1 重庆大学光电技术及系统教育部重点实验室, 重庆 400044
2 西南大学电子信息工程学院, 重庆 400715
为了解决复杂环境下红外人体目标分割应用中当前脉冲耦合神经网络(PCNN)方法常出现的噪声适应性差、目标边缘细节模糊等问题,提出了改进的PCNN方法。根据红外噪声特点,利用加权均值滤波和各向异性高斯滤波设计了模型反馈输入域的权值矩阵;采用改进的拉普拉斯分量绝对和表示PCNN的连接强度参数,从而实现了该参数的自适应设置;用点火区域平均灰度值构建动态阈值的方法,实现了PCNN模型的迭代控制。对IEEE OTCBVS和自拍数据库中的250余幅红外人体图像进行对比实验,结果表明,提出的方法能够有效抑制红外噪声,分割出带有较多边缘细节的人体目标,与其他PCNN分割方法相比,该方法还具有较优的平均概率兰德指数和较低的平均全局一致性误差。
机器视觉 红外图像分割 脉冲耦合神经网络 各向异性 拉普拉斯分量绝对和 噪声抑制
1 重庆大学 光电技术及系统教育部重点实验室, 重庆 400030
2 重庆大学 通信工程学院, 重庆 400030
介绍了一种桥梁拉索表面损伤缺陷的分布式视觉检测系统。系统以DSP (Digital Signal Processor) 芯片TMS320DM642(简称DM642)为核心处理器, 协同控制辅助机械装置, 实现拉索表面缺陷检测。提出并采用改进的中值滤波对CCD采集到的拉索表面图像进行图像预处理, 采用改进的Sobel边缘检测算法对缺陷进行边缘检测; 对分割后的缺陷目标进行决策判别, 实现桥梁拉索表面缺陷的智能检测。实验结果表明, 系统可检测出桥梁拉索表面损伤面积大于1cm2的缺陷, 处理速度达到了5cm/s, 满足了快速有效的检测要求。
机器视觉 桥梁拉索 表面缺陷检测 machine vision DSP DSP bridge cable surface defect inspection