（检测技术与自动化装置专业论文）指针仪表图像预处理技术研究.pdf

ad i s s e r t a t i o ns u b m i t t e dt og u a n g d o n gu n i v e r s i t yo ft e c h n o l o g y f o rt h ed e g r e eo fm a s t e ro fe n g i n e e r i n gs c i e n c e t h er e s e a r c ho nt h ep r e t r e a t m e n to fi m a g e t e c h n o l o g yf o r d i a li n s t r u m e n t m a s t e rc a n d i d a t e ：g u og u i f a s u p e r v i s o r ：p r o f w a n gr e n h u a n g m a y 2 0 1 0 f a c u l t yo fa u t o m a t i o n g u a n g d o n gu n i v e r s i t yo ft e c h n o l o g y g u a n g z h o u ，g u a n g d o n g ，p r c h i n a , 5 10 0 9 0 或非电量 指针式仪 图像往往 无法达到理想要求。在自然光下拍摄的仪表图像也会因光照不均而呈现大面积阴影 区域，大大增加图像后续处理的难度。此外，分析指针仪表图像可知有效信息和背 景的灰度均比较单一，非常容易引起光照不均、反射不均、曝光等光照问题，使采 集到的图像对比度比较差。 本文在架构好光照模型的基础上，主要研究仪表图像的预处理技术，具体体现 为在光照非均匀的仪表图像上增强隐藏在阴影区域内的信息，特别是针对中间出现 高光区域、两边出现阴影区域，且前景目标信息和背景对比度较差的图像，从而方 便仪表图像的后续处理，以使仪表平台达到自识别的要求。主要做了以下几个方面 的工作： 1 仪表图像的倾斜校正和定位分割： 分析采集到的指针仪表图像的特点，首先采用h o u g h 变换，检测出表盘区和非 表盘区相交的直线，判断其倾斜角度，然后旋转相应的角度进行倾斜校正。倾斜校 正后的仪表图像还包括表盘和周围装置部分无效信息等，为了后续图像处理能更好 更准确地提取出待识别信息，本文结合仪表面板的表盘和其他部件之间有比较明显 的分界的特征，采用最大类间方差法( o t s u ) 自动定位分割出仪表表盘。 2 仪表图像增强： 主要有两部分：改进的同态滤波和基于自适应多尺度r e t i n e x 理论的局部增强 算法。针对分割后的仪表图像，首先采用改进的同态滤波对分割后的图像进行预处 理，消除光照不均的影响。再通过基于自适应多尺度r e t i n e x 理论的局部增强算法， 有效增强了仪表图像中隐藏在大面积阴影区域的信息。 3 仪表图像去噪： 由于增强后的图像还留有大量噪声，严重影响图像后续特征的获取，通过分析 噪声产生的类型，对比研究了几种常见的去噪技术对于指针仪表的去噪效果，采用 硕士学位论文 有效去除仪表图像的噪声干扰。 的二值化效果。验证预处理的效果，采用 从而得到一幅干净的二值图像。 对指针仪表的一系列预处理之后，可以得 良好的基础，具有一定的实用价值。 强；图像去噪 a b s t r a c t a bs t r a c t c u r r e n t l y , p o i n t e ri n s t r u m e n ti sw i d e l yu s e di ni n d u s t r i a lm e a s u r e m e n ta n dc o n t r o l a r e a s ，i ti st h ei m p o r t a n ti n s t r u c t i o nt o o lf o rm e a s u r i n gt h ee x t e r n a le l e c t r i c a lq u a n t i t i e s o rn o n e l e c t r i c a lq u a n t i t i e ss i g n a l s h o w e v e r , s i n c et h es u r f a c eo ft h ep o i n t e ri n s t r u m e n t i sg l a s ss u r f a c e ，a n dt h em a i n w o r ki nav a r i e t yo fi n d u s t r i a lf i e l d ，i ti so f t e ni m p o s s i b l e t oo b t a i ni m a g e so ft h ei n s t r u m e n tt oa c h i e v et h ed e s i r e dr e q u i r e m e n t s t a k e ni nn a t u r a l l i g h t ，l i g h tm e t e ri m a g ew i l lb eu n e v e nd u et op r e s e n tl