一种非线性失真的PCB图像配准方法

建立边缘对准度函数,通过抽样特征点对样本PCB图像与待测PCB图像进行全局配准.由于相机镜头畸变导致图像非线性失真,全局对准后,局部配准存在偏差.提出分块对准策略,解决局部配准问题,同时针对局部配准后,块与块的交界处存在断裂现象,采用最小二乘法进行边缘拟合,实现全局PCB与局部PCB图像无缝配准.     

一种基于产生式系统的空间直线拟合方法

求解设备转动副的高精度实际轴线是提高设备运行精度的重要措施之一.当空间测量点密集时,通常的最小二乘法很难得到正确的拟合直线.研究发现,最小二乘法易造成90°的偏转,即发生偏转后,直线位于理想直线的垂直面内;造成这种偏转的原因是最小二乘法距离函数不是一个单极值函数,发生偏转的直线实际上是取得了其中一个最小值,而非全局的极小值.为防止偏转,提出了一种基于产生式系统的空间直线拟合方法,该方法首先为拟合直线指定一个基本方向,然后通过微分变化,经有限次迭代便可求得理想的拟合直线.该方法能有效避免在使用最小二乘法求取拟合直线时产生的偏转问题,通过在机器人关节轴线测量中的应用证明,该方法在工程实际中有较高的应用价值.     

一种新的子像素级边缘检测算法

将数学形态学、数值分析方法与传统的边缘检测理论相结合，构造出一种新的理论体系完备的子像素级边缘检洲算法，从滤波、边缘定位、拟合求精等多个方面对传统的边缘检测算法加以改进，使其可以在诸如精密检测等多个应用领域发挥作用。     

基于半邻域法的自适应图像边缘提取方法

图像边缘对图像识别和计算机分析十分重要,至今已经提出了大量的各种类型边缘提取算法.该文在半邻域法的基础上提出了一种基于自适应阈值选择的图像边缘提取算法,在判断某一像素点是否在边缘上时,以该像素点为中心,选取3×3的区域为研究对象,求出该区域的最大、最小、均值像素值及标准差,在选用标准差为其阈值的同时,还考虑人的视觉对于灰度分辨能力的限制.最后,对多幅灰色图像进行了边缘提取,结果证实了该文方法的有效性.     

散焦含噪图像的点扩散函数估计与亚像素边缘检测

针对机器视觉中图像模糊的原因,采用广义高斯函数描述点扩散函数(PSF),建立边缘过渡区模型,从一幅图像所含多条边缘中提取样本,依据提出的整合准则从全部样本的估计结果中计算整幅图像的PSF,利用最优求解的概念,可实现最小二乘意义下PSF及亚像素级边缘位置的最佳估计。实验结果表明, 由于算法获得图像所对应PSF的最佳估计,边缘检测具有比较高的抗噪性能,在边缘亚像素检测基础上完成的尺寸测量误差小于0.5%。     

一种启发式的自适应图像边缘检测方法

在生物学和医学研究中,经常需要对细胞的形状进行识别,这首先要对细胞的边缘进行检测,通常采用计算机图像处理技术,通过分析图像边缘检测的经典算法,本文提出一种适用性较强的启发式图像检测方法,得到了较理想的处理效果。     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

一种简单的确定ARMA模型结构的方法

研究了ＡＲＭＡ模型的建模问题，把正交最小二乘算法用于确定ＡＲＭＡ模型的结构，同时也辨识了ＡＲＭＡ模型的相应参数，最后给出了一些算例说明算法的可行性。     

视觉测量中基元特征亚像素提取方法的研究

建立了基于空间矩的三级灰度图像边缘模型,首先由传统LOG(Laplacian of Gaussian)算子确定图像的像素级边缘,再由灰度空间矩对像素级边缘进行亚像素定位,并用Hough变换提取基元的亚像素边缘像素点,最后通过最小二乘法曲线拟合得到亚像素级的基元特征。实验结果表明,基于空间矩亚像素边缘定位算法,以及像面直线和椭圆亚像素提取算法具有较高的精度和稳定性。     

一种有效的图像边缘修正方法

在实验的基础上,从视觉心理学出发,对边缘检测结果中的不理想情况进行分析和归纳,提出适合于边缘修正处理的链表型数据结构,并说明了边缘图像映射到数据结构中去的过程.根据目标域的线性、平行及封闭约束和图像边缘的长度约束以及边缘出错类型,形成修正规则与算法.最后给出了修正处理的实验结果.     

