基于边缘检测与凹点匹配的接触珍珠分离方法

针对机器视觉分选珍珠过程中,相互接触的珍珠分离精度低等问题,提出一种基于凹点检测的接触珍珠分离方法。采用背光成像获取多颗珍珠图像,通过预处理算法提高珍珠图像质量。通过计算连通域面积比提取接触珍珠区域,以边缘跟踪算法得到接触区域的轮廓特征,建立边缘轮廓点夹角的数学模型,将夹角小于60°判定为候选的凹点,再通过凹点匹配算法准确得到凹点,以欧式距离做了度量函数实现接触珍珠的分离。实验结果表明：论文方法较Harris算法具有较好的的分割效果,分离正确率达到为98.6%,面积损失率为1.443%,平均时间为0.280s。     

基于改进的Harris角点检测的车型识别方法

利用角点信息作为车辆正面图像的特征点对车型进行识别,将Harris角点检测的方法进行改进,将不同方向的特征值之比加入角点响应,提高了角点检出率;考虑到视频中行进车辆的位置变动,将车牌中心点位置作为定位点,计算不同车型的角点匹配率作为判定车型的依据。实验结果证实了所提方法的有效性。     

基于凹点搜寻的棒材计数方法研究

针对现有的成捆棒材计数方法存在计算速度低、色差偏差大、计算量大、易受边缘模糊及残缺影响的问题,提出了一种通过对成捆棒材中的黏连棒材进行分割,然后统计连通区域,从而达到棒材计数目的的新方法。该方法首先对成捆棒材的图像进行预处理,利用Canny边缘检测获得黏连棒材的边缘轮廓,然后在此轮廓上扫描凹区域,将临近的凹点作为一个凹点群,取其中最突出的点作为此处凹点;再利用凹点匹配条件进行匹配,以匹配成功的凹点对作为界限来分割图像,最后统计分割后的连通区域,即达到计数的目的。实验结果表明,该方法对于黏连棒材的分割特别准确,分割后的图像边缘与成捆棒材的实际边缘很贴近,在无互相遮挡的情况下,直径为12 mm以上的钢筋的分割准确率达到99.99%以上,直径为10~12 mm的钢筋的分割准确率在99.80%以上,达到了企业认可的标准。     

基于改进分水岭-凹点分割的矿石粒径分级检测方法

为了提高混凝土行业的生产质量,需要对矿石大小做粒径分析,传统方法是采用人工筛分处理,过程中需要耗费大量的人力物力,同时,也存在检测时间长和检测精度低等问题;针对这一难题,通过利用计算机视觉技术,提出了一种基于改进分水岭-凹点分割的矿石粒径分级检测新方法;首先,利用图像自适应中值滤波和改进的多尺度形态学处理,提取矿石轮廓特征;其次,采用改进的分水岭分割和凹点分割相结合,获得矿石之间粘连形成的深凹点集合;最后,引入反向链码模板对凹点集进行有效的分离,从而对矿石粒径做出精准的统计分析;实验结果表明,该算法的粒径分级与人工筛分的粒径分级相比较,两者之间的累积误差率在5%以内,具有较高的准确性与实用性,值得大力的推广与应用。     

基于凹点匹配的重叠图像分割算法

针对图像处理中多个颗粒重叠的问题,提出了1种利用重叠区域边界寻找凹点来分割重叠图像的算法。算法利用Canny边缘检测获得重叠区域的边界轮廓,对于边缘检测所得边界存在断裂的情况,首先进行连续边界轮廓的恢复;然后在获得的连续边界轮廓上寻找凹点,将相邻的凹点视为1个凹点群,取其中凹陷最显著的点作为待匹配凹点,并赋以一定的权值;再根据凹点匹配条件对待匹配凹点进行匹配,将成功匹配的凹点对作为分割点对。对多幅模拟图像和PTA晶体图像的分割结果表明,算法不仅适用于颗粒形状规则、大小差异较小颗粒的重叠情况,对于狭长颗粒和大小差异明显颗粒的重叠情况也有良好的分割效果。     

