基于模糊梯度的微齿轮图像边缘检测算法

提出一种基于模糊梯度思想的微齿轮图像边缘检测算法.该算法采用正切归一化函数对灰度图像模糊化,并计算该模糊图像的梯度矩阵;采用正弦函数对梯度矩阵进一步模糊化得到模糊梯度矩阵;采用基于归一化实数编码的遗传算法来搜索最优的阈值λ对模糊梯度矩阵做截集,获取图像边缘点集合.实验中以不同微齿轮图像作为实验对象,测试了该算法性能.实验结果表明,该算法的检测精度优于10μs,检测时间基本为1s,整体性能优于Canny算法和Pal-King算法.     

基于双目立体视觉和SVM算法行人检测方法

提出了一种基于双目立体视觉和SVM算法的行人检测方法.采用行人样本的头肩HOG特征训练分类器,通过双目视觉系统获取待检测目标左右图像,经过摄像机标定和立体匹配之后,计算图像共轭点的视差生成深度图,以基于距离的阈值分割确定运动目标所在的ROIs,有效去除背景信息;提取分割图像的HOG特征,投入SVM分类器训练得到检测子;加载分类器在前景图像中做多尺度检测,标记检测出来的运动目标.实验表明:该方法能对复杂场景下不同尺度和姿态的行人进行有效检测,具有较高的鲁棒性和检测率,且具有很好的实时性.     

基于边缘分割的车载单目远红外行人检测方法

基于机器学习的车载单目远红外行人检测方法存在实时性较差和检测精度较低的问题.为此,文中提出了基于边缘分割的头部-方向梯度直方图-支持向量机(Head-HOGSVM)行人检测方法,引入加权Sobel算子强化行人的垂直边缘以分割行人候选区域;根据不同距离行人的外观模式选择行人检测方法:使用头部特征检测中、近距离行人以改善系统的实时性,使用头部识别级联基于方向梯度直方图特征的支持向量机(HOG-SVM)分类器检测成像模糊的远距离行人.在多个郊区场景视频数据集上的实验结果表明,与基于双阈值分割的HOG-SVM分类方法相比,文中方法的检测精度和检测速度分别提高了约33%和200%.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于改进FCM算法的后照明图像分割与分级算法研究

后照明图像在白内障诊断和治疗中有着广泛的应用.使用计算机进行分割、分级,不仅省时而且可以得到客观的结果.针对已有算法在灰度不均匀、背景与前景灰度接近区域时无法有效分割的问题,提出一种基于改进FCM算法的后照明图像分割算法.在改进的算法中,首先计算超像素图像区域梯度信息,然后将超像素区域梯度信息归一化后作为权重引入到FCM算法中,充分考虑超像素图像区域信息和梯度信息,从而减少了这些区域的误分.实验结果表明,相比于已有分割和分级算法,本文提出的算法提高了后照明图像分割的准确率.     

红外图像中的行人检测

为了有效地检测红外图像中的行人,提出了一种基于神经网络的检测方法。采用三维中值滤波来提取背景图像,用图像差分法提取目标区域(regions of interest,ROIs),提出傅里叶描述子作为目标区域形状特征;设计了BP神经网络分类器并用来对ROIs进行识别。通过大量不同种类不同形状的样本对分类器进行验证,结果表明该分类器具有较高的识别率和较低的虚警率,能够快速有效地识别ROIs,具有良好的分类能力。     

基于梯度信息和区域互信息的图像配准

针对红外图像和可见光图像的特性,提出了基于梯度信息和区域互信息的红外与可见光图像配准。为了提高配准的速度,采用分层配准方法:使用小波分解将原始图像分为两层,在小尺度层上使用梯度信息和PSO方法找到粗配准参数,大尺度层上使用区域互信息和Powell搜索。其中,Powell搜索的初始值为粗配准参数,最终实现红外图像和可见光图像的有效配准。仿真实验结果表明:该算法配准精度高、速度快、鲁棒性好。     

结合自适应形态学梯度和区域信息的彩色图像分割

随着图像处理技术的发展,图像分割技术也日趋走向成熟,但是传统的分割方法很难实现全局分割,对目标边缘的检测存在漏检以致于无法实现有效的精确的分割,基于自适应形态梯度和区域信息的图像分割算法能弥补这些缺陷。为解决这个问题,我们提出了边缘检测采用自适应形态梯度的方法,区域信息的检测采用Chan－vese模型的最小化准则思想,把演化曲线放在一个控制的轮廓范围内不断演化,直到检测到目标物体为止,实验结果表明,该模型能停止在目标物体的边界,能检测到目标物体的凹陷区域,克服了目标边缘漏检问题,提高了分割的准确性。     

基于改进分水岭算法的医学图像分割

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将形态学滤波、多尺度形态学梯度和控制标记符分水岭相结合的分割策略。首先利用数学形态闭-开运算完成预处理以滤除原始医学图像中的噪声和非感知信息。其次做闭运算以平滑图像,并对平滑的图像计算多尺度的形态学梯度。再次对形态学梯度图像进行重建,然后采用控制标记符的分水岭变换算法对重建后的梯度图像进行分割。最后将分割结果变换回原始尺度。仿真实验结果表明,这种改进的方法不但使经典分水岭算法中的过分割现象得到了很好的抑制,医学图像中的病变区域被有效分割出来;而且分割算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

粗细粒度超像素行人目标分割算法

针对车载视觉行人目标分割由于复杂场景对行人目标的分割结果产生干扰而出现信息冗余以及错误分割的问题,提出一种粗细粒度超像素行人目标分割算法。该算法以Mask R-CNN作为粗粒度一次分割,将所得结果经Slic超像素细粒度二次分割,融合两次输出结果来提高现有图像目标的分割精度,为行人目标识别和跟踪提供有益先验感知信息。经仿真验证,该算法能够对复杂背景情况下的图像进行有效分割,MS COCO标准公开集测试结果与原有Mask R-CNN检测算法相比,mAP提高0.71%,为图像识别和计算机视觉系统完成精准的预处理,具有较强的工程应用价值。     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