a r g es h a d e da r e a , g r e a t l y i n c r e a s i n gc o n t i n u ei m a g e p r o c e s s i n gm o r ed i f f i c u l t i na d d i t i o n ，t h ea n a l y s i so ft h e p o i n t e ri n s t r u m e n ti m a g e ，w ec a l ls e e 姐e f f e c t i v ei n s t r u m e n to fi n f o r m a t i o na n d b a c k g r o u n dg r a y - s c a l ea r er e l a t i v e l ys i m p l e ，v e r ye a s i l yl e a dt ou n e v e ni l l u m i n a t i o n ， r e f l e c t i n gu n e v e n ，l i g h te x p o s u r ea n do t h e rp r o b l e m s ，c a u s et h ei m a g e sc o n t r a s ti s r e l a t i v e l yp o o r i nt h i sp a p e r , a g o o df r a m e w o r kb a s e do nt h ei l l u m i n a t i o nm o d e l ，t h em a i nr e s e a r c h i n s t r u m e n ti m a g ep r e p r o c e s s i n gt e c h n i q u e s ，c o n c r e t ee x p r e s s i o nt oe n h a n c et h ei m a g e h i d d e ni nt h es h a d o wo ft h ei n f o r m a t i o nw h i c hw i t h i nt h er e g i o ni nt h en o n - u n i f o r m i l l u m i n a t i o no nt h ei n s t r u m e n t ，e s p e c i a l l yf o rt h em i d d l er e s u l t i n gi nh i g hl i g h ta r e a s a p p e a ro nb o t hs i d e so ft h es h a d o wr e g i o n , a n dt h ep r o s p e c t so fp o o rc o n t r a s tt a r g e t i n f o r m a t i o na n db a c k g r o u n di m a g e s ，t h u sf a c i l i t a t et h e f o l l o w - u pi n s t r u m e n ti m a g e p r o c e s s i n gp l a t f o r mt oe n a b l et h ei n s t r u m e n tt oa c h i e v es e l f - r e c o g n i t i o nr e q u i r e m e n t s m a j o rr e s e a r c ha c h i e v e m e n t sa n di n n o v a t i o n sa r ea sf o l l o w s ： 1 i n s t r u m e n ti m a g ec o r r e c t i o no fl e a na n do r i e n t a t i o n ： a c c o r d i n gt ot h ec h a r a c t e r i s t i c so ft h ep o i n t e ri n s t r u m e n ti m a g e ，f i r s tu s eo fh o u g h t r a n s f o r mt od e t e c tt h el i n ei n t e r s e c tw i t hd i a la n dn o n d i a l ，d e t e r m i n ei t st i l ta n g l e ，a n d t h e nt h e c o r r e s p o n d i n gr o t a t i o na n g l eo ft i l t c o r r e c t i o n l i n kt h ec h a r a c t e r i s t i ct h a t d i v i d i n gl i n ew i t hd i a la n dn o n - d i a l ，u s i n gm a x i m u mb e t w e e n c l a s sv a r i a n c e ( o t