目前在零件模型上容易将低曲率圆柱面的局部区域识别为平面，并且只能做到一种图元的快速准确检测。基于此，提出一种能够同时对平面和圆柱面进行精确快速检测的面向点云数据的面图元快速检测方法。该方法分为粗识别和精化两阶段：首先，将点云划分为小粒度基片，计算基片特征，粗识别出平面基片或圆柱面基片；之后，根据过滤条件将圆柱面基片邻近的平面基片过滤，合并具有相同特征的基片得到完整平面和圆柱面。使用5个机械零件数据进行实验验证，并将其与目前流行的两种识别方法进行比较。结果表明，该方法不会出现其他两种方法存在的遗漏和错误识别现象，同时在多圆柱面相连时的准确分割以及曲面参数精度上，优于其他两种方法。

牙菌斑是牙齿表面一层难以观测的生物膜, 是导致龋齿、牙龈炎等一系列疾病的直接诱因。牙菌斑的早期定量化无损检测具有重要的临床意义。短波长光激发下, 牙菌斑的细菌及其代谢产物可以产生自体荧光。基于前期成像系统的基础上, 采集大量牙菌斑在405nm蓝光激发下产生的红色荧光; 牙菌斑越成熟红色荧光强度越高; 采用改进的U-net网络对该红色荧光进行分割, 对分割出来的牙菌斑进行轮廓提取获得质心, 并利用区域生长算法分割出牙菌斑所附着的牙齿, 综合牙菌斑成熟程度及面积来评估牙菌斑指数。结果表明改进的U-net网络分割精度优于传统方法。将牙菌斑的面积和成熟程度结合对牙菌斑进行量化, 一定程度上可以消除人为诊断的差异性。

为了提高焊接作业的效率和焊接产品的质量, 减轻焊工工作强度以及改善恶劣的工作环境, 通过焊缝跟踪技术, 将相机采集到的焊缝图像传入计算机进行实时图像处理。提出一种区域生长的方法得到焊缝区域, 通过这种方法可以准确地提取出感兴趣的部分, 便于后续的图像处理。首先通过对相机采集的焊缝图像进行阈值化, 生成种子区域和候选区域, 将这两个区域合并生成待扩散区域, 再通过区域生长算法生成掩膜图像, 与原始图像相乘可得到只含焊缝区域的图像。最后进行边缘检测, 通过扫描白点像素和最小二乘法拟合直线的方法得到了带有边缘直线和中心线的焊缝图像。同时设计了焊缝实时处理系统, 可以快速地处理一批类似图像, 并且提取出焊缝的宽度、角度以及位置方便焊接的实时跟踪定位。最后对于图像处理算法的精度进行了验证实验, 发现处理精度较高。

点云数据分块是模型反求过程中的重要环节,分割优劣影响模型重建的效率和精度。微型复杂曲面零件由多个微小图形并列、交叉组合而成,特征点精简、图元识别难度大,是数据分割中的难点。根据模型造型特点,分离带状特征点的下边界点作为拟合特征线的真实特征点;由每个图元端点的邻近关系和端点附近特征点的排列趋势识别属于同一图形的图元;利用以边界为约束的区域生长算法和三角形叉积的算法分割同一曲面的点云。实验结果表明:该方法克服了现有方法处理微型复杂曲面点云时出现的过分分割和分割不足的问题,为高质量的模型重建提供了基础。

准确、快速地提取结构光条纹中心是三维测量系统中的关键问题。针对现存的结构光条纹中心提取精度与速度之间的矛盾,提出一种全新的基于海森(Hessian)矩阵与区域增长相结合的激光条纹中心提取方法。采用自适应阈值法提取图像的感兴趣区域,利用灰度值最大法确定像素级条纹中心的初始位置;利用Hessian矩阵求取初始点法线方向上的亚像素级光条中心点;将光条中心点作为种子点进行区域增长迭代运算,从而精确提取条纹中心。区域增长算法解决了传统方法中存在的大量高斯卷积运算的问题,提高了条纹中心的提取速度。实验结果表明,该算法提取的条纹中心准确度高,满足三维测量系统中实时在线的要求。该算法的均方差相比于灰度重心法降低了2.02 pixel,提取速度相比于Steger法提高了40倍。

