基于FPGA的背景自适应星点提取法设计与实现

根据点状目标图像的特点,提出了一种新的基于FPGA的背景自适应星点提取算法,提高了点状目标图像的处理速度.在星敏感器数字处理板上,利用现场可编程门阵列(FPCA)强大的并行数据处理能力,设计并实现了星点提取算法.背景自适应星点提取算法采用数字滤波技术提取背景图像动态阈值,利用该动态阈值完成目标和背景噪声的分离,并采用线连通域分析算法提取星点连续区域,从而实现星点提取.利用星敏感器捕获星空图像,对FPGA功能定制程序进行了时序仿真,并采用MATLAB仿真了算法处理过程,两者的结果取得了一致.     

基于特殊点跟踪的线状目标矢量化研究

针对单像素线宽线状目标栅格图像矢量化,提出了一种基于特殊点跟踪的矢量化算法。该算法通过提取曲线端点和曲线间交叉点这两类特殊点,以扫描跟踪的方式提取曲线上的所有像素点坐标,采用Douglas-Peucker法对曲线栅格点进行压缩,获得最终矢量图。实验结果表明,该算法能够有效地实现线状目标栅格图像的矢量化,在选取数据压缩阀值为2个像素的情况下,矢量图与原栅格图的距离差均值小于0.4个像素,数据压缩比大于850。     

散焦模糊的畸变QR barcode图像复原技术

根据散焦模糊的QR barcode(QR码)图像特点,采用自适应阈值方法滤除模糊效应,通过轮廓查找算法初步定位4个顶点和消除噪声,利用2次反透视变换结合双切线逼近的方法初步复原图像,使用自适应栅格划分法进行中心点采样,得到最终的复原图.实验结果证明:该方法简单易行,对散焦模糊或具有复杂背景的QR码图像的复原取得了较好的效果.     

磁瓦表面图像的自适应形态学滤波缺陷提取方法

结合磁瓦表面机器视觉自动识别系统的需求,提出一种基于自适应形态学滤波的缺陷提取方法.针对磁瓦表面缺陷对比度低、图像中存在磨痕纹理背景和整体的亮度不均匀等难点,设计了一种新的自适应形态学滤波器;根据磁瓦表面图像不同区域内的灰度变化进行分区域逐行扫描,估算每行缺陷最大尺寸,使滤波器的一维棒状结构元素随着缺陷尺寸自动调整;通过逐行自适应形态学滤波滤除或弱化缺陷,模拟出背景图像(阈值曲线),用原始图像与背景图像相比较即可提取出磁瓦表面的缺陷.实验结果表明,该方法能准确、快速地提取出磁瓦表面图像各区域的缺陷,通用性好,可用于磁瓦缺陷在线自动识别系统.     

一种在低照度情况下自适应滤波牌照定位算法

提出一种在低照度情况下进行自适应滤波牌照定位算法.该方法首先设计一种×字形窗口的自适应中值滤波改进算法,对车牌灰度图像进行中值滤波滤除噪声.接着采用Sobel边缘检测器进行车牌边缘检测;再将Sobel算子卷积结果采用最大类间方差法阈值分割算法对图像进行预分割,将图像分割为目标和背景;接着采用模糊分割方法求得最终分割阈值...     

一种改进的自适应阈值前景提取方法*

为了尽可能完整地提取前景,针对视频处理中提取的前景区域出现断层导致单个目标出现分裂的问题,提出了一种改进的自适应阈值前景提取方法.该方法是在非模型法产生背景模型的基础上,通过背景差法获取差分图像,利用环境噪声的相对稳定性,建立一张环境噪声分布图,进而滤除差分图像中存在的环境噪点,自适应求取分割阈值,进行图像二值化处理获取前景区域.实验结果表明,该方法能明显改进前景提取效果,最大化提取目标的完整性.     

非对称高斯函数的时变体数据特征跟踪及可视化

目的 在传统基于时序曲线的时变体数据特征的识别与跟踪过程中,不仅需要用户具备丰富的先验知识来确定感兴趣特征的时序曲线形状,而且时序曲线段的匹配和抽取过程亦复杂,难以交互,这一定程度上降低了时变体数据可视化及分析效率.提出了一种新的基于高斯时序曲线的时变体数据可视化及分析方法.方法 首先,对时序曲线进行低通滤波,准确地查找极小值点,对时序曲线进行分段;进而,引入非对称高斯函数对时序曲线段进行拟合获得高斯时序曲线;为了进一步方便用户识别感兴趣特征,观察特征在时间域上的演变过程,提供一种便捷的交互技术,由用户单击任一时间步绘制结果图像中感兴趣的特征信息,分析视线方向上的特征可见性,以确定感兴趣特征及其对应的高斯曲线,进而由参数匹配获得所有时间步中感兴趣特征信息.结果 为了验证本文算法的高效性与可行性,对时序仿真的飓风数据进行特征跟踪与交互式可视化,可以看出,本文算法不仅可以准确跟踪飓风中心特征,而且特征分析与可视化效率亦大大提升.结论 相比于传统的时变体数据可视化方法,本文算法不需要用户先验知识的前提下,利用非对称高斯模拟时序曲线变化,进而由高斯参数匹配代替复杂的时序曲线匹配过程,有效地提升了时变体数据可视化及分析效率.     

一种移动机器人对运动目标的检测跟踪方法

从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一.给出了连续图像帧差分和二次帧差分改进的图像HIS差分模型,采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法,对无背景图像条件下自动提取运动目标区域.定义了一些运动目标的特征分析和计算,通过特征匹配识别所需跟踪目标的区域.采用Kalman预报器对运动目标状态的一步预测估计和两步增量式跟踪算法,能快速平滑地实现移动机器人对运动目标的跟踪驱动控制.实验结果表明该方法有效.     

基于HSV分量联合Hessian矩阵的卵巢癌细胞检测算法

针对卵巢癌细胞形态特征多变,细胞图像背景复杂,分类识别困难等问题,提出一种基于HSV分量联合Hes-sian矩阵的细胞检测算法对卵巢癌细胞进行分类识别.首先基于HSV分量图像进行特征分析,提取S分量去除噪声干扰,然后利用Hessian矩阵实现图像增强,结合自适应迭代阈值算法完成图像分割,最后根据形态学方法和canny算...     

栅格图像稠密坐标网格的去除与曲线像素的重建

针对栅格图像中稠密坐标网格是影响矢量化效果和速度的重要原因,提出了先基于±45°线检测模板来快速剔除低于所选阈值的坐标网格,然后依据坐标网格剔除后的当前图像与过滤后的图像差异,识别曲线的端点.并逐一地沿各端点的走向进行扫描识别和重建被连带去除的曲线像素.另外,对某些图像瑕疵的影响而不能识别的曲线端点,采用基于计算机技术来选取曲线缺口区域,并沿区域内各点的走向进行识别和重建被连带去除的曲线像素.实验显示所提出的算法对剔除稠密坐标网格具有较好的效果.