s u ) a u t o m a t i co r i e n t a t i o ns e g m e n tt h em e t e rd i a l 2 i n s t r u m e n ti m a g ee n h a n c e m e n t ： p r i m a r y , t h e r ea t et w op a r t s ，i m p r o v eo nh o m o m o r p h i cf i l t e ra n db a s e do na d a p t i v e 广东工业大学硕士学位论文 m u l t i - s c a l er e t i n e x f i r s t ，b yi m p r o v eo nh o m o m o 叩h i cf i l t e ro nt h ei n s t r u m e n ti m a g e a f t e rd i v i s i o n ，e l i m i n a t et h ei n f l u e n c eu p o ni n e q u a l i t y t h e nu s eb a s e do na d a p t i v e m u l t i - s c a l er e t i n e xt h e o r yo fl o c a le n h a n c e m e n ta l g o r i t h m ，e f f e c t i v e l ye n h a n c et h ei m a g e o f h i d d e ni nl a r g ei n s t r u m e n ts h a d o wr e g i o no fi n f o r m a t i o n 3 i n s t r u m e n ti m a g ed e n o i s i n g ： b e c a u s eo ft h ee n h a n c e d i m a g eh a s l e f tal a r g en u m b e ro fn o i s e ，i ts e r i o u s l y a f f e c t i n gt h ef o l l o w - u pc h a r a c t e r i s t i c so ft h ei m a g ea c q u i s i t i o n ，a f t e rc o m p a r a t i v es t u d y o fs e v e r a lc o m m o nn o i s es u p p r e s s i o nt e c h n i q u e ，a na l g o r i t h mi sp r o p o s e dt od e n o i s i n gi s w i e n e rf i l t e r 4 r e m o v ei n s t r u m e n t a t i o ni m a g er e f l e c t o r ： b yo t s um e t h o d a n d t h e i m a g e c o n t r a s t p r e t r e a t m e n te f f e c t v e r i f y t h e p r e t r e a t m e n te f f e c t ，u s em o r p h o l o g i c a lr e l a t e dm e t h o d so fr e m o v i n gi n s t r u m e n t a t i o n r e f l e c t o r , a n dg e tac l e a nb i n a r yi m a g e t h i ss y s t e ms i m u l a t i o ni su s em a t l a bp l a t f o r mp r o g r a m m i n g t h r o u g has e r i e so f p r e t r e a t m e n to fp o i n t e r si n s t r u m e n t ，w ec a ng e tc l e a rg r e yi m a g ew h i c hi sg o o df o rt h e i m a g e p r o c e s s i n g ，h a sc e r t a i np r a c t i c a lv a l u e k e yw o r d s ：m a c h i n ev i s i o n ，i m a g ep r e p r o c e s s i n g ，i m a g ee n h a n c e m e n t ，i m a g ed e n o i s e 目录 目录 摘要i a b s t r a c t iii 目录v c o n t e n t s 。