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

基于Harris角点检测的改进算法研究

经典的Harris算法在提取图像的角点上具有计算简单、适应性强等优势,但该方法由于人为设定单一阈值,容易出现伪角点、漏检点及运行速度不理想等现象。针对这一情况,文章在传统Harris算法基础上提出一种新的检测方法,采用多阈值的圆形非极大值抑制法提取角点,以此降低算法检测时间并增强图像旋转不变性,再借鉴SUSAN思想消去大部分伪角点。通过实验对比,该算法具有更好的角点检测性,为后期的图像配准奠定了良好的基础。     

基于体密度变化率的点云多平面检测算法

针对以往点云多平面检测算法运算时间长、检测结果的准确性易受噪声影响这一问题,提出了一种基于点云几何统计特征的多平面检测算法。该方法首先根据体密度变化率对点云进行粗分割,然后利用多元随机抽样一致性算法(Multi-RANSAC)进行多平面拟合,最后提出了一种新的合并约束条件对拟合的初始平面进行优化合并。实验结果证明,该算法易于实现,能有效减少累积噪声对检测结果的影响,提高平面检测的正确率,极大地减少了计算时间开销。     

融合凹点检测与仿射变换的活动轮廓模型

目的 针对基于矢量场的活动轮廓模型,如经典的梯度矢量流（GVF）模型、矢量场卷积（VFC）模型等,在提取凹形物体时矢量场常出现平衡点,不能较好地收敛到凹陷区域、尤其是深而窄的凹形及复杂凹陷区域的问题。提出一种融合凹点检测与仿射变换的活动轮廓模型。方法 首先利用活动轮廓模型进行曲线演化,得到演化后轮廓曲线上各点的坐标并求出各点的法线方向;然后基于凹点检测的方法,判断各点的凹凸性,利用梯度判断法,检测出未收敛到目标边界的凹点;其次对各凹点进行法向方向的仿射变换。在接近且不越过目标边界的情况下求出可变换的最大距离,变换后的点穿越了平衡点区域,让变换后的点代替原来的点形成新的轮廓曲线;最后为保证提取边界的精确性,将变换后的轮廓曲线再次演化并最终收敛到目标边界。结果 通过对具有凹陷区域的合成图像进行分割,计算提出模型分割结果的平均Jaccard相似系数（JS）值为95.51%,相比目前先进的GVF模型,VFC模型和自适应扩散流（ADF）模型分别提高了15.08%,12.09%和10.70%,整体效果上优于几种先进的模型。然后又对单/多目标真实图像及含噪的图像进行分割,证实提出模型分割性能的鲁棒性。结论 提出的模型有效地避免了凹形区域内的平衡点问题,可以对深凹形及复杂凹形图像进行有效分割,并且提高了分割精度。此外,该模型能融合到任何基于矢量场的活动轮廓模型中,具有广泛的普适性。     

基于凹点方向线的粘连药品图像分割方法

在利用视觉技术进行药品检测的过程中, 药品相互粘连的图像会给后续的特征提取工作带来很大的困难, 针对此问题提出了一种基于凹点方向线的粘连图像分割方法。首先依据颜色距离对药品图像进行预分割; 然后对不同颜色的预分割图像进行4链码运算, 寻找所有的凹点, 并对所有的凹点进行标记; 最后根据每一个凹点得到方向线, 根据方向线进行配对, 将配对凹点的连线作为分割线。实验结果表明, 该算法具备良好的准确性和通用性。     

