基于形状上下文特征和ICP的高精度轮廓视觉检测算法

为了解决任意形状工件轮廓尺寸的高精度检测问题,提出了一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法.首先,在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘,并过滤掉噪声和补齐轮廓;然后,基于从粗到精的匹配策略,先使用形状上下文特征进行粗匹配,再使用迭代最近点算法进行精匹配;最后,提出邻域法来计算出轮廓偏差.标定板实验和工件实验结果表明,该算法的检测精度达到0.5个像素,可以满足实际应用的需要;同时,该算法应用在工业检测上可大大提升误差检测的应用范围和工业生产效率.     

Snake模型在图像分割中的应用研究

Snake模型是一种重要的基于边缘的图像分割算法。本文总结了三种经典的Snake模型的优缺点,重点分析了GVF Snake模型及其改进模型GGVF Snake模型力场的特点,并在针对单个宽型深度凹陷物体、瓶型物体或多次内凹物体的分段轮廓检测算法的基础上,提出了基于GGVF Snake模型的多个凸形物体或窄型深度凹陷物体的分段轮廓检测算法。实验结果表明,该算法可以正确检测出多个凸形物体或窄型深度凹陷物体的完整轮廓。     

主动轮廓模型及其在医学体分割中的应用

利用医学序列切片在灰度值和空间位置上的相关性,对传统主动轮廓模型进行改进,将其应用于医学体数据分割中.以物体轮廓采样到其相邻两采样点中点的距离为内部能量函数,同时通过制约轮廓的长度,使其尽可能短来达到;利用图像区域的局部梯度信息,同时利用序列图像之间局部区域的全局信息及其相关性重新构造外部能量函数;并根据内外部能量的比值,动态的调节权值参数.实验结果表明,改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些噪声点或伪边缘点,可达到良好的体分割效果.     

自动识别并分割太赫兹图像中的可疑物

分析了太赫兹图像的特征,基于图像处理技术提出了一种新颖并且快速检测人体太赫兹图像的算法。使用改进的非局部均值滤波器来减少太赫兹图像中的噪声;应用主动形状模型(ASM)检测人体轮廓;采用基于TSED(total square euclidean distance)的k-means算法分割可疑物。实验结果表明,提出的算法能够很好地检测和分割太赫兹图像中的可疑物体。     

基于小波变换的物体轮廓缺陷图像检测研究

提出将二维物体的轮廓图像坐标信息转换成基于质心距离的一维向量信息来进行检测.并设计了基于双正交对称小波的去噪算法.实验结果表明,这种算法可以有效地去除噪声信号和缓变信号,保留缺陷的突变信息,是一种有效和实用的轮廓缺陷检测算法.     

基于多尺度小波变换的图像边缘检测

图像边缘是图像中的重要信息,为了检测图像中的边缘信息,提出了一种基于多尺度小波变换的图像边缘检测算法．该算法充分利用了图像边缘在多尺度下的信息,首先选用二次B样条小波对原始图像进行多尺度小波分解,提取出图像中的高频信息,包括真实的图像边缘和噪声,然后根据图像边缘和噪声在不同尺度下具有不同的传递性,抑制噪声分量,保留图像边缘分量．实验结果表明,该算法获得了较好的图像边缘检测效果．     

基于三帧差分及Canny算子的运动目标提取

针对目前常用的运动目标提取方法易受到噪声、光线变化的影响,很难提取出完整的运动目标这一问题,提出一种基于三帧差分和Canny边缘检测相结合的运动目标提取算法.该算法首先对连续三帧图像进行差分;然后对差分结果其进行区域填充,得到运动区域;再对当前帧进行Canny边缘检测得到边缘图像,二者相“与”得到运动目标的精确边缘图像;最后通过区域填充得到运动目标图像,从而实现运动目标的提取.实验表明,该算法可以实时有效地将运动物体从图像序列中提取出来.     