，ili 第一章绪论1 1 1 本课题研究的背景和现实意义1 1 1 1本课题的研究背景1 1 1 2 本课题的研究意义2 1 2国内外发展现状3 1 2 1 机器视觉系统3 1 2 2 图像增强和去噪4 1 2 3 仪表图像分割5 1 3 本课题的主要研究内容7 1 4本文的组织结构7 第二章仪表图像的倾斜校正和定位分割9 2 1 仪表倾斜校正9 2 2 表盘定位研究1 0 2 3 本章小结1 2 第三章仪表图像增强技术研究13 3 1 引言13 3 2 常见图像增强算法1 4 3 2 1 直接灰度变换1 4 3 2 2 直方图修正15 3 2 3 基于梯度场重建的图像增强方法1 7 v 广东工业大学硕士学位论文 3 2 4 同态滤波算法1 9 3 2 5r e t i n e x 图像增强算法2 0 3 3 改进的同态滤波算法2 3 3 4 基于自适应多尺度r e t i n e x 增强算法2 4 3 4 1m s r 算法简介2 4 3 4 2m s r 算法尺度的选择2 5 3 4 3m s r 自适应算法增强处理2 7 3 5实验结果及分析2 8 3 6 本章小结3 1 第四章仪表图像去噪技术研究3 2 4 1引言3 2 4 2图像去噪技术综述3 2 4 2 1 退化及其退化模型3 2 4 2 2 图像噪声的来源与分类3 3 4 3 仪表图像去噪技术3 5 4 3 1 常见的去噪方法3 5 4 3 2 基于维纳滤波的图像去噪方法3 7 4 4本章小结4 0 第五章仪表图像二值化研究4 2 5 1图像二值化分割4 2 5 1 1 图像二值化简介一4 2 5 1 2 基于o t s u 图像二值化方法4 2 5 2 表盘反射镜的消除4 4 5 3 本章小结4 6 第六章仪表图像识别系统4 7 6 1系统平台的硬件架构4 7 6 2 基于m a t l a b 算法调试平台软件4 8 6 3本章小结4 9 5 0 5 0 5 2 5 7 独创性声明5 8 致谢5 9 广东工业大学项士学位论文 c o n t e n t s a b s t r a c t ( c hin e s e ) i a b s t r a c t ( e n gi s h ) i ii c o n t e n t s ( c hin e s e ) v c o n t e n t s ( e n g iis h ) v i ii c h a p t e r 1ln t r o d u c tio n 1 1 1t h eb a c k g r o u n da n dr e a l i s mm e a n i n go ft h ep r o b l e mr e s e a r c h 1 1 1 1r e s e a r c hb a c k g r o u n do f t h i st o p i c 1 1 1 2 s i g n i f i c a n c eo f t h er e s e a r c hp r o j e c t s 2 1 2t h ed e v e l o p m e n to ft h es t a t u sq u oa th o m ea n da b r o a d 3 1 2 1 t h es y s t e mo ft h em a c h i n ev i s i o n 3 1 2 2 i m a g ee n h a n c e m e n ta n dd e n o i s i n g 4 1 2 3 d i a li n s t r u m e n ti m a g ed i v i s i o n 5 1 3t h em a i nr e s e a r c hc o n t e n t 7 1 4t h es t r u c t u r eo ft h i st h e s i s 7 c h a p t e r2d iaiin s t r u m e n tim a g ec o r r e c tio no fl e a na n do rie n t a tio ndivisio n 9 2 1c o r r e c t i o no fl e a nd i a li n s t r u m e n ti m a g e 9 2 2t h er e s e a r c ho fi n s t r u m e n td i a li m a g eo r i e n t a t i o n 10 2 3 s u m m a r yo ft h i sc h a p t e r 12 c h a p t e r3t h er e s e a r c ho f d i a i i n s t r u m e n ti m a g ee n h a n c e m e n t 1 3 3 1 i n t r o d u c t i o n 13 3 2g e n e r a li m a g ee n h a n c e m e n t 1 4 3 2 1 d i r e c tg r a yt r a n s f o r m a t i o n 1 4 3 2 2h i s t o g r a mc o r r e c t i o n 15 3 2 3e n h a n c e m e n tf r o mg r a d i e n td o m a i ne n l a r g e m e n t 17 v i 4 2 1 d e g e n e r a t ea n dd e g e n e r a t em