计算机视觉技术在大米轮廓检测上的应用

分析了使用Roberts算子、Sobel算子、Prewitt算子夏模板匹配法和快速模糊边缘检测法对大米轮廓进行边缘检测。并通过对大米图像的分割实验。验证了快速模糊边缘检测法最为有效。为大米等级的分类作了前期准备。     

基于Canny算子的大米边缘检测

阐述了常用边缘检测算子进行边缘检测的方法,详细介绍了Canny算子的边缘检测步骤,并将其应用于大米图像的边缘检测中．实验结果表明,Canny算子提取的边缘线型连接程度较好,可应用于从群体米样提取大米边缘．     

模糊边缘检测算法的改进

本文通过对Pal.King模糊边缘检测算法进行改进，提出了一种新的模糊边缘检测算法。该算法首先定义了一种简单的隶属度函数作为变换；然后根据Ostu法选取的阈值确定增强算子的参数μc，通过我们新定义的增强算子，在模糊特征平面上进行增强运算；接着将增强后的图象模糊特征平面转换为空域图象，最后进行图象的平滑和边缘提取。同时，本文还提出了改进算法的快速算法，对具有多峰直方图分布图象的模糊边缘检测也进行了推广。     

基于邻域加权的多层次模糊边缘检测算法

针对目前边缘检测方法在低对比度图像、噪声图像中检测效果不理想的问题,本文结合微分算子和模糊边缘检测的优点,提出一种基于邻域加权的多层次模糊边缘检测方法。首先,利用微分算子计算图像梯度特征,依据图像梯度特征对图像进行自适应地分层;然后构造模糊函数,用模糊函数增强不同强度的图像梯度特征,取得了较好的边缘检测结果。仿真实验表明:基于邻域加权的多层次模糊边缘检测算法能较好地检测低对比度图像的边缘,同时能有效抑制椒盐噪声、高斯噪声对图像边缘检测的干扰。     

医学图像边缘快速检测的模糊集方法

为了简单有效地获得理想的医学图像边缘,进行医学诊断,提出了一种基于模糊子集组合的图像边缘检测方法．由于图像边缘的模糊性,在边缘检测过程中应用了模糊集运算方法:先将图像的灰度直方图划分成相应的几个不同的子区,并对与灰度方差直方图子区相应的模糊子集进行运算,综合运算结果,最终得到图像的边缘．文中实例及对几种方法的比较表明,提出的Fuzzy算子所得到的图像边缘优于Sobel算子和Prewitt算子时所得到的图像边缘．     

一种基于Sobel算子的彩色图像边缘检测新算法

在研究灰度图像边缘检测方法的基础上,针对彩色图像的特点,提出了一种改进的Sobel算子边缘检测算法,并用MATLAB进行了仿真。仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,得到的结果图像边缘比较模糊,而本文提出的改进算法,不但图像边缘比较清晰,而且还能有效降低图像的噪声,将Sobel算子边缘检测算法从灰度图像很好地移植到了彩色图像。     

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。     

一种新的模糊图像边缘检测方法

边缘检测技术是图像预处理中最重要和最困难的任务之一，本提出了一种新的模糊图像边缘检测算法，算法中图像所对应的模糊特征平面通过一个基于阈值的隶属函数来提取，在模糊特征平面上应用模糊增强算子对低灰度区域的大部分象素进行衰减运算，对高灰度区域的大部分象素进行增强运算来提高两个区域之间的对比度，图像的边缘采用min或max算子来提取，仿真结果表明，该算法是一种有效的边缘检测方法。     

基于乘性梯度的医学超声图像边缘检测算法

通过改进传统乘性梯度（MG）算子,并结合Canny算子的处理结果,准确、快速地提取了医学超声图像的边缘.通过提升乘性梯度算子模板的维度,提高对弱边缘的检测能力;综合考虑乘性梯度算子和Canny算子的运算结果,提高边缘检测的准确度.为了验证该算法的有效性,对仿真及在体超声图像进行边缘提取实验,将结果与其他抗噪性较好的边缘检测方法进行对比.实验结果表明：对于含有不同强度斑点噪声的超声图像,该算法的边缘检测准确度可达75%以上,具有较好的实时性,适用于对医学超声图像进行快速、准确的边缘检测.     

基于DM643的大米边缘视频检测技术研究

以TI公司的多媒体图像处理器TMS320DM643为核心处理器,提出了一种大米外观检测视频处理嵌入式系统硬件的实现方案.基于MATLAB平台对大米样品的视频系统回读图像分别进行了Sobel算子及其改进算法的仿真比较研究.结果表明,改进算法可以检测出更为完整的大米边缘,实现了大米视频图像的实时检测,处理一帧图像仅需42.7 ns.     

