苏州大学计算机科学与技术学院，江苏 苏州 215006
当前的椭圆检测算法均是针对灰度图像设计和实现的，在处理彩色图像时会抛弃很多有用信息，不利于获取更高质量的检测结果。为此，提出一种针对彩色图像的椭圆检测算法。首先，对图像的3个色彩通道以及加权灰度图分别进行椭圆检测，融合多通道的检测结果得到一个椭圆集合；然后，将同一椭圆在不同图像通道中的多重响应结果进行聚类，并合并成一个椭圆；最后，提出一种椭圆有效性的验证技术，该技术通过DiZenzo算子融合图像的色彩信息，由此提取椭圆支撑线段来判断椭圆的有效性，过滤掉无效的椭圆，得到最终的检测结果。实验结果表明，与现有算法相比，所提算法充分使用图像的色彩信息，显著提高了椭圆检测的效率，在标准数据集上的F-score明显优于当前检测算法。
图像处理 椭圆检测 彩色图像 椭圆聚类 椭圆验证 激光与光电子学进展
2023, 60(12): 1210018
1 新疆师范大学计算机科学技术学院, 新疆 乌鲁木齐 830054
2 大连理工大学计算机科学与技术学院, 辽宁 大连 116024
为了提高工业带钢的质量和产量,针对传统人工识别难度大、效率低和客观性不够等问题,提出了一种基于软注意力机制的带钢表面缺陷识别方法,对传统深度残差网络ResNet模型进行了改进,使用伪彩色图像增强技术处理图片,得到了新的训练集。实验结果表明,在不同信噪比情况下,相比于传统的模型,改进模型A-ResNet50和A-ResNet101都能准确识别不同类型的带钢表面缺陷图像,在测试集上的准确率分别为98.61%和98.05%,单位推断时间达到了0.078 s和0.130 s,证实了A-ResNet50和A-ResNet101模型在带钢表面缺陷识别上的可行性以及可靠性。所提出的方法识别精度高,实现了带钢表面缺陷的智能识别,同时满足工业识别需求。
图像处理 注意力机制 伪彩色图像 深度残差网络 缺陷识别 激光与光电子学进展
2021, 58(14): 1410014
1 中国科学院光电技术研究所, 四川 成都 610209
2 中国科学院大学, 北京 100039
传统的衍射光学元件(DOE)设计方法只适用于单个波长，但在全息投影显示、彩色图像生成等领域中往往需要多个DOE，系统较为复杂，很大地限制其应用范围。提出了一种新的DOE设计方法，利用该方法设计所得的单个DOE可以在多个波长的入射光下实现特定光场的输出。针对每个输入波长分别设计对应的DOE，以最长波长的DOE高度作为初始高度，结合加工工艺限制对该高度进行优化，使得每个入射波长对应的单波长DOE高度分布和多波长DOE高度分布之间的等效误差总和最小。利用该方法设计了用于彩色图像生成的DOE，分析了相关参数的取值范围对衍射效率和均方根误差的影响，并在最佳取值范围内进行了相应的数值仿真，仿真结果证明了该方法的可行性。
傅里叶光学 衍射元件 多波长 彩色图像 光学学报
2015, 35(10): 1005002
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
为了对彩色图像进行实时增强, 本文提出了采用基于插值的分段拉伸算法。首先将彩色RGB图像转换为HSV空间, 在该空间, 对图像直方图进行基于差值的分段拉伸处理, 以达到对图像增强的目的。经过该方法增强后的图像, 细节信息更加丰富, 图像的清晰度得到了改善, 图像的视觉质量也得到了明显提高。经过该算法增强后图像的灰度平均梯度值为直方图均衡化算法的1.95倍。应用现场可编程门阵列(FPGA) 为中央处理器,通过并行处理结构及流水线技术,完成图像空间的转换和图像的实时增强算法, 简化了系统设计, 使处理系统硬件更加紧凑, 运行更加可靠。给出了系统主要功能模块的实现方法, 经现场调试, 可完成每秒30帧×1 024×1 024×24 bit数据的处理, 与直方图均衡化等传统图像增强算法相比, 该算法计算时间缩短了0.807 ms。该系统具有集成度高、图像处理速度快和实时性强等特点。
彩色图像增强 分段拉伸 color images enhancement piecewise linear stretching FPGA FPGA
南开大学 现代光学研究所 光电信息技术科学教育部重点实验室,天津 300071
针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92％,召回率为87.4%.
文本定位 神经网络 小波变换 彩色图像 Text location Neural network Wavelet transform Color images