o u l d 3 2 4 2 2 i m a g en o i s es o u r c ea n dc l a s s i f i c a t i o n 3 3 4 3d i a li n s t r u m e n ti m a g ed e n o i s i n g 3 5 4 3 1g e n e r a li m a g ed e n o i s i n g 3 5 4 3 2 i m a g ed e n o i s i n gb a s e do nw i e n e rf i l t e r 3 7 4 4 s u m m a r yo ft h i sc h a p t e r 4 0 c h a p t e r5b i n a ri z a t i o no fd i a ii n s t r u m e n ti m a g e 4 2 1 ；1 b i n a r yi m a g es e g m e n t a t i o n 4 2 1 ；1 1i n t r o d u c t i o nb i n a r i z a t i o no f i m a g e 4 2 1 ；1 2b i n a r i z a t i o no f i m a g eb a s e do no t s u 4 2 1 ；2r e m o v ed i a l sr e f l e c t o r 4 4 5 3 s u m m a r yo ft h i sc h a p t e r 4 6 c h a p t e r6s y s t e mo fd i a ii n s t r u m e n ti m a g er e c o g n i t i o n 4 7 6 1h a r d w a r es t r u c t u r eo fp l a t f o n n 4 7 6 2s o f t w a r ep l a t f o r i i lb a s e d0 1 1m a t l a b 4 8 6 3 s u m m a r yo ft h i sc h a p t e r 4 9 c o n ciu sio na n dp r o s p e c t 5 0 c o n c l u s i o n 5 0 p r o s p e c t 5 0 r e f e r e n c e s 5 2 p u bl js ha n da w a r dlis t s 5 7 a n n o u n c e m e n to fo rigin aic r e a tio n 5 8 a c k n o w le d g e m e n t 5 9 x 绪论 绪论 义 机器视觉是研究计算机模拟生物宏观视觉功能的科学和技术，是用摄像机和计 算机等机器代替人眼对目标进行检测、跟踪和识别，并加以判断【l 】。机器视觉系统 是指通过机器视觉产品( 即图像摄取装置，分c m o s 和c c d 两种) 将被摄取目标 转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息， 转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根 据判别的结果来控制现场的设备动作( ：l 。机器视觉系统的特点是提高生产的柔性和 自动化程度。在一些不合适于人工作业的危险工作环境或人工视觉难以满足要求的 场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉 检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生 产的自动化程度【，】。而且机器视觉易于实现信息集成，是实现计算机集成制造的基 础技术。正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易 于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机 器视觉系统广泛地用于工业检测、工业探伤、精密控制、自动生产流水线、邮政自 动化、粮食优选、显微医学操作，以及各种危险场合工作的机器人等领域【i 】【6 】。 仪表自识别技术作为机器视觉技术一个重要方面，对机器视觉技术的发展起到 积极作用，其自识别技术的关键在于仪表图像的预处理、特征的抽取和有效信息的 识别三个阶段。针对不同的仪表图像，这三个阶段中使用的算法可能会有不同，但 每个阶段所要达到的目的都是相同的。图像预处理是为了方便特征抽取的实现，特 征抽取则是为了数字识别的实现。由于离散数学理论的创立、发展，数字图像处理 技术得到了迅猛的发展，图像预处理和特征抽取方法也日趋完善。同时，随着模式 识别的发展，数字识别算法的适应性也越来越强，如今已有很多成功的数字识别应 用系统投入生产实际。相关技术的发展促进了仪表图像处理应用的深入，仪表图像 广东工业大学硕士学位论文 处理应用的诸多优点反过来又进一步推动了仪表图像处理技术的发展，二者相辅相 成，使仪表图像处理技术进入了前所未有的高速发展阶段【- 1 。 仪表图像预处理一般可分为滤波降噪和目标增强。抑制背景噪声的方法可以分 为空域和频域，如邻域平均、低通滤波、自适应滤波及中值滤波等”7 】。