运动目标检测中的边缘检测算法

视频图像中运动目标检测是计算机视觉领域的重要研究内容。基于多分辨率分级分块的思想，采用了一种有效的块边缘检测算法，改进了二值图像边缘检测所用的传统方法，减少了确定边缘的时间，实验结果表明，该方法是比较有效的。     

基于双树复小波的直方图路面裂缝检测算法

分割算法广泛用于公路路面裂缝的检测,然而低抗噪性是这类算法存在的主要问题.将双树复小波变换和直方图方向梯度相结合,提出一种基于双树复小波变换的路面裂缝检测算法.该算法用双树复小波变换对路面裂缝图像进行子带分解,对各子带图像进行直方图方向梯度矩阵计算,阈值化后确定裂缝边缘.实验结果表明,与传统边缘检测算法相比,该算法目标识别度高、抗干扰能力强及准确率高.     

联合熵流与边缘算子的红外运动目标检测

针对复杂背景下红外目标检测问题,提出一种联合熵流与边缘算子的红外运动目标检测算法.该算法分4个步骤检测目标:首先将熵流作为一种图像运动描绘子,通过熵流确定含目标运动的区域;其次运用Canny算子检测含背景和目标的边缘;然后联合两者捕获背景成分急剧降低、近似精确的目标边缘图像;最后计算边缘图像聚类中心,依据亮度、熵流约束进行区域生长,识别红外目标.对于海空背景下的红外目标图像,实验结果表明该方法能准确地检测、定位目标.     

插件元器件分拣机器人系统设计与实现

针对传统的插件元器件分拣方法准确率较低的不足,搭建一个基于机器视觉的分拣机器人系统.该分拣机器人系统对目标定位时,采用改进的自适应阈值的Canny边缘提取算子提取目标的边缘信息,克服了光照变化对目标定位的影响;目标分类时,采用SURF提取关键点与FREAK描述的方式对目标进行描述,二进制的描述子相比传统浮点数描述子,加快了模型的建立,缩短目标分类的时间.实验结果证明:该系统能有效提高分拣机器人系统对多目标的分类准确率,缩短多目标的分类时间;同时对环境有较好的适应能力,提高了生产效率.     

基于融合技术的小波变换和形态学边缘检测算法

提出了一种图像边缘检测的方法.本算法将小波变换和数学形态学相结合,并采用简单的融合策略,确定图像边缘位置.在小波域中,对高频子图像用小波模极大法进行边缘检测,对低频子图像用数学形态学法进行边缘检测,然后采用一定的融合规则分别对高、低频边缘子图像进行融合,最后进行小波逆变换重构融合图像.实验结果表明,该算法融合规则简单,泛化能力强,能有效地抑制噪声,较好地再现图像的边缘信息,是一种有效的图像边缘检测算法.     

采用Lamb波理论的超大型航空铝板的损伤检测

目的针对飞机机翼的铝板在正常使用条件下经常出现的切割和冲击两种微损伤类型进行损伤检测.利用超声导波传播过程中衰减小,传播距离远的特点,从而解决传统检测方法的逐点扫描的缺点.方法采用PZT压电陶瓷作为检测的Lamb波信号的激发和接收传感器,通过Hilbert变换计算监测信号的幅值变化,从而确定信号能量的分布规律,进而研究铝板的损伤程度.结果切割损伤产生新的边界会产生新的反射波,信号分析过程中可以根据波的传播速度确定损伤的位置,同时根据信号幅值和能量变化确定损伤的程度.结论冲击损伤可以从回波的Hilbert变换能量变化中检测到,但是信号的解析和确定损伤位置变得复杂得多.该方法可以有效地对超大型铝板进行无损检测.     

结合Wiener滤波和形态学的图像边缘检测方法

提出了一种将Wiener滤波和数学形态学相结合的图像边缘检测方法.首先用自适应Wiener滤波对含噪图像去噪,然后构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,自适应确定权重,将多结构元的边缘检测信息加权求和,得到在噪声存在条件下较为理想的图像边缘.实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法.     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.     

