基于数学形态学的掌纹图像分析

讨论和分析了数学形态学在在线掌纹图像处理中的应用.该方法应用数学形态学进行掌纹定位分割和增强处理.结合在线掌纹图像的特点采用形态学运算提取掌纹轮廓线,规范手掌质心,然后选取以质心为中心的合适大小的方形区域作为特征有效区域.在有效区域内进行形态学Bot-Hat变换检测出掌纹纹线进行增强处理,对增强后的图像进行傅立叶变换在频域空间进行特征提取和匹配.通过实验,论证了上述方法的有效性和可行性.     

基于多方向滤波和邻域去噪的掌纹主线提取

为了提取完整的、接近自然生长规律的掌纹主线,提出了一种基于多方向滤波和邻域去噪的掌纹主线提取方法.首先对全手掌图像进行预处理,得到统一大小和灰度的ROI(Region of Interest, ROI)掌纹图;然后用中值和4个方向检测器对ROI图像滤波,并对滤波后的结果进行底帽运算从而得到粗提取的结果;最后对粗提取的主线进行二值处理和邻域去噪,得到最终的主线提取结果.在公开的数据集上将新方法与现有同类方法进行对比,主观实验结果表明:新方法提取得到的主线图像连续且完整,客观的PSNR值比对比文献平均高约2.315 3 dB,表明新方法能较好地去除断线、孤点噪声,从而完整、有效地提取掌纹主线.     

商空间理论的Hough变换直线提取

Hough变换以其对图像噪声的鲁棒性,一直是参数化图形检测提取的经典工具,尤其是在直线提取方面,但传统的Hough变换存在的一些缺点,限制了Hough变换的应用场合,粒度计算为这些缺点的改进提供思路,文中在全面分析传统Hough变换及其存在缺点的基础上,结合商空间的粒度计算理论模型,提出一种基于商空间理论的Hough变换直线提取算法,实验证明,该算法在算法复杂度、实用性和准确度等各方面都有一定的改善。     

掌纹图像的主线特征提取

掌纹特征的提取在掌纹自动识别系统中是一个必不可少的重要环节.本文首先用基于掌纹图像灰度特性的方法提取出掌纹的主线特征,针对存在的大量干扰点和断点,运用数学形态学进行了后置处理.实验表明,该方法能够有效地去除干扰点、连接纹线的断点,从而保证主线特征的稳定性与可靠性.     

基于假设检验的SAR图像机场跑道自动识别

针对复杂条件下合成孔径雷达图像中机场目标自动检测识别问题,提出了一种基于假设检验的机场跑道自动识别算法,利用雷达图像中跑道灰度特性和结构知识,通过迭代分割和形态学滤波提取感兴趣区域,抑制具有类似灰度特性的水域对跑道线检测的影响,并结合Hough变换和线段跟踪连接提取候选跑道,最后采用假设检验方法对机场跑道进行识别.试验结果表明该方法可快速有效地检测识别复杂背景下低分辨率、低信噪比合成孔径雷达(SAR)图像中的机场跑道.     

利用参数关联性的输电线检测方法

在无人机巡检输电线的航拍图像中,输电线通常受到如道路和建筑等背景噪声的干扰,为了提高输电线检测的鲁棒性,提出了一种输电线检测方法。首先进行直线增强;然后通过Hough变换将检测到的边缘进行直线检测并将直线转换到参数空间;再次对检测到的直线参数进行Hough变换并根据输电线簇参数关系提取出输电线图形信息。实验结果表明,利用输电线簇参数关联性的输电线检测方法可以有效地将输电线从具有干扰直线的背景中提取出来,从而提高航拍图像输电线检测的鲁棒性。     

生物芯片微阵列图像倾斜校正算法研究

针对现有生物芯片图像倾斜校正算法校正精度和运算速度的矛盾问题,提出对矩形样点和圆形样点图像分别采用改进的Hough变换和改进的Radon变换方法进行倾斜校正。改进的Hough变换首先对图像进行二值化,并仅统计矩形样点的上下边缘像素的Hough参数和累计值,然后根据所得的Hough参数空间提取占主导的直线组,最终计算出直线组的平均倾斜角度;改进的Radon变换在提取圆形样点边缘后,对边缘图像进行二级Radon变换,从而得到最佳校正角度。实验证明本文的方法能准确、快速地实现芯片图像的倾斜校正,为生物芯片样点识别奠定基础。     

基于改进Hough变换的刀具磨损状态监测

针对传统Hough变换的参数空间所需存储量大、运算量大、不利于实现实时监测等缺点,提出了一种基于随机Hough变换的改进Hough变换算法,并将该方法用于工件表面纹理图像的处理,通过对工件表面的二值边缘图像进行改进Hough变换,提取直线段平均长度及直线段与切削速度方向的夹角作为特征参数,实现对刀具磨损状态的判断.算法分析和实验结果表明,该算法所需存储空间少,计算量小;提取的特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现对刀具磨损状态的监测.     

