摘要： 當(dāng)前智能化采煤機已具有三維定位、記憶截割和遠程監(jiān)控等功能,但缺少采煤機作業(yè)區(qū)域誤入人員的檢測和預(yù)警保護功能,人員精確檢測是亟待解決的關(guān)鍵問題之一。受綜采工作面低照度、工況環(huán)境復(fù)雜多變影響,基于激光、射頻、超聲波等傳感器的煤礦機電裝備主動防撞預(yù)警技術(shù)應(yīng)用受限,基于可見光傳感器的防撞技術(shù)難以滿足準確性和穩(wěn)定性要求。搭建了基于紅外熱成像技術(shù)的采煤機作業(yè)區(qū)域人員精確檢測系統(tǒng)架構(gòu),進而提出了人員精確檢測方法:針對綜采工作面紅外圖像噪聲的高強度、不均勻特點,采用基于高斯掩碼改進的多級導(dǎo)向濾波模型有效濾除紅外圖像噪聲,并保留邊緣信息;基于Lucas-Kanade光流法提取動態(tài)背景下的移動前景目標運動信息;采用基于圖像局部信息權(quán)重的直覺模糊C均值聚類算法對采煤機作業(yè)區(qū)域紅外圖像信息進行分割,獲取移動目標位置信息;基于形態(tài)學(xué)加權(quán)投票法對移動目標運動信息提取結(jié)果和紅外圖像信息分割結(jié)果進行融合,實現(xiàn)采煤機作業(yè)區(qū)域人員精確檢測。在耿村礦21208綜采工作面進行井下工業(yè)性試驗,結(jié)果表明采煤機作業(yè)區(qū)域人員精確檢測方法對現(xiàn)場人員的跟蹤偏差平均值為0.1065像素,重疊比平均值為96.10%,平均單次處理時間為0.4908 s,滿足現(xiàn)場應(yīng)用需求。

摘要： 芯片封測在半導(dǎo)體芯片生產(chǎn)過程中占有重要的地位.為了檢測芯片的引腳、字符和表面劃痕等多種缺陷,搭建了高精度芯片圖片采集裝置,應(yīng)用形態(tài)學(xué)和數(shù)學(xué)理論相結(jié)合的圖像識別方法對芯片圖像進行缺陷識別.在檢測過程中首先對圖像進行灰度化、二值化、自動校正處理;其次以連通域為目標,定位引腳的中心,根據(jù)坐標特點進行分類,獲取引腳外接矩形的長、寬、面積等信息,同時利用閉運算和開運算對圖像進行處理,并尋找封裝邊界,從而將芯片分割成引腳區(qū)域和字符區(qū)域;接著對引腳圖像進行去噪和圖像銳化;然后根據(jù)引腳圖像的特征,進行基于圖像像素點變化的引腳內(nèi)外側(cè)圖像的切割;最后利用連通域法確定引腳位置并利用各種缺陷的特點實現(xiàn)各類芯片引腳缺陷的識別和檢測.本芯片引腳缺陷檢測方法,適用于多類型小樣本芯片的引腳缺陷檢測,對于基于神經(jīng)網(wǎng)絡(luò)的芯片檢測方法是一種有益的補充,對于芯片的研究和生產(chǎn)環(huán)節(jié)的檢測都具有指導(dǎo)意義.

摘要： 利用科學(xué)測繪技術(shù)繪制的近代地圖作為一類珍貴的歷史地理資料,不同程度上反映著過去的地表覆蓋情況,數(shù)字化則是復(fù)原地圖所載地表覆蓋信息的重要途徑。以《華東·上?！返貓D為例,實現(xiàn)并驗證一種基于機器學(xué)習(xí)和圖像形態(tài)學(xué)的彩色近代地圖數(shù)字化方法。結(jié)果表明,該方法能夠充分挖掘地圖中的顏色信息和形態(tài)結(jié)構(gòu)信息,以半自動方式快速準確地將彩色近代地圖中的地表水體信息提取出來。該方法對數(shù)字化一類彩色近代地圖具有參考價值,有望為精準復(fù)原近代以來地表覆蓋變遷,深入理解人地關(guān)系變化提供數(shù)據(jù)和方法基礎(chǔ)。

