构正则 梯度幅值相似算子 红外偏振 Polarization feature image Local weighted gradient Mutual structure regularization Gradient magnitude similarity Infrared polarization
1 天津工业大学 电气工程与自动化学院 天津市电工电能新技术重点实验室，天津 300387
2 天津职业技术师范大学 机械工程学院，天津 300222
3 伍伦贡大学 电气计算机和通信工程学院，伍伦贡 NSW2500,澳大利亚
4 清华大学 机械工程学院精密仪器系，北京 100084
针对包装质量检测精度易受外界光照影响的问题，在已有基于梯度幅值相似性的缺陷检测算法基础上，将局部二值模式算子引入到该算法中，提出了一种基于改进梯度幅值相似性的缺陷检测算法。该算法利用局部二值模式算子的旋转不变性和灰度不变性的特点，并将其与图像的梯度幅值特征进行融合后用于包装的缺陷检测中，提升了缺陷检测算法对光照的鲁棒性。实验结果表明，相比传统梯度幅值缺陷检测算法，该算法具有更好的抗光照影响能力，并且对于不同光照情况下的包装缺陷，该算法的检测准确率可达96.57%。因而，该算法能够被广泛地用于包装缺陷检测中，提高缺陷检测的精度。
缺陷检测 梯度幅值 局部二值模式 图像质量评价 defect detection GM LBP IQA
1 曲阜师范大学 数学科学学院
2 曲阜师范大学 计算机科学学院,山东 日照 276826
分析文献［1］给出的算法。针对其中存在的问题和不足,给出了一个改进算法。实验结果表明,改进算法弥补了原文算法中的缺陷,在获取连续边缘的同时也较好地抑制了噪声,在运算效率方面有了明显的提升,并节省了大量的内存空间。
梯度幅值 阈值 边缘检测 自适应 gradient magnitude threshold edge-detection automatic adaptation
曲阜师范大学,计算机科学学院,山东,日照,276826
提出了一种新的边缘检测算法.根据所提出的梯度幅值计算方法求出整幅图像的梯度幅值均值和图像中所有像素点的梯度幅值相对与均值的方差.由图像的梯度幅值均值和方差计算出图像的最佳阈值.然后根据提出的噪声剔除方法对由最佳阈值判定的初始边缘中的噪声进行剔除.实验结果表明所提出的算法在精确定位边缘的同时也较好地抑制了噪声.
最佳阈值 自适应 边缘检测 梯度幅值
