基于ARM的视觉导航AGV图像处理方法研究

为了实现更加简单高效的标识线图像的检测与处理,提出了一种优化的基于ARM的视觉导航AGV标识线图像处理方法。首先对采集到的图像进行灰度化处理并使用Otsu算法对图像进行阈值分割;然后采用优化的中值滤波算法进行图像滤波并使用高效的边缘提取策略获取路径边缘特征;最后采用角度判断的方法剔除错误点并使用最小二乘法拟合成路径的中心线。实验结果表明,该方法有较高的准确率和较好的实时性,可以满足工业生产中的实际需求,适用于基于嵌入式系统开发的视觉导航AGV。     

基于机器视觉的自然环境下作物行识别与导航线提取

针对基于机器视觉的农业导航机器人在图像处理时易受光照变化影响和常规导航线检测算法实时性、稳健性不高等问题,提出了YCrCg颜色模型,选择该颜色模型中与光照无关的Cg分量进行后续图像处理,采用基于二维直方图的模糊C均值聚类法(FCM)进行图像分割,并根据图像中作物行的特点,提出了基于直线扫描的作物行直线检测算法。该算法将图像底边和顶边像素点作为直线的两个端点,通过移动上下端点位置产生不同斜率直线,选择包含目标点最多的直线作为作物行中心线。实验表明,不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行,处理一幅640pixel×480pixel图片耗时约为16.5ms,直线扫描算法能快速准确的检测出导航线,与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。     

基于形态学处理和最小二乘法的海天线检测算法

海天线的检测和提取是舰船红外图像处理中的一个重要内容,在综合分析比较基于边缘检测、图像分割以及小波变换多尺度分析等多种海天线检测算法优缺点的基础上,提出一种基于形态学处理和最小二乘法的算法,仿真分析表明此算法能适应含有各种干扰的海面背景环境,鲁棒性好,并且提取精度高,能精确定位海天线。     

基于边缘方向图的建筑物直线特征提取

从建筑物图像中提取直线是视觉导航、特征识别和遥感影像处理等很多应用中的关键步骤。针对复杂建筑物图像,提出了一种基于边缘方向图的直线特征提取算法。该算法在Canny边缘的基础上,提出边缘方向编码策略,能过检测9×9局部窗口内的直线,将边缘拆分成直线、曲线和点的组合,生成了一种新的直线检测辅助图像——边缘方向图,并通过分析边缘方向图中连续线边缘的方向分布,结合直线误差判别准则和稀疏直线拟合识别直线。实验结果表明:该算法的直线检测性能优于Hough变换和相位编组等经典方法,对建筑物图像的直线检测准确率高,误判率、漏检率低,算法稳健性强。     

舰船目标红外图像特性研究

针对成像型反舰导弹所获红外图像的特点,分析了舰船目标和海天背景的红外辐射特性,得知舰船目标红外图像有一重要特征-海天线,它可以确定目标的所在区域。为了舰船目标的跟踪定位,对舰船目标红外图像中的海天线特征进行研究,提出一种基于预处理和直线拟合法提取海天线特征的算法,首先对图像进行边缘检测得到梯度图像,进而二值化并细化,最后利用Hough变换提取海天线。结果表明,在低对比度和有云团干扰的情况下,该算法与改进的直线拟合法相比,能够有效地、准确地提取舰船目标红外图像中海天线特征。     

SF_6断路器气体压力表智能遥视研究

以压力表盘图像为对象,通过一种改进的Otsu阈值分割算法,在离差平方和约束条件基础上区分整体阈值,确定适应度函数,以选取最佳阈值,可避免因单一法排除边缘和噪声区域而遗漏部分目标和背景像素;Hough变换通过直线提取法确定指针与圆提取法定圆取圆心相结合,依据表盘指针经圆心原理较准确定位指针位置,保证了表盘指针识别和数值读取精确度。实验结果表明该智能遥视系统能够实时监测SF_6断路器表盘气压值,给出的改进Otsu阈值分割算法能较准确分割目标区域,基于角度识别指针数值方法读取误差保持在3%范围内。     

应用在高性能贴片机上的一种快速视觉定位算法

针对高性能贴片机须具有快速、准确的视觉定位的要求,通过改进一种混合空间增强的预处理方法,采用Hough变换与最小二乘法相结合的方法提取出了较为精确的边缘直线,实现了一种利用十字叉标记几何信息,并能进行快速对准的算法。实验结果表明,该算法具有较快的速度,对比例变化和局部残缺不敏感。     

基于Hough变换的金刚石颗粒测量方法研究

针对金刚石颗粒图像分析时的颗粒边缘非闭合性问题,本文提出了一种基于Hough变换的金刚石颗粒测量新方法。该方法首先对图像进行形态学去噪、平滑滤波和Canny边缘检测等预处理,得到金刚石颗粒图像的初始边缘曲线,然后采用Hough变换提取边缘曲线的直线特征,并通过极径和极角对多个直线特征进行判断和图形识别,得到确定的金刚石颗粒边缘轮廓,最后对得到的边缘轮廓进行拟合,测量出金刚石颗粒的粒径、椭圆度和圆度等参数大小。该方法在VC+ 环境下,用OpenCV编程技术对其进行了实验验证,结果表明：该方法可以准确快速地测量出金刚石颗粒特征参数,为金刚石颗粒的等级评定提供了技术支持。     

一种成像测量靶面同心圆的自适应检测算法

针对特殊环境下基于CCD成像的高准确度测量系统中,由于摄像机沿轴运动和绕轴旋转过程中其光学中心和靶面同心圆圆心不同心及同心圆图像的圆心在一定范围内随机变化而影响测量结果问题,提出了一套基于小范围内改进的Hough变换的共点直线检测快速算法、基于统计采样的同心圆分割区域自动划分算法、基于最小二乘拟合的同心圆参量高准确度检测算法.实现了对同心圆的自适应区域划分和高准确度检测.仿真和试验证明了该算法的有效性.     