摘要： 針對主動聲吶B顯圖像呈“滿天星”狀從而導(dǎo)致人工提取目標困難的問題,本文在分析B顯圖像干擾分布特點和界定疑似目標概念的基礎(chǔ)上,綜合運用圖像分割、圖像形態(tài)學(xué)、統(tǒng)計擬合與檢測等技術(shù),提出一種疑似目標自動拾取算法。研討了圖像自動調(diào)亮與二值化、形態(tài)學(xué)閉運算與前景背景標定、雙閾值檢測與綜合篩判等算法關(guān)鍵環(huán)節(jié)的設(shè)計與實現(xiàn),并使用海試數(shù)據(jù)對算法性能進行了檢驗。結(jié)果表明:本文算法能自動區(qū)分B顯圖像的前景和背景區(qū),從中穩(wěn)定可靠地自動拾取疑似目標,漏報率低。

摘要： 天饋線系統(tǒng)是否穩(wěn)定直接影響廣播信號的傳遞質(zhì)量.由于傳統(tǒng)的天饋線系統(tǒng)人為檢修無法對其鋼架結(jié)構(gòu)裂縫缺陷給出精準識別,所以精確的鋼架結(jié)構(gòu)缺陷檢測程序是急需解決的問題,本文提出天饋線系統(tǒng)缺陷檢測程序設(shè)計研究的基本框架與思路,并對技術(shù)特性進行分析,設(shè)計了天饋線系統(tǒng)鋼架支撐結(jié)構(gòu)缺陷檢測程序設(shè)計的識別方法,應(yīng)用相關(guān)圖像形態(tài)學(xué)的缺陷檢測算法對鋼架結(jié)構(gòu)表面缺陷檢測程序設(shè)計仿真,對其進行檢測之后,檢測結(jié)果輸出精確.

摘要： 天饋線系統(tǒng)是否穩(wěn)定直接影響廣播信號的傳遞質(zhì)量。由于傳統(tǒng)的天饋線系統(tǒng)人為檢修無法對其鋼架結(jié)構(gòu)裂縫缺陷給出精準識別,所以精確的鋼架結(jié)構(gòu)缺陷檢測程序是急需解決的問題,本文提出天饋線系統(tǒng)缺陷檢測程序設(shè)計研究的基本框架與思路,并對技術(shù)特性進行分析,設(shè)計了天饋線系統(tǒng)鋼架支撐結(jié)構(gòu)缺陷檢測程序設(shè)計的識別方法,應(yīng)用相關(guān)圖像形態(tài)學(xué)的缺陷檢測算法對鋼架結(jié)構(gòu)表面缺陷檢測程序設(shè)計仿真,對其進行檢測之后,檢測結(jié)果輸出精確。

摘要： 格雷碼—相移組合結(jié)構(gòu)光測量形式是一種常用的三維(3D)測量技術(shù),在實際應(yīng)用過程中,格雷碼和相移解碼結(jié)果經(jīng)常會出現(xiàn)周期未保持嚴格一致的現(xiàn)象,習(xí)慣稱此現(xiàn)象為周期錯位.這種現(xiàn)象會導(dǎo)致解碼結(jié)果無法達到對目標圖像進行連續(xù)單值的測量空間劃分目的,進而影響點云匹配的精度.首先針對這種現(xiàn)象提出了一種新的形態(tài)學(xué)校正方法,對格雷碼結(jié)果圖像進行相應(yīng)的膨脹、腐蝕和卷積等處理;最終獲得周期與相移解碼周期一致的格雷碼結(jié)果,消除絕對相位計算過程中的錯位誤差.其次針對所提出的校正方法,搭建了雙目結(jié)構(gòu)光測量系統(tǒng),完成了對三維實體模型的點云重構(gòu)實驗.最終通過對比分析未校正的結(jié)果和校正后的結(jié)果,驗證了本文方法的有效性和可靠性.