一种实用快速的车牌字符分割方法

针对车牌自动识别系统中的字符分割问题,提出了一种基于车牌字符几何特征的分割字符算法。该方法先用数学形态学对二值化后的车牌图像进行一系列的形态运算,去除掉一些无用信息,使得字符与车牌左右边框、字符与字符之间空懈变大,便于划出字符间的垂直分割线,然后使用一种新的快速测量车牌倾斜度的方法进行校正。实验结果表明,该算法原理简单实用,分割速度快,分割的质量好,便于下一步的识别。     

一种基于支持向量机的行人识别方法研究

研究了基于支持向量机的车辆前方行人识别方法.通过提取样本的类Haar特征,采用AdaBoost算法训练得到了分割行人的级联分类器,实现了行人候选区域的快速分割;提取了样本的纹理特征、对称性特征、边界矩特征以及梯度方向特征,组成表征行人的多维特征向量,采用支持向量机训练得到了识别行人的分类器.试验结果验证了所提算法的有效性,获得约75%的行人检测率.     

基于特征差异性的荧光磁粉探伤图像分割算法

为实现目标信息与伪信息的有效分割,提出一种融合了梯度法与阈值法的荧光磁粉探伤图像分割算法.以荧光磁粉图像中目标信息与伪信息的梯度特征差异为主要判据,设计了图像分割算法.滤除与目标信息的灰度特征最接近的伪信息,结合阈值法提取目标信息.主要选取梯度特征为分割判据,有效弥补了纯阈值法通用性差的缺陷.在集成了OpenCV的VC环境下进行了算法调试实验,结果显示:目标信息与伪信息的梯度特征差异显著,去除高梯度值的伪信息后,目标信息与背景信息的灰度特征差异明显,结合阈值法可以实现准确提取.     

基于位置特征的运动行人检测与跟踪方法

针对在静态背景视频中行人检测和跟踪时受行人运动状态影响较大,容易产生误识别,提出了一种基于位置特征的运动行人检测与跟踪方法.检测阶段得到运动行人的二值化差分图后,引入水平融合值、垂直融合值将满足融合要求的非连通区域外接矩形融合得到一个新矩形,以新矩形及其中心作为行人的位置特征,对行人进行检测与跟踪.用该方法跟踪行人视频中的两个行人,跟踪准确率分别为98%与95%.     

基于图像变换的递归式行人错检校验算法

针对现有HOG特征行人检测器容易受到复杂背景环境的干扰而降低检测效率的问题,提出一种基于图像的递归式行人错检校验算法。在保持行人检测器原有结构不变的基础上,对行人检测器的检测结果进行图像变换,变换结果作为新的输入图像,将原有检测器构成一个递归式错检校验处理结构。采用尺寸归一化、均衡和锐化图像变换方法,对行人检测器检测结果不断迭代校验,以达到降低错检率的目的。同时引入模糊决策判决终止条件,实现合理的迭代退出。经INRIA数据集和实测图片的仿真分析表明,该方法能够有效去除行人检测器输出的错误检测结果,正确检测率在原有基础上提高7.6%,在复杂背景条件下仍有效。     

B样条和图像梯度的单样本人脸识别

提出了一种基于B样条和图像梯度的算法用于单样本人脸识别。采用图像梯度方法进行人脸识别具有光照不变性等优点,但在图片有噪声的情况下,噪声信息会严重干扰梯度信息,识别率会大大下降。传统降噪方法,会在降噪的同时平滑图像,降低图像的梯度信息影响识别率。本文利用B样条滤波具有阶数可调的特点,根据图像的噪声值选取不同阶数B样条滤波,在降噪的同时最大程度的保留图像梯度信息以提高识别率。实验证明,基于B样条和图像梯度的算法在单样本人脸识别问题上识别率优于传统滤波方法。     

基于时空融合的交通场景中运动行人检测算法

将视频监控技术应用于交通信息获取与处理,解决行人安全问题,已成为智能交通系统中的一项关键技术。为精准地提取交通场景语义信息,提出了融合时域和空域信息的行人检测算法。通过相邻多帧时域变化和Canny边缘检测算法得到初始检测掩模图像,解决差值局部化和噪声问题;提取空域信息时,引入二次重构和内外标记技术对梯度图像进行修正和分水岭变换,得到空域掩模图像,有效地提高空域分割精度,消除过分割现象;最后将两者结果进行融合和形态学修正,提取出交通场景图像中的运动行人。以北京南站为例进行实验分析,结果表明,该方法能快速准确地检测到较完整的目标信息,在动态场景的行人检测取得了较好的效果。     

广义二维PCA和稀疏表示的红外行人目标检测

红外行人检测在夜间智能视频监控,车辆安全驾驶等领域有重要应用。为了解决红外图像特征降维后空间结构信息丢失的问题,提出一种基于广义二维主分量分析（principal component analysis,PCA）和稀疏表示的红外图像行人目标检测算法。该算法主要由2个阶段组成：第1阶段利用广义二维主分量分析方法提取图像的二维主特征分量,并由此构造行人目标的超完备特征字典;第2阶段采用滑动窗口的方法得到图像中局部子图,然后利用基追踪算法求解每个局部子图的稀疏表示系数向量,最后定义一个函数度量每个子图存在行人目标的可能性,并设置相邻标记框的最小距离得到整幅图像最终的检测结果。实验结果表明,该方法能够有效地检测红外图像中的行人目标,具有较好的检测效果。