基于颜色和边缘特征CAM Shift目标跟踪算法

针对连续自适应均值漂移(CAM Shift)目标跟踪算法只适用于特定颜色目标跟踪且容易受到光照变化影响和背景色干扰的缺点,提出了一种改进的CAM Shift目标跟踪算法。该算法采用颜色空间三基色权重直方图建立目标模型,并用目标边缘特征增加目标权重。首先通过颜色空间三基色均匀量化获得特征值,建立基于核函数概率密度估计的目标模型;然后用Sobel算子检测目标边缘特征,结合颜色特征,分别赋予不同的权重投影生成概率密度分布图;最后用MeanShift算法迭代寻找目标,并通过矩运算调整跟踪窗口大小和方向。实验结果表明:该算法可以有效跟踪多色彩目标,并能够抵御一定光照变化和大面积同色干扰的影响。     

基于边缘和像素类型标记的立体匹配算法

提出一种基于边缘图像特征和像素类型标记的立体匹配算法,利用边缘信息及视差在边缘和非边缘区域的分布特征,指导有效初始视差在扫描线方向的传递。并且根据标记值对部分不可靠的像素点进行反向赋值和边缘内中值滤波处理,达到视差精化目的。实验证明这种方法对于整体视差范围不太大的远距离图像,能够获得较为精确的稠密视差图。     

利用Walsh函数设计PID控制器

以Ｗａｌｓｈ函数为基础．提出了一种模拟量ＰＩＤ控制器参数整定方法．在已知对象开环传递函数的前提下、依据希望的参考响应曲线一次设计出最佳ＰＩＤ三个参数值．该方法简单实用．     

一种基于模糊理论的图像边缘检测算法

提出了一种基于模糊理论的图像边缘检测算法,首先采用Otsu算法求出图像的阈值,然后通过新定义的隶属函数对图像进行模糊增强,最后运用Canny算子进行图像的边缘检测;实验结果表明,该方法在速度和准确性方面都达到了令人满意的效果.     

基于H.264 I帧编码的块边缘模式特征提取算法

提出了直接从H.264 I帧编码码流中提取块边缘模式特征的算法,并检验了该特征在图像检索中的应用.该算法利用H.264码流中得到的帧内预测模式和预测系数提取出5种边缘模式特征.该特征符合MPEG-7中所定义的边缘描述符,适合基于内容的图像检索算法.实验结果表明,采用该特征进行图像检索具有较高的检索准确率,相对于只采用帧内预测模式纹理描述符的方法,其平均查准率提高了5.07%.     

基于特征量重要度LS-SVR的WSN定位方法

针对无线传感器网络(WSN)节点定位方法中采用粗测距技术时,节点间较大的测距误差导致定位准确度不足的问题,提出一种基于特征量重要度LS-SVR的定位方法L-IFSVR.该方法把未知节点到锚节点的距离作为特征量,依据特征量的重要度进行特征提取,通过对探测区域网格化采样得到训练样本集,使用最小二乘支持向量回归机(LS-SVR)学习得到定位模型,在定位阶段,将未知节点的特征向量输入定位模型, 利用LS-SVR良好的泛化能力,实现对未知节点的准确定位.通过对均匀分布和C形区域随机分布的100个节点进行定位实验,结果表明,定位方法L-IFSVR能有效地降低测距误差对定位准确度的影响,减小平均定位误差,其中,均匀分布情况下L-IFSVR方法的平均定位误差相比采用相同测距技术的DV-Hop方法减小7.5~14.0%;C形区域随机分布情况下,显著减小36.5~55.2%     

基于OLS的径向基函数神经网络实现多种数字信号调制方式自动识别

基于决策论的信号调制样式自动识别方法具有简单易行、适合在线分析的优点,针对一些参数的计算进行了改进,并提出了基于该方法,利用正交最小二乘法(OLS)的径向基函数(RBF)神经网络,实现数字信号调制样式自动识别的方法.提高了该方法的识别能力,对信噪比(SNR)为6～30 dB的测试信号识别得到了较好的结果.识别的数字信号为2ASK、4ASK、2PSK、4PSK(QPSK)、2FSK、4FSK与16QAM.     

基于边界点方向的边界检测方法

提出了一种基于边界点方向的新的边界检测方法。由于充分利用了边界点的方向信息，该方法具有良好的总体性能，如抑制噪声能力强、边界呈单象素宽、定位精度高、运算速度快等。文中给出了实验结果及与其它方法的比较、分析。     

图的减边控制数的一些新下界

在已有减边控制函数定义的基础上,引入了斯的控制参数--边度,并利用分类的方法对文献[7]的问题2进行了探索,得到了一般图的关于边数的减边控制数的若干下界.