摘要： 互聯(lián)網(wǎng)時代逐漸改變了人們的生活習(xí)慣,許多眼鏡店都有了相應(yīng)的網(wǎng)店.但由于網(wǎng)絡(luò)購物形式的特定性,導(dǎo)致店家無法主動獲得消費者的近視度數(shù)和瞳距等主要信息,從而無法為消費者制定一款合適的眼鏡.本應(yīng)用程序?qū)崿F(xiàn)了測量瞳孔距離的功能,可以讓用戶在網(wǎng)店配眼鏡時提供本人的瞳距信息.測量瞳距功能主要使用了OpenCV計算機視覺庫的分類器,并在此基礎(chǔ)上通過圖像形態(tài)學(xué)處理的方法對瞳孔進行準確的定位.

摘要： 針對機器對檳榔點鹵出現(xiàn)漏點或者點空的情況,提出了一種基于H分量的圖像分割方法來識別檳榔.將采集到的RGB彩色圖像進行伽馬增強再轉(zhuǎn)換至HSV顏色空間,分離HSV顏色空間得H通道圖像,再對H分量圖像進行O tsu圖像分割處理,結(jié)合圖像形態(tài)學(xué)和區(qū)域生長法去除二值圖像中出現(xiàn)的孔洞和小連通區(qū)域,最后通過繪制矩形框操作對識別出的檳榔進行標注.結(jié)果表明,該方法能完整地將檳榔從背景中分割出,且不會出現(xiàn)過度分割或者分割不足的問題.

摘要： 圖像形態(tài)學(xué)是一種非線性處理和分析理論,其系統(tǒng)性和嚴密性不亞于傳統(tǒng)的線性理論.圖像形態(tài)學(xué)本身是對傳統(tǒng)理論的延拓,使得經(jīng)典的方法得以在一個新的、統(tǒng)一的層次上進行分析,從而幫助我們從不同的側(cè)面更深入地了解經(jīng)典算法的性質(zhì),并在更廣的范圍,以更靈活的方式對它們進行改進,形態(tài)學(xué)基于探測的基本思想,從集合的角度來刻畫和分析對象,確實反映了自然界中一類相當(dāng)普遍的現(xiàn)象,這一新視點的選擇使其開辟了一個新應(yīng)用天地,使我們在利用可視化技術(shù)的同時提高其描述問題的精確性成為可能.本項目就是通過綜合利用測井、地質(zhì)、試采數(shù)據(jù),基于圖像形態(tài)學(xué)理論并結(jié)合科學(xué)計算可視化技術(shù),建立相應(yīng)的油田構(gòu)造模型,從而把各種數(shù)據(jù)的優(yōu)勢和互補性綜合起來加以利用,從中獲取更直觀的油田地質(zhì)構(gòu)造信息,使不可見的數(shù)據(jù)變成更為確切的解釋和描述,為油田進一步的開發(fā)提供更詳細的指導(dǎo)信息.

摘要： 色域匹配的作用是在圖像跨設(shè)備再現(xiàn)時，將其色彩映射到目的設(shè)備色域內(nèi)。為提高色域匹配后圖像的色彩精度和彩度，并保持原圖對比度，提出一種依據(jù)圖像特征進行分區(qū)域匹配的算法。新算法根據(jù)圖像特征構(gòu)造圖像分割濾波器，將圖像分割為色彩連續(xù)變化區(qū)域和純色區(qū)域，然后在圖像色彩連續(xù)變化區(qū)域采用壓縮算法，以保持對比度;rn 在純色區(qū)域采用裁剪算法，以保證色彩精度和彩度。實驗結(jié)果表明，提出的算法同時保有壓縮算法和裁剪算法的優(yōu)點，明顯改善了色域匹配后的圖像色彩質(zhì)量。

摘要： 色域匹配的作用是在圖像跨設(shè)備再現(xiàn)時，將其色彩映射到目的設(shè)備色域內(nèi)。為提高色域匹配后圖像的色彩精度和彩度，并保持原圖對比度，提出一種依據(jù)圖像特征進行分區(qū)域匹配的算法。新算法根據(jù)圖像特征構(gòu)造圖像分割濾波器，將圖像分割為色彩連續(xù)變化區(qū)域和純色區(qū)域，然后在圖像色彩連續(xù)變化區(qū)域采用壓縮算法，以保持對比度;rn 在純色區(qū)域采用裁剪算法，以保證色彩精度和彩度。實驗結(jié)果表明，提出的算法同時保有壓縮算法和裁剪算法的優(yōu)點，明顯改善了色域匹配后的圖像色彩質(zhì)量。