基于Hough变换直线检测中的峰值提取

通过Hough变换，图像空间中较为困难的全局检测问题就转化为参数空间中相对容易解决的局部峰值检测问题。本文针对参数空间峰值簇拥情况，给出了一种通过比较积累单元样本方差大小，在备选积累矩阵提取实际估计参数的峰值提取方法，并通过仿真证实了此方法的有效性。     

采用最小均方误差筛选参数的Hough变换及应用

为了在含有大量噪声的图像中精确地检测形状,提出了采用最小均方误差筛选参数的Hough变换方法:首先采用Hough变换投票得到参数空间上的投票值,然后初步筛选出所有投票值大于投票阈值的参数,再分别计算这些参数对应图像在边界图像中的均方误差,最后选择其中均方误差最小的一组参数作为最后的检测结果.将该方法与取最大投票值的Hough变换分别应用于虹膜外边缘定位并相互比较,实验结果表明,该方法抗噪声能力更强,适用范围更大,得到的结果更加合理.     

融合角点信息的直线增强

直线提取是图像理解和识别的基础,相位编组法是常用且较为快速的直线提取方法之一。传统的相位编组方法存在着诸多问题:如一条直线容易断裂成若干段,直线交点及其附近直线上的点检测不到,无法得到物体的封闭轮廓,造成对物体描述与识别的困难。本文对相位编组方法存在的问题对其进行改进,提出一种利用角点信息对相位编组方法提取的直线进行修正,同时利用相交直线信息对角点位置进行修正的方法。     

基于方向密度检测与霍夫变换的混合矩阵估计

针对欠定盲源分离混合矩阵的估计问题,提出一种基于局部方向密度检测的孤立时频点处理与霍夫变换相结合的混合矩阵估计算法.首先通过变换域单源时频点处理增强信号的稀疏性,对散点图中的方向直线进行霍夫变换,通过判断局部极大值点确定源信号数量并估计混合矩阵.针对霍夫变换易出现的峰值簇拥问题,提出采用局部方向密度检测方法先判别并去除孤立时频点,之后再进行霍夫变换,提高了混合矩阵的估计精度.实验结果表明本文所提出的方法能够在未知源信号数量情况下实现混合矩阵估计,且估计精度高于K-means等常用方法.      

基于聚类的建筑物直线特征提取算法

建筑物图像中提取直线是视觉导航、特征识别等很多应用中的关键步骤。针对建筑物图像。提出了一种新的基于聚类的直线提取算法。该算法在Canny边缘的基础上,使用一个聚类算法将边缘分类,减少了因噪声形成的小短线对直线检测的误检或漏检现象;对于每一个分类使用直线识别准则,进一步剔除图像聚类中的伪直线;最后使用改进的Hough变换（standardHoughtransform）将直线提取出来。克服了传统Hough变换执行速度慢的缺陷。实验结果表明,文章提出的算法具有较快的运算速度,较高的直线提取准确性．较低的漏检和误检情况。其性能优于传统的Hough．变换和相位编组法。     

基于边缘方向的直线提取算法

研究一种快速的图像直线提取算法.将边缘按方向划分成若干子边缘,利用判据从子边缘提取出局部直线,然后依据准则合并相应子边缘直线得到全局直线及参数.准确提取出图像中的直线特征及端点和方向等参数.仿真实验结果表明,该算法比Hough变换能更准确、快速、可靠地提取图像的直线特征.     

一种多阈值Hough变换车道线检测算法

针对传统Hough变换虚线检测率不足的问题,提出一种多阈值Hough变换车道线检测算法。该算法在对图像进行灰度化处理、逆透视变换、二值化处理的基础上,在预设好的多条直线位置进行突变点检测,并对突变点进行分类、拟合、合并,最后进行Hough变换。3种实际路况的实验表明,该算法能够较准确、稳定地检测出车道线,平均识别率达到9870%,高于传统Hough直线检测算法的平均识别率(86.84%),而且可通过计算车道线线段的长度和点的个数来判断虚线和实线。     

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。     

一种基于光照无关图的车道检测方法

针对无人车辆道路检测时,特征提取易受光照变化和阴影影响的问题,提出一种基于光照无关图的车道检测方法.使用最小熵值法离线求取图像的光照无关角,对图像每个像素点在对数色度空间向光照无关方向投影得到光照无关灰度图;利用Canny算子提取光照无关图边缘,在边缘图上寻找线段基元以减弱细小边缘的干扰;使用改进投票空间的Hough变换检测直线,采用分段线性道路模型描述道路边界.实验表明,该算法能够有效减弱阴影和光照变化造成的影响,准确识别道路边界,满足实时性要求.     

基于Hough变换和数学形态学算子的对不规则直线的提取

提出了一种提取并定位不规则直线的方法.将Hough算法和数学形态学结合在一起,利用Hough算法对直线敏感的优点及数学形态学运算简单准确的特点,避免了Hough算法不能准确定位直线的位置,同时不能判断间断直线和微小弯曲直线的缺点.减少了提取的盲目性和计算的复杂度,加深了对图像的理解.     

一种基于消失点和颜色过滤器的车道线检测算法

针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出 了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场 景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图 像的感兴趣区域(Region of Interest,ROI);然后,对 ROI 图像根据车道线颜色特征进行过滤得到二值图像,获取二 值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特 征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的 质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性。