但图像平滑 处理后会损失许多细节，对后续特征的抽取带来很大的困难，因此需要对目标的轮 廓及边缘进行增强。目标增强的方法有多种，包括图像直接灰度变换，直方图处理、 基于r e t i n e x 图像增强算法论的图像增强、基于梯度场放大的图像增强等等。 目前，存在的自动图像分割技术可以分为：阈值分割技术、基于边缘的技术、 基于区域的技术、混合技术等4 类。其中阈值化方法因其简单、计算量小、性能较 稳定而成为图像分割中应用最广泛的分割技术。 1 1 2 本课题的研究意义 指针式仪表是由测量线路和测量机构两部分组成的，当被测量通过测量线路变 成测量机构所能接受的量时，该量驱动测量机构运动，从而指出被测量的大小。目 前在工业测量和控制领域中，指针式仪表仍被广泛应用，成为测量外部电量或非电 量信号的重要指示工具。因此，如何利用机器视觉技术，实现对指针式仪表的自动 判读仪表的读数具有重要的现实意义。 1 目前在我国的工业生产领域，模拟式指示仪表如电压表、电流表、功率表等 由于结构简单，安装维护方便，具有防尘、防水、防寒、不受电磁场干扰、可靠性 高、价格便宜等优点，仍是工业生产中的重要检测工具，应用范围非常广泛。为了 保证产品的质量，需要定期对指针式仪表进行检定。这类仪表的检定目前还主要依 靠手工操作，检定人员根据检定规程的要求对指针式仪表上不同量限和分度线逐个 检定，这是一项非常复杂和繁琐的重复性劳动，效率低，工作强度大。检定受检定 人员的操作经验、操作习惯和精神状态等主观因素的影响，随机误差很大，检测精 度不高。随着机器视觉技术的发展，利用计算机对这类指针式仪表进行自动检定成 为可能。将机器视觉技术应用到指针式仪表的检定系统中，会大大地提高检定的效 率和精度，减少检定人员的劳动强度，推动机器视觉技术在高精度工业检测领域的 应用，也有利于将来机器视觉检测系统的研究和探索【s 】。 2 不同的指针表图像处理系统，在具体处理一幅待识别的仪表图像时，并不完 全相同。但是就一般情况看，一个完整的指针表图像处理系统，在识别时需要经过 2 1 2国内外发展现状 图 强 于 关 好 其 指针仪表自识别技术本质上属于机器视觉技术的范畴。与其类似的领域包括电 子元器件检测、指纹识别、人脸识别、汽车牌照自动识别、身份证号码自动识别等， 国内外在这些方面已开展了比较深入的研究，并获得了大量的研究成果，出现了许 多比较成熟、得到了广泛应用的产品。这些都是机器视觉技术日趋成熟的重要体现， 对本课题的研究具有重要的借鉴价值【7 】。 1 2 1 机器视觉系统 机器视觉的研究已有四十多年的历史，并形成了很多学派，较为著名的有以美 国m i t 的m a r r 为首的重建学派。重建学派是目前机器视觉的主流学派，他们的观点 是：机器视觉的具体目标应该根据一个景物的- - n 几幅图像定量地、精确地决定场 景中物体的位置、形状、物理特性等，从而能够对景物进行3 d 重建【2 】。 目前，机器视觉广泛应用在工业当中，而近8 0 的工业视觉系统主要用在检测 方面，包括控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集 成于检测功能中。应用在生产线上检测的机器视觉产品大多分布在烟草行业、电子 3 广东工业大学硕士学位论文 行业的电路板检测、物件缺陷表面检测、安防系统等。在国内外，基于机器视觉中 的数字识别技术具有很高的应用价值。有关的研究成果已经在邮政编码识别、汽车 车牌识别、手写票据金额识别等领域得到了较广泛的应用，但是在仪表识别方面， 还处于研究阶段。 c o r r aa l e g r i a 等人详细描述了利用机器视觉系统对这类模拟指针式仪表的检定 的过程。该系统首先采用摄像头采集全局的表盘图像，然后通过两个不同指针位置 的图像相减去掉相同的图像信息，再利用h o u g h 变换得到指针的角度，之后将原始 得到的图像做几何变换，使表盘上的刻度线可以成为一条水平线并与指针垂直，最 后得到指针的读数 3 4 1 。2 0 0 4 年，卢艳等人提出了一种基于机器视觉的模拟指针式仪 表的自动检定系统的实现方法。该系统试图消除人的视觉误差造成的对读数的影响， 提高检定的效率。在这个系统中采用了图像处理、分析等机器视觉技术来实现对模 拟表的自动读数【5 】。2 0 0 7 年，龚雄文、范江涛等人运用机器视觉等技术设计一种指 针式仪表的自动检定系统，实现指针式仪表图像的自动采集、处理、读数识别，并 进行数据分析、合格判断、报表打印等功能。但该系统也存在系统环境要求较高， 仪表精度较低等问题【p 7 1 。 在上述的这些机器视觉系统中，图像采集系统的设计都面临一个难题：如何排 除外界环境噪声的干扰得到清晰的图像。刘焕军等人介绍了图像采集系统的构成以 及在机器视觉中的重要性，介绍了图像采集系统中关于摄像机、镜头、图像采集卡 和光源等方面的诸多实用技术，论述了设计图像采集系统时要注意的问题和原则f 。】。 1 2 2 图像增强和去噪 在国内外的研究中，灰度直方图是仪表图像增强和去噪最简单、有用的工具， 它描述了一副图像的灰度级内容。任何一幅图像的直方图都包括了可观的信息。灰 度直方图就是反映图像中灰度级与出现这种灰度的概率之间关系的图矽t 】。