摘要： 色域匹配的作用是在圖像跨設(shè)備再現(xiàn)時，將其色彩映射到目的設(shè)備色域內(nèi)。為提高色域匹配后圖像的色彩精度和彩度，并保持原圖對比度，提出一種依據(jù)圖像特征進行分區(qū)域匹配的算法。新算法根據(jù)圖像特征構(gòu)造圖像分割濾波器，將圖像分割為色彩連續(xù)變化區(qū)域和純色區(qū)域，然后在圖像色彩連續(xù)變化區(qū)域采用壓縮算法，以保持對比度;rn 在純色區(qū)域采用裁剪算法，以保證色彩精度和彩度。實驗結(jié)果表明，提出的算法同時保有壓縮算法和裁剪算法的優(yōu)點，明顯改善了色域匹配后的圖像色彩質(zhì)量。

摘要： 色域匹配的作用是在圖像跨設(shè)備再現(xiàn)時，將其色彩映射到目的設(shè)備色域內(nèi)。為提高色域匹配后圖像的色彩精度和彩度，并保持原圖對比度，提出一種依據(jù)圖像特征進行分區(qū)域匹配的算法。新算法根據(jù)圖像特征構(gòu)造圖像分割濾波器，將圖像分割為色彩連續(xù)變化區(qū)域和純色區(qū)域，然后在圖像色彩連續(xù)變化區(qū)域采用壓縮算法，以保持對比度;rn 在純色區(qū)域采用裁剪算法，以保證色彩精度和彩度。實驗結(jié)果表明，提出的算法同時保有壓縮算法和裁剪算法的優(yōu)點，明顯改善了色域匹配后的圖像色彩質(zhì)量。

摘要： 色域匹配的作用是在圖像跨設(shè)備再現(xiàn)時，將其色彩映射到目的設(shè)備色域內(nèi)。為提高色域匹配后圖像的色彩精度和彩度，并保持原圖對比度，提出一種依據(jù)圖像特征進行分區(qū)域匹配的算法。新算法根據(jù)圖像特征構(gòu)造圖像分割濾波器，將圖像分割為色彩連續(xù)變化區(qū)域和純色區(qū)域，然后在圖像色彩連續(xù)變化區(qū)域采用壓縮算法，以保持對比度;rn 在純色區(qū)域采用裁剪算法，以保證色彩精度和彩度。實驗結(jié)果表明，提出的算法同時保有壓縮算法和裁剪算法的優(yōu)點，明顯改善了色域匹配后的圖像色彩質(zhì)量。

摘要： 本發(fā)明涉及灰度圖像處理技術(shù)領(lǐng)域，具體公開了一種可重構(gòu)灰度形態(tài)學(xué)圖像處理器及其灰度運算電路和實現(xiàn)形態(tài)學(xué)運算的方法；本發(fā)明所公開的可重構(gòu)灰度形態(tài)學(xué)圖像處理器，包括總線接口、處理器輸入控制模塊、輸出控制模塊、可重構(gòu)灰度圖像運算模塊、配置寄存器組和控制邏輯單元；其結(jié)構(gòu)簡單、資源少、速度快、易于移植。在此結(jié)構(gòu)基礎(chǔ)上還構(gòu)建了可重構(gòu)灰度形態(tài)學(xué)圖像處理器；提供了灰度形態(tài)學(xué)運算在此處理器上的實現(xiàn)方法。本發(fā)明能夠靈活的實現(xiàn)多種灰度形態(tài)學(xué)運算，結(jié)構(gòu)簡單規(guī)則，處理速度快，能夠?qū)Υ蠓直媛实幕叶葓D像進行實時處理。