一种改进的变分水平集车辆检测技术

针对传统运动目标检测算法存在适应性差、对噪声较敏感等缺点,提出一种基于变分水平集快速提取边缘模糊运动目标的方法。该算法利用主动轮廓模型进行边缘检测约束,并结合变分水平集方法进行二次演化获得准确的图像分割。实验证明,该方法能够快速准确的分割运动目标,对于复杂环境有较好的适应性和鲁棒性。     

基于蚁群模糊聚类算法的图像边缘检测

提出了一种基于蚁群动态模糊聚类算法的图像边缘检测,该算法首先利用蚁群算法的较强处理局部极值的能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心;然后利用蚁群聚类得到的结果,再进行FCM聚类弥补蚁群算法的不足.两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的目标函数聚类分析.最后将该算法应用到图像边缘检测,对比实验表明,该算法具有很强的模糊边缘和微细边缘检测能力.     

局部背景边缘干扰下运动视频完整轮廓检测方法

针对传统相邻帧差算法在对轮廓检测过程中无法有效解决局部背景边缘干扰的问题,提出基于高速并行细化算法的运动视频完整轮廓检测方法.基于Sobel算子对运动视频轮廓进行粗检测,通过形态学后处理对粗检测获取的运动视频目标轮廓进行腐蚀运算,过滤其中的噪声,使图像边缘向内紧缩;采用两次膨胀处理恢复并增强运动视频目标图像的连通区域,引入高速并行细化算法对图像进行细化处理,采集图像骨架,并获取线条平滑的完整运动视频目标轮廓图像.结果表明,所提方法检测出的运动视频目标轮廓更为完整、清晰,并且检测效率高.     

基于序列图像的运动轨迹检测方法

序列图像中运动目标轨迹检测是目标识别与跟踪处理的关键技术。运动轨迹检测的核心是运动目 标的轮廓特征提取,传统算法提取的目标物体由于受不同因素的影响只突出了轮廓的部分特征,给运动轨迹检测带 来一定的困难。在利用传统算法获取不同特征信息的基础上,采用蚁群聚类的多模板融合边缘检测方法获取目标 边界,实验结果表明该方法在轨迹检测过程中能够获得较完整的特征信息,能更有效地获取目标轨迹。     

基于Zernike矩的米粒形状模糊分类

根据米粒形状的特征,运用Zernike矩描述目标边缘的形状,采用模糊模式识别方法,实现按形状分类.为增强适应能力,对Zernike矩及模糊分类方法作了适当调整.对300颗同一品种的米粒进行实验,结果表明,本方法的检测结果与人工检测结果高度一致.     

一种新的边缘检测算法研究

为了提高边缘检测的运行效率和检测精度,提出了一种新的边缘检测算法,该算法由一个自适应神经模糊推理系统和一个后处理程序组成.选取与边缘方向和梯度双重信息相关的4个目标函数作为自适应神经模糊推理系统的输入,采用计算机合成图像对自适应神经模糊推理系统进行训练.运用一个后处理程序,判断自适应神经模糊推理系统的输出值是否小于门限值,若小于则该像素点为边缘点.仿真实验表明,该方法边缘检测效果优于传统方法和当前文献报道方法.     

基于先验形状信息和水平集方法的车辆检测

针对交通视频检测应用,提出一种基于先验形状信息和主动轮廓模型的运动车辆检测方法.算法首先利用颜色信息和边缘信息检测并去除车辆阴影,提取车辆的初始轮廓;为了改善车辆轮廓的提取精度,在进一步的车辆分割中引入车辆形状的先验知识,用水平集符号距离图像的隐含表示建立车辆的先验形状模型,并以先验的车辆形状模型作为约束构造出主动轮廓能量函数;将第一步获得的车辆轮廓作为车辆分割演化曲线的初始轮廓,采用变分法求解能量函数的极小值,利用形状配准和水平集方法演化车辆的分割曲线,得到准确的运动车辆轮廓.将该方法应用于实际采集的交通视频,获得了很好的测试结果.     

基于开关式周围抑制的轮廓检测方法

传统的基于梯度的边缘检测算子旨在提取图像中所有由灰度变化引起的边缘,并不区分目标轮廓边缘和由杂波造成的干扰边缘。为提高这类算子在自然图像中检测主要轮廓边缘的性能,提出了基于开关式周围抑制的轮廓检测算法。与其他基于周围抑制的方法相比,该方法仅对干扰边缘进行抑制,对轮廓边缘不进行抑制,从而进一步提高了传统边缘算子的轮廓检测性能。利用自然图像和标准的参考轮廓边缘图像对该方法进行性能评估,结果表明,本文方法的轮廓检测性能优于传统的边缘算子及其他基于周围抑制的方法。     

视觉机器人货物轮廓提取与定位

提出一种视觉机器人货物拣选中的货物轮廓提取与定位方法.在图像预处理的基础上,采用Sobel算子提取货物与货箱边缘图像I ₁［i,j］,通过图像投影取得货物支持区及其边缘图像I₂［i,j］,对货物支持区利用Canny算子提取边缘图像I₃［i,j］,利用I₃［i,j］对I₂［i,j］进行边缘连接,最后边缘跟踪提取货物轮廓实现货物定位,控制机械手运动并实现货物抓取.实验结果表明该方法实用有效.