梯度图像的阈值选取

为了较精确地提取目标的边缘轮廓,针对梯度图像的特征,提出在canny边缘检测算法基础上,采用自适应阈值消除噪声,探测较精确的边缘轮廓。由于光学成像和高斯平滑滤波等作用,梯度图像中边缘上噪声的分布是呈近似单边正态分布,所以根据梯度图像的灰度均值与方差确定自适应阈值。通过实验仿真比较,采用自适应阈值获得了较准确的边缘轮廓。     

基于双窗口区域激励的边缘提取算法

针对常用的边缘提取算法如Sobel、Lo G及Canny在实际使用过程中存在的一些问题,提出了一种对噪声和光照更加鲁棒的边缘提取算法.通过提取双窗口区域的加权灰度比值到预先设置的对比函数中,结合Sigmoid函数生成边缘图像的激励值,从而削弱了噪声和光照对边缘检测的影响.为了进一步提高边缘图像的对比度,通过引入对比度增强算法如自适应直方图均衡化来提高图像对比度.实验结果表明:采用此方法能够更好地提取出图像中的边缘信息,有效缓解了Sobel算法存在的局部细节丢失以及Lo G和Canny算法易受光照干扰产生伪边缘等问题.     

二值图像边缘跟踪算法及其在掌纹识别中的应用

提出了一种具有抗噪性能的二值图像边缘跟踪算法,并将其应用在掌纹识别中．实验表明：新算法与传统算法相比,能够快速准确地检测出二值图像的整个边缘,同时能够较好地去除图像中的噪声和毛刺．     

基于中值滤波技术的视频图像边缘检测算法

传统算法抗干扰性能较差,利用人工经验对高低阈值进行设置完成边缘提取,不但会出现伪边缘,同时会产生很多噪声。为此,提出一种新的基于中值滤波技术的视频图像边缘检测算法。依据集合代数原理,通过集合论对几何结构进行描述,完成对视频图像形状与结构的预处理。针对视频图像中某一点的值,对其用该点邻域中不同点值的中值进行替代,对视频图像进行平滑滤波处理。在此基础上,通过设定阈值对某像素点是否是边缘点进行判断,利用最大类间差分技术获取最优阈值,自适应选择合理阈值,以降低假边缘现象的出现概率,提高边缘连续效果。对视频边缘轮廓区域的增强处理,得到有效的边缘检测结果。实验结果表明,所提算法检测结果伪边缘较少,图像边缘检测质量高,噪声少。     

图像处理中边缘检测算法性能的分析

数字图像处理和计算机视觉有一个基本问题就是边缘检测。图像中会有亮度变化比较明显的点就是图像的边缘。图像的边缘表现出了图像的位置信息、轮廓特征等。边缘检测现在只要应用在分析和处理图像中,像提取图像特征、分割图像、增强图像、复原图像、模式识别、图像压缩等。本文介绍了边缘检测算法中的几种经典边缘检测算法,讨论了这几种经典的边缘检测算子的若干性能判据,通过实验验证:不同的边缘检测算子对分辨率不同的图像性能变化是不同的。     

一种基于保留边缘的SAR图像相干斑滤除方法

研究一种能保持边缘的星载ＳＡＲ图像相干斑噪声滤除方法,常规滤波算法在滤除噪声的同时也带来了图像边缘模糊问题,利用多种检测图像边缘算法的有机组合,首先提取出图像边缘,然后将边缘从图像中剔除,对剩下的无边缘噪声图像用改进Ｌｅｅ滤波法进行噪声抑制,再把边缘图像加入,最后得到了能保持边缘的ＳＡＲ图像相干斑滤除图像。用实际数据进行检验,并和常规方法得到的结果比较,验证了本算法的有效性。     

基于局部信息的图像增强方法研究

在图像处理过程中,使用直方图均衡化、全局对比度拉伸等基于图像全局信息的图像增强算法,难以实现图像局部细节对比度的增强,即不能实现物体轮廓的增强。为此,本文主要对基于局部直方图均衡化、Lee算法的图像局部增强算法和MSR算法进行研究,通过算法的改进来实现图像局部增强的效果。     