摘要： 本發(fā)明提供了數(shù)字圖像的形態(tài)學(xué)處理方法和數(shù)字圖像處理裝置。該數(shù)字圖像的形態(tài)學(xué)處理方法包括：判斷所述數(shù)字圖像中的待檢測像素點是否為邊界點；若所述待檢測像素點為邊界點，判斷所述待檢測像素點是否為方向膨脹點；若所述待檢測像素點為所述方向膨脹點，則根據(jù)所述待檢測像素點的位置和第一方向膨脹矩陣，將所述數(shù)字圖像中的第一像素點集合中的像素點的像素值賦值為所述第一像素值。本發(fā)明提供的數(shù)字圖像的形態(tài)學(xué)處理方法和數(shù)字圖像處理裝置，可以簡單、快速地對數(shù)字圖像進行形態(tài)學(xué)處理。

摘要： 本發(fā)明涉及一種利用數(shù)學(xué)形態(tài)學(xué)切換變換構(gòu)造形態(tài)學(xué)對比度算子的礦物圖像增強方法，它有五大步驟：首先，利用基于形態(tài)學(xué)開、閉運算的形態(tài)學(xué)切換變換構(gòu)造形態(tài)學(xué)對比度算子；其次，通過構(gòu)造的形態(tài)學(xué)對比度算子提取圖像中的重要礦物特征；然后，在引入形態(tài)學(xué)多尺度運算的基礎(chǔ)上，進行重要礦物特征提取的多尺度擴展；隨后，由多尺度特征產(chǎn)生最終的礦物圖像特征；最后，將提取得到的最終礦物圖像特征引入原始礦物圖像，達到有效增強礦物圖像的目的。本發(fā)明廣泛應(yīng)用于各類基于礦物圖像的應(yīng)用系統(tǒng)，具有廣闊的市場前景與應(yīng)用價值。

摘要： 本發(fā)明涉及灰度圖像處理技術(shù)領(lǐng)域，具體公開了一種可重構(gòu)灰度形態(tài)學(xué)圖像處理器及其灰度運算單元和實現(xiàn)形態(tài)學(xué)運算的方法；本發(fā)明所公開的可重構(gòu)灰度形態(tài)學(xué)圖像處理器，包括總線接口、處理器輸入控制模塊、輸出控制模塊、可重構(gòu)灰度圖像運算模塊、配置寄存器組和控制邏輯單元；其結(jié)構(gòu)簡單、資源少、速度快、易于移植。在此結(jié)構(gòu)基礎(chǔ)上還構(gòu)建了可重構(gòu)灰度形態(tài)學(xué)圖像處理器；提供了灰度形態(tài)學(xué)運算在此處理器上的實現(xiàn)方法。本發(fā)明能夠靈活的實現(xiàn)多種灰度形態(tài)學(xué)運算，結(jié)構(gòu)簡單規(guī)則，處理速度快，能夠?qū)Υ蠓直媛实幕叶葓D像進行實時處理。

摘要： 本發(fā)明提供了數(shù)字圖像的形態(tài)學(xué)處理方法和數(shù)字圖像處理裝置。該數(shù)字圖像的形態(tài)學(xué)處理方法包括：判斷所述數(shù)字圖像中的待檢測像素點是否為邊界點；若所述待檢測像素點為邊界點，判斷所述待檢測像素點是否為方向膨脹點；若所述待檢測像素點為所述方向膨脹點，則根據(jù)所述待檢測像素點的位置和第一方向膨脹矩陣，將所述數(shù)字圖像中的第一像素點集合中的像素點的像素值賦值為所述第一像素值。本發(fā)明提供的數(shù)字圖像的形態(tài)學(xué)處理方法和數(shù)字圖像處理裝置，可以簡單、快速地對數(shù)字圖像進行形態(tài)學(xué)處理。

摘要： 本發(fā)明公開了一種顱內(nèi)動脈瘤圖像的形態(tài)學(xué)參數(shù)的測量方法及裝置，能夠通過機器學(xué)習(xí)自動識別載瘤動脈血管名稱以及與該載瘤動脈相交的至少兩根血管的名稱，在自動識別出血管名稱后，根據(jù)臨床學(xué)知識庫可以自動識別載瘤動脈中的血液在載瘤動脈與兩根血管相交位置之間的血液流向，即可以自動識別出載瘤動脈上與兩根血管相交的兩個位置上的定位點之間的上下游關(guān)系，無需人工手動在載瘤血管的上游和下游給出兩點定位點來確定血流流向，提高測量的自動化程度。