基于暗原色的农机具视觉导航线提取算法

针对农机具视觉导航线提取算法受外界环境影响较大,适用性、稳定性较差等问题,提出了一种基于暗原色的农机具视觉导航线提取算法。基于暗原色原理提出了一种新的农田图像灰度化方法,实现了农田图像中的农作物和土壤更好地区分。再利用形态学方法和最大类间方差法对灰度图进行二值化和滤波,并结合垂直投影的方法提取导航感兴趣区域,进而确定感兴趣区域的导航定位点,并通过最小二乘法将定位点拟合得到导航线。实验结果表明,该算法适用于不同颜色情况下的农田场景及农田道路导航线提取,与传统算法相比,在精度上满足导航线的要求且速度也有较大的提高,具有更广的适用性。     

基于光照不变图像的阴影图像道路及导航线提取算法

针对有阴影情况下的道路及导航线提取问题,提出一种基于光照不变图像分割和投票函数的阴影道路图像道路及视觉导航线提取算法,该算法利用正交分解法获取彩色光照不变图像,并对其进行分割,通过构造的投票函数及道路判别准则提取道路区域,扫描道路定位点后对其进行最小二乘拟合提取导航线。该方法不需要大量样本进行学习。实验结果表明,所提算法与现有两种算法相比,在检测精度和速度上均具有明显优势,并且算法复杂度较低。算法能够有效地解决阴影环境下道路及导航线的提取问题。     

基于Hough一维变换的直线检测算法

针对标准Hough变换直线检测存在的问题,提出了一种基于Hough一维空间变换的直线检测算法。对图像进行边缘检测,将互不连通的边缘进行分组;利用Hough一维空间变换对边缘组进行直线检测并编组,降低了算法和空间复杂度;通过对直线组进行精确处理,解决了过连接、端点确定和检测精度存在的问题。实验结果表明:该算法有效地解决了标准Hough变换算法中存在的问题,降低了误检率和漏检率,提高了直线检测精度,能够实现对不同类型影像数据的直线检测处理。     

线状目标实时检测算法的研究

提出了一种基于FPGA和DSP的算法并设计了相应的硬件系统,能对大小为256×256像素、帧频为25帧/s的视频图像进行实时处理。即先对输入图像采用改进的Sobel算子提取边缘,再用改进的Hough变换算法进行直线检测。解决了传统的Sobel算子提取的边缘较粗及Hough变换算法计算量大、难以实时实现的难题。     

X光图像中缺陷的自动提取方法研究

针对炭素制品X光图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法。为快速准确地提取缺陷,设计了目标边界提取算法和基于小波变换的图像增强算法,实现了原始图像中目标区域的增强及其背景的去除。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从目标区域中提取出缺陷区域,并在迭代阈值分割的基础上,利用基于数学形态学的边缘提取算法提取了缺陷的边缘。实验结果表明,该法很好地实现了缺陷区域及其边缘的自动提取,且受噪声影响很小,为进一步的缺陷特征参量的提取与选择奠定了良好的基础。     

基于Hough变换的高精度机器视觉对准系统的研究

随着集成电路特征尺寸的不断减小,I/O引脚数日益增加。对于高密度封装,尤其是2.5D/3D封装中,电子元件和基底快速而准确的对准十分关键。利用高性能CCD搭建了一套精密的光学视觉对准系统,并采用Hough变换算法对芯片和基底进行对准试验。采集的图像经过去噪预处理后采用形态学边缘检测方法提取对齐标记,并通过Hough变换得到4组平行直线,然后计算基底的位移和旋转角度并完成对准。使用Matlab编程配准,程序运行时间约为4.2 s,旋转参数的误差小于1.2°,x和y轴的平移误差均小于1 pixel。试验结果表明基于Hough变换算法的光学视觉对准系统可以快速而精确地实现芯片和基底对准,满足IC封装需求。     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

复杂背景下钢索图像的纹理分割与边界识别

 针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

复杂背景下钢索图像的纹理分割与边界识别

针对复杂背景下钢索图像难以准确分割的问题,提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向,利用边缘方向密度直方图作为纹理特征,对与钢索纹理方向相应的边缘方向赋予不同权重,抑制纹理分割中背景的干扰,对钢丝绳图像进行聚类分割,采用检测平行直线的方法确定其边界,并根据算法参量对边界进行修正.在实验中,对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间,结果表明边缘方向密度直方图特征计算速度快、受背景干扰小,分割准确率高.本文方法无须预先训练,受背景干扰小,可以准确地识别出钢索并确定其边界,能满足钢丝绳视觉检测的要求.     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

基于椭圆拟合的医用内窥镜图像相对畸变率检测方法研究

为快速有效评价临床使用内窥镜图像相对畸变的程度,提出一种基于椭圆拟合的检测方法。对内窥镜采集到的标准板图像进行二值化处理和图像分割;运用anny算子对图像进行边缘检测并提取坐标值,通过最小二乘法拟合椭圆,求得椭圆参数;计算相对畸变率。对3支内窥镜进行了椭圆拟合和定位质心相对畸变率检测,结果显示相对畸变率在30%左右,一致性差在2%左右,椭圆拟合相较而言稳定性更好。