基于多结构元素的数学形态学边缘检测算法

针对传统边缘检测算子对噪声敏感的不足,提出了一种基于多结构元素的数学形态学边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,得到一种新的抗噪型边缘检测算子,利用多结构元素提取图像的边缘特征,即使在噪声条件下,也能获得较为理想的图像边缘。实验结果表明,与传统的边缘捡测算子相比,该方法边缘检测精度高,且具有良好的噪声鲁棒性。     

自适应多窗口梯度幅值边缘检测算法

针对梯度幅值边缘检测算法无法检测连续边缘的问题,提出一种自适应多窗口梯度幅值边缘检测算法.首先使用传统梯度幅值边缘检测算法检测出初始边缘;然后在初始边缘上检测端点,使用K-均值聚类算法对端点进行分类,从而确定背景和目标灰度值接近的区域作为窗口;最后在窗口内使用梯度幅值检测边缘,通过多个窗口的并集得到最终的边缘.实验证明采用所提出的算法可以得到比较完整的边缘图,定位误差比传统的边缘检测算法小.     

一种改进的变分水平集车辆检测技术

针对传统运动目标检测算法存在适应性差、对噪声较敏感等缺点,提出一种基于变分水平集快速提取边缘模糊运动目标的方法。该算法利用主动轮廓模型进行边缘检测约束,并结合变分水平集方法进行二次演化获得准确的图像分割。实验证明,该方法能够快速准确的分割运动目标,对于复杂环境有较好的适应性和鲁棒性。     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法.首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取...     

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.     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

基于视频的人体运动肢体检测

要实现对视频中人体动作的捕捉和分析首先要提取出人体的运动肢体,当视频中背景和人体姿态比较复杂时,帧差法、光流法等传统的运动目标提取方法并不能准确检测出人体运动肢体的轮廓.在帧差法基础上,提出了动态区域边缘点保留法来获取运动区域的边缘点集,并根据人体先验知识总结出一种边缘点整合的算法,用于对运动区域的边缘点集进一步处理,得到了人体运动肢体较为完整的轮廓.实验证明,该方法可以较好地解决背景干扰和人体及服饰的非刚性问题,比较准确地检测出人体运动肢体的轮廓.     

基于ARM的运动人体检测算法的研究

针对ARM平台资源有限的特点,提出一种适用于该平台的运动人体检测算法.该算法采用三帧差分法对图像序列中的运动目标进行检测,通过统计像素块的方法对阈值分割和形态学处理后的运动目标进行提取,并采用贝叶斯分类器对提取的运动目标进行分类.实验结果表明,该算法能在资源有限的嵌入式系统中实时有效地检测出静态监控场景中的运动人体,且对正常的光线变化具有一定的鲁棒性.     

一种背景自适应的运动目标检测算法

鉴于传统混合高斯模型背景更新的不足,融合边缘检测、帧间差分,提出一种背景自适应的运动目标检测算法。该算法利用Sobel算子提取图像的边缘信息,采用了三帧差分法把每帧图像分为背景区域、背景暴露区域以及目标运动区域,对背景暴露区域、背景区域以及运动区域采用不同的背景更新策略。实验表明,算法对缓慢运动物体、光线突变及背景融入等条件有较好的适应性,能够有效地检测运动目标。     

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.     

基于区域的运动阴影检测方法

为了使阴影检测结果更加准确和鲁棒,提出了一种基于区域的运动阴影检测方法。该方法从阴影具有的物理特性出发,考虑了区域内所有像素的总体特征。将每帧图像进行合理的分块,并且采用基于梯度的方法对运动区域边缘的小块进行合并。对每个小块根据阴影区域和对应的背景区域之间具有较强的结构相似性和色度近似性的特点进行阴影检测。实验结果表明,阴影检测准确率超过90%,其结果明显比基于颜色不变量的方法有效。该方法能够准确而鲁棒地检测出运动阴影。