直方图 处理包括均衡化、规定化等，是通过对原图像进行某种变换，使变换后图像的直方 图能均匀分布，这样就能使原图像中具有相近灰度，而且也能使占有大量像素点的 区域之灰度范围展宽，从而使得大区域中的微小灰度变化显现出来，使图像更清晰 【l l m l 。此外图像对比度增强的方法还包括基于r e t i n e x 理论的图像增强f 1 3 q 6 】、基于梯 度场放大的图像增强”删等。 4 第一章绪论 s z h a n g 等人在2 0 0 2 年提出了一种基于非线性神经网络滤波器。该滤波器能够 滤除高斯噪声和脉冲噪声，并能增强噪声破坏的数字图像边缘。图像平滑和边缘检 测结果相结合，得到噪声减少和边缘增强的结果。使用分层神经网络，对图像进行 平滑和边缘检钡, d 1 2 们。边缘检测是受噪声干扰的数字图像中一种最基本也是最重要的 处理环节。如果边缘检测在滤波之后，滤波则使原始信号受噪声干扰的边缘不能正 常提取。h i r o a k ii s h i i 在2 0 0 0 年采用模糊推理方法，从脉冲噪声和高斯噪声的数字 图像中进行降噪和边缘检测。他所采用的方法分两部分：第一，估计脉冲噪声的物 理量，然后结合高斯噪声进行边缘检测；第二，结合模糊推理结果，从噪声图像中 提取边缘信息 2 1 1 。2 0 0 1 年，王建中等人指出，中值滤波可较好地滤除脉冲噪声， d a u b e c h i e s 小波变换可较好地滤除高斯噪声，两者相结合能有效滤除图像中脉冲噪 声和高斯噪声2 2 】。2 0 0 3 年，邢如义等人针对工程图纸数字图像的特点，对小波包降 噪方法中阈值和阈值函数的选择进行了讨论，给出了适合工程图纸数字图像降噪的 小波包方法的具体实现步骤。实际应用结果表明，该方法可有效消除图像中的噪声 【：3 】。2 0 0 4 年，郑武等人提出了一种基于多小波变换阈值降噪的方法：首先对一幅噪 声图像进行多小波分解，接着根据多小波分解后的能量分布特性，在不同尺度的高 频子带内对小波系数进行不同阈值处理，最后经小波反变换得到重构图像。此方法 既可有效降低噪声，又可较好地保持图像细节 2 4 1 。2 0 0 3 年，李勇量等人根据噪声小 波系数随着小波分解尺度加大而减小的特性，得出一种算法，该算法利用微光图像 小波分解层间相关性，可以良好地消除噪声，同时克服了传统降噪方法在滤除噪声 的同时会造成图像细节损失的缺点1 2 5 。王学伟等人在深入分析像素灰度在空间和帧 间分布特征的基础上，提出一种基于目标提取的空间观测图像预处理算法，该算法 能够抑制不均匀背景，使图像信噪比在预处理完成之后有所提高1 2 6 。在单尺度 r e t i n e x 图像增强算法中，杰泊森( j o b s o n ) 论证了高斯卷积函数可以对原图像提供 局部处理，从而可以更好地增强图像鲫。 1 2 3 仪表图像分割 j i a n l o n g z h u 等人在2 0 0 1 年提出一种基于小波变换多比例车牌图像分割方法。结 合图像小波变换后多尺度边缘信息，利用局部小波变换模数最大化提取多尺度图像 边缘，然后采用一种模板匹配算法用来对基于边缘灰度分析和消除了长直线噪声的 5 广东工业大学硕士学位论文 字符边缘空间特征的车牌图像进行分割【：引。2 0 0 3 年，杨勇等人提出了一种应用图 灰度信息和空间信息的分割方法：首先利用快速的优化分水岭算法将图像分成多 小区域，接着计算每一个小区域的特性参数，并确定各个区域之间的拓扑关系， 后用模糊c 均值聚类算法根据区域的灰度特性及空间特性进行归类，获取最终分割 结果 2 9 1 。2 0 0 3 年，赵建伟等人提出了一种基于小波变换的图像分割方法，有效地将 小波分析、小波包分解与数学形态学中的分水岭方法相结合：首先通过小波包对图 像有效降噪，在一定程度上减少了分水岭方法的过分割现象，然后利用小波变换得 到的梯度向量进行分水岭变换，有效保持边缘信息f 3 0 l 。2 0 0 4 年，单丽杰等人提出一 种新的基于子图像块的区域分割与边缘检测相结合的目标提取方法：先对分块后的 图像进行粗检，辅以知识确定目标的大概区域，然后借助改进的c a n n y 边缘检测器 增强并检测出较弱的目标边缘。该方法计算量较小、便于硬件实现。在复杂自然背 景中、低对比度及不均匀光照条件下，对一定形状尺寸的目标提取，获得了满意的 效果【3 i 】。2 0 0 6 年，唐艳等人提出一种基于m s p r o a 边缘检测和区域合并的图像组 合分割算法，算法中对边缘检测的结果进行种子生长、标注和区域填充，并根据相 似性准则对填充的初始分割结果进行相邻区域的合并处理，最终得到同质性和连通 性都较好的图像分割结果 3 2 1 。2 0 0 5 年，郭礼华等人针对分水岭图像分割算法中的过 分割问题，提出了一种综合区域和边界信息的解决技术。该技术主要利用区域和边 界的综合信息，对分水岭算法处理后的过分割区域进行聚合。在基于区域和边界信 息的聚合过程中，借鉴人眼视觉模型的韦伯感知原理，针对区域的不同亮度环境自 适应地选取动态的聚合闭值，并根据强弱边界属性调节聚合闭值，以鼓励对象内区 域聚合和避免对象之间的区域聚合。这种技术对分水岭算法中的过分割有较好的改 善 3 3 1 。2 0 0 4 年，吉文华等人提出了一种新的自动图像边缘提取和分割算法。先通过 任意种子区域搜寻算法( r s r s ) 自动获得图像的边缘，其中的初