基于Laplacian算子的扩大比对范围的边缘检测算法

针对常规边缘检测算法中存在的图像细节轮廓损失问题,本文提出一种基于Laplacian算子的扩大比对范围的边缘检测算法。该算法在对像素点使用Laplacian算子进行边缘检测处理时,扩大了处理的范围,后由所有像素点的差值和可以组成一个新图像,选定合适的域值对新图像进行二值化处理可以得到二值化的图像边缘信息。实验证明,该算法可有效地解决图像中色调变化较小、边缘变化缓慢区域的边缘轮廓检测丢失问题。     

基于MMSE的自适应灰度形态学钢轨边缘检测算法

钢轨边缘检测是铁路轨道异物入侵检测的关键技术,针对钢轨图像在采集过程中经常受到不同程度的噪声影响,以及传统边缘检测算法难以准确检测到钢轨边缘的问题,提出了一种基于MMSE (Multi-scale Multi-direction Structural Elements)的自适应灰度形态学钢轨边缘检测算法.首先根据轨道图像的噪声特点,使用多尺度结构元素的形态学滤波算法对轨道图像进行自适应滤波操作,实现钢轨边缘的增强和噪声的抑制;然后对滤波后的轨道图像使用多方向自适应灰度形态学边缘检测算子进行钢轨边缘检测.实验结果表明:该算法不仅有效滤除了采集图像中的噪声,而且能够较准确地检测到轨道图像中的钢轨边缘.     

基于帧差法和边缘检测法的视频分割算法

针对目前常用的视频分割方法易受到噪声、亮度突变的影响,很难提取出完整的运动目标这一问题,提出一种基于帧差法和边缘检测法相结合的视频分割算法.该算法首先对连续三帧图像进行差分得到运动区域,然后对当前帧进行Kirsch边缘检测得到边缘图像,综合二者的检测结果得到更为精准的运动对象边缘.采用边缘连接算法完成对断裂边缘的连接,最后通过区域填充得到运动目标掩模图像,从而分割出完整的运动目标.实验表明,该算法可以实时有效地将运动物体从视频序列中自动地分割出来.     

基于Prewitt算子的计算机数字图像边缘检测改进算法

为了使提取的图像边缘的结构定位精确，并产生连续的精细边缘，同时能滤除边缘信息中的噪声干扰，提出了一种以Prewitt算子为基础，应用区域分割和骨架提取的改进算法，实现了图像边缘信息的提取，能消除图像中的噪声，产生精细的边缘。实验证日月，该算法能有效地消除噪声，准确地检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

基于边缘梯度的散焦图像深度恢复

在散焦图像中,点的模糊程度随物体的深度而变化,因此可以利用散焦图像中点的散焦程度来估计物体的深度信息。本文提出了一种基于散焦图像中物体的边缘梯度关系来恢复图像深度图的新算法,用一个已知参数的高斯函数对图像进行再模糊,然后求出模糊后的物体边缘梯度,再与原图像中物体边缘梯度相比,再将该比值与图像的深度关联,求出图像中物体边缘处的深度,再利用后续深度插值方法和深度图优化恢复出整幅图的深度信息。这种算法仅需要一幅图像即可进行深度信息恢复,有较好的有效性。     

基于灰色系统理论及方向图的纤维边缘检测算法

针对传统边缘检测算法在对纤维进行边缘检测时易出现边缘不连续、虚假边缘、粘连纤维无法确定轮廓的现象,提出了一种基于灰色系统理论及方向图的纤维边缘检测算法.该算法首先利用灰色预测和Niblack算法分别得到图像的强边缘和图像二值图,接着利用边缘连接算法求出连接图,并与利用灰色关联度求出的感兴趣区域(ROI)相结合求出纤维边缘图,进而利用填充算法和轮廓跟踪求出纤维外轮廓,再将外轮廓与ROI相结合求出轮廓增强的纤维图像,最后运用基于方向图的边缘界定算法提取纤维的边缘信息,剔除毛刺之后可得到纤维的完整边缘.试验结果表明,这种方法能够很好地抵制噪声,并能得到比较完整的纤维边缘信息,不仅具有较好的边缘连续性,且克服了双边缘的现象,提高了检测精度.