摘要： 本發(fā)明公開了一種基于形態(tài)學(xué)圖像處理的柔性電路板缺陷檢測方法，檢測方法包括獲取待檢測電路板的實物圖像并對其進行去噪，再對去噪后的實物圖像進行自適應(yīng)二值化處理，并確定印刷線路的區(qū)域；根據(jù)印刷線路的區(qū)域生成參考圖像，再確定參考子區(qū)域集合，集合包括多個ImgRef_i；選取其中一個ImgRef_i，并確定Src_i；多印檢測的方法包括生成第一標記集合，集合包括多個Region1_i，選擇其中一個Region1_i，若腐蝕后的Region1_i尺寸大于預(yù)設(shè)的尺寸閾值，則Src_i內(nèi)存在多印缺陷，且缺陷區(qū)域為Region1_i；漏印檢測的方法包括生成SpotImg2，再根據(jù)區(qū)域標記確定Src_i內(nèi)的漏印區(qū)域。本發(fā)明提供的技術(shù)方案大大降低了FPC的形變對缺陷檢測的影響，并可以在數(shù)據(jù)較少的情況下保證檢測正確率高，同時檢測速度快。

摘要： 本發(fā)明屬于遙感圖像融合領(lǐng)域，具體涉及一種基于多尺度形態(tài)學(xué)梯度的自適應(yīng)簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的遙感圖像融合方法；該方法包括：獲取合成孔徑雷達圖像和多光譜圖像；對合成孔徑雷達圖像分別進行高斯曲率濾波分解和高斯濾波分解，得到小尺度圖像、大尺度圖像和基尺度圖像；對多光譜圖像進行色彩飽和強度變換，得到強度圖像；對基尺度圖像和強度圖像進行融合，得到近似圖像；將近似圖像、小尺度圖像和大尺度圖像融合，得到融合后的強度圖像；對融合后的強度圖像進行重構(gòu)，得到融合后的遙感圖像；本發(fā)明將尺度形態(tài)學(xué)梯度與自適應(yīng)簡化脈沖耦合神經(jīng)網(wǎng)絡(luò)結(jié)合，避免了塊狀效應(yīng)和圖像局部模糊的現(xiàn)象。

摘要： 本發(fā)明公開了圖像處理及計算機視覺技術(shù)領(lǐng)域的一種基于計算機圖形圖像形態(tài)學(xué)圖像分割方法，該基于計算機圖形圖像形態(tài)學(xué)圖像分割方法的具體步驟如下：S1：輸入采集圖像，并將采集圖像的像素值轉(zhuǎn)化為灰度級范圍；S2：對原圖像進行平滑處理，并使用拉普拉斯算子對圖像邊緣進行檢測；S3：利用多尺度算子計算形態(tài)學(xué)梯度，求出濾波后圖像的局部極大值二值圖像并得到前景標記圖；S4：對圖像進行分水嶺切割，并利用評價指標對分割結(jié)果進行評價，本發(fā)明在處理較大圖像的分割時，耗費時間短，計算量小。

摘要： 本說明書實施例公開了一種基于圖像形態(tài)學(xué)智能分析的頁巖孔徑分布確定方法、裝置，所述方法包括：獲取目標頁巖儲層的孔隙結(jié)構(gòu)圖像，基于所述孔隙結(jié)構(gòu)圖像確定圓柱形孔隙的占比以及平板形孔隙的占比；基于孔隙空間全部為圓柱形孔隙或全部為平板形孔隙的極限假設(shè)，計算得到所述目標頁巖儲層在圓柱形孔隙極限假設(shè)下的極限孔徑數(shù)據(jù)、以及平板形孔隙極限假設(shè)下的極限孔徑數(shù)據(jù)；利用所述圓柱形孔隙的占比以及平板形孔隙的占比，對所述圓柱形孔隙極限假設(shè)下的極限孔徑數(shù)據(jù)、以及平板形孔隙極限假設(shè)下的極限孔徑數(shù)據(jù)進行融合處理，得到所述目標頁巖儲層的孔徑分布數(shù)據(jù)，從而可以提高頁巖儲層的儲氣能力分析結(jié)果的準確性以及效率。