基于Otsu方法和数学形态学的SAR图像海岸线检测

合成孔径雷达(SAR)图像海岸线检测,在很多海洋应用中具有重要意义。由于受海风和海浪影响,海面有时会产生强回波信号,以及受speckle噪声等其他因素的影响,SAR图像中海洋和陆地缺乏对比度,边界不清晰,用传统的阈值门限法等进行海岸线检测很困难。本文提出一种改进的海岸线检测方法,该算法引入最大类间方差法(Otsu方法)和数学形态学算法,以较小的计算量检测出了海岸线。通过使用Envisat ASAR图像进行实验,证明该方法具有较好的检测效果和检测速度,检测出的海岸线和原始图像的海岸线有很好的匹配,检测精度与边界追踪算法比较有所提高。     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题，采用主、从双摄像机设备，提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置；然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像；再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态，筛选出每位学生的正脸图像；最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征，用于支持向量机（SVM）分类器的训练或识别。实验结果表明，与Tiny-face算法相比，人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%；与建立多姿态人脸数据库的方法相比，采用人脸角度筛选的方法使识别率提高了4%；多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程，提高了人脸识别率，为解决人脸漏检问题提供了新的思路。     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题,采用主、从双摄像机设备,提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置;然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像;再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态,筛选出每位学生的正脸图像;最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征,用于支持向量机（SVM）分类器的训练或识别。实验结果表明,与Tiny-face算法相比,人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%;与建立多姿态人脸数据库的方法相比,采用人脸角度筛选的方法使识别率提高了4%;多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程,提高了人脸识别率,为解决人脸漏检问题提供了新的思路。     

基于极坐标的树木叶片特征提取方法

提出了一种在极坐标下进行特征提取的方法,并将其应用于树木叶片图像识别中。该方法首先将目标图像二值化并映射到极坐标下,提取具有旋转、缩放、平移不变性的曲线面积比率、跨度比、饱和度和高度变化率等特征。然后通过最小欧式距离对叶片进行计算、识别。该方法克服了直角坐标系下特征提取方法计算量大,花费的时间长的缺陷。基于该方法的叶片特征提取算法的时间复杂度为[O(n)]。对于叶型有区分,且需要快速进行树叶识别的树叶数据集有很好的效果。该方法在常见的13种树木叶片中进行测试,平均正确识别率达到90%以上。     

动态阈值的Vibe运动目标检测

Vibe算法是一种高效的像素级背景建模算法,但是它同混合高斯模型一样,不能适应光线突变的问题,在对Vibe算法的基础上提出了一种在静态场景下对光照变化鲁棒的运动目标检测方法。该方法首先利用Vibe模型建立背景样本集,并利用Vibe模型对判别为背景的像素对背景帧进行更新。其次视频当前图像帧与背景帧差分,并采用Otsu算法计算图像的分割阈值来检测运动目标。实验结果表明,改进的方法能够很好地消除由于环境光照变化引起的“曝光”现象,提高了运动目标检测的精确度,并且改进的算法对室内场景下的阴影也有较好的抑制作用。     

基于机器视觉的非平整物体表面凸起异物检测方法

在换向器质量检测中,其端面槽口附近凸起异物属于严重质量问题,目前仍采用人工检测方式,存在检测速度慢和漏检率高,且换向器端面的非平整特性给检测带来挑战。针对此问题,运用机器视觉技术,提出一种基于光度立体视觉的换向器非平整面凸起异物检测的方法。该方法通过四方位打光方式,获得不同方位光照图,对光照图进行计算得到其反照率图,再进行高斯卷积处理,然后针对特定区域采用极坐标转换用于提取缺陷特征并对其进行凸起异物识别与检测。实验结果表明,该方法能够快速有效检测换向器非平整表面存在的凸起异物问题,检测精度达到99.8%,能够满足对换向器质量的在线检测需求。     

CB形态学的边缘检测算法研究

数学形态学是一种非线性滤波方法,应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。基于CB（Contour-Based）形态学的方法,提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性。实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性。     

基于极坐标的改进灰度积分投影法的人眼检测

为了克服传统灰度积分投影方法无法有效定位旋转人脸图像中人眼的缺点,提出了一种基于极坐标系的灰度积分投影方法。利用肤色特征对给定图像进行人脸区域的确定,在人脸区域内按极角方向进行灰度积分投影,确定出人眼所在角度,将人眼角度方向的像素灰度值做水平方向积分投影,从而确定出人眼的位置。该方法能够实现同一幅图像中多个不同姿态人脸的人眼定位。大量的仿真实验表明,该方法的识别性能对人脸的旋转变化具有良好的鲁棒性,能够提高灰度积分投影方法对人眼定位的适用范围。