为实现高功率激光驱动器中大口径光学元件表面疵病的低漏检率识别，针对微弱疵病的低信噪比特点，提出了改进的局部信号强度比自适应检测算法。利用信号图像中疵病与邻域非疵病区域的信号强度差异，构造了一类滤波模板对信号图像进行自适应局域增强，可有效提高疵病信号强度值和显著增强信号图像的疵病信噪比。对种子图像进行种子点的筛选与自适应区域生长，并进行精确提取完成损伤区域的完整分割。改进后的局部信号强度比算法能有效识别低信噪比微弱疵病，在全内反射暗场侧向照明成像条件下，可识别出约30 μm的疵病坏点。与现有的局部信号强度比算法相比具有更低的漏检率，结果表明等价圆直径在50 μm以上的损伤点的漏检率低于0.4%。

点云分割是点云数据处理的关键环节,区域生长因在三维点云分割中易于实现、便于使用而得到了广泛应用,然而由于点云特征的不确定性及种子点选取不合理导致传统区域生长法局部分割性能不稳定。针对此问题,提出一种改进的区域生长分割方法。通过估算点云数据曲率大小,并将曲率最小点设置为种子节点,即从点云数据最平坦的区域开始生长,以减少分段总数,再根据点云数据的局部特征确定生长准则。实验结果表明,该方法不仅能有效地对点云数据进行分割,而且解决了传统区域生长分割不稳定的问题,提高了点云分割的精确性和可靠性。

红外成像制导技术以其优越的性能成为当今制导**发展的主流，舰船红外图像的精确分割是后期舰船识别和跟踪的基础。针对红外舰船目标的有效分割问题，本文提出了一种基于自适应阈值的区域生长和形态学滤波相结合的红外舰船目标分割算法，首先，选取种子点在自适应阈值的情况下进行区域生长，然后将粗分割图像进行形态学滤波，最后运用几何学的图像处理方法，从分割图像中去除相应的背景干扰，提取出目标的有效信息。通过对实验结果进行分析，最终分割出来的图像交叠面积比达到98%以上，而误分百分比均为0%，即没有误分。实验结果表明该算法能够很好地运用于红外舰船目标分割。

高精度贴片机的视觉定位系统是提高贴片精度的关键。利用机器视觉技术分别对贴片元件和PCB板的位置及角度偏差进行检测。采用了以区域生长法为基础的元件中心和角度的计算方法，以最大内接矩形法计算了PCB板的中心和角度，从而得到了需要纠偏的位移和角度。实验验证元件中心的检测精度可达30 μm，算法处理总时间为63.6 ms，满足贴装元件定位检测系统对高速高精度的要求。

针对航拍沥青路面图像识别的噪声和干扰问题,提出一种应用于航拍图像的路面裂缝识别算法。根据路面区域与路旁景观区域灰度级数分布不同,采用多方向拟合的区域生长方法联合HSV颜色空间阈值进行路面区域分割,提取包含完整裂缝信息的单通道路面;再通过改进的形态学滤波剔除面积较大的干扰区域,利用结合显著性分析的边缘检测算法识别路面的裂缝片段,实现复杂裂缝与路面纹理噪声的区分;自动筛选存在裂缝的图像,针对裂缝可疑区域,结合人眼辅助观察标记并计算其长度。结果表明,该算法可有效剔除图像中的噪声和干扰,较好地识别沥青路面的裂缝,裂缝宽度的识别精度能达到9.7 mm,分类识别准确率大于80.0%,长度测量准确率大于75.0%。