支持向量回归在圆形检测中的应用

对圆形的识别是机器视觉中最基本和最重要的任务之一,为了准确确定复杂背景图像中圆的位置,提出了一种将支持向量回归模型与三点拟合圆联合起来的新算法,通过支持向量回归模型训练不同类型的圆形样本,得到超平面方程f(x),以f(x)为中心线,构建一个宽度为2ε的近似圆环型间隔带,在此间隔带上的点都被认为属于圆形边界上的点,然后运用三点拟合圆几何算法计算出圆心和半径,从而达到识别圆形的目的。实验结果表明,联合算法通过对训练样本的学习,能够在噪声比较大的背景图像中得到圆形的边界信息,从而确定圆的位置,较仅使用某一种圆形识别算法有一定的优势。在以圆形作为定位的机器视觉领域,具有重要的理论研究价值与实践意义。     

基于改进随机Hough变换的圆形目标检测算法

圆形目标检测在各个领域得到了广泛应用.为了提高规则圆的检出效率、降低不规则圆的漏检率,文章提出了一种改进随机Hough变换的圆形目标检测算法.算法首先用区域增长和RGB二值分割等算法对不同背景的图像进行二值分割和去噪处理,接着对连通域分割的特征区域用具有圆形性特征的边缘点进行候选圆的检测和验证.实验对比结果表明,本文算法可以显著提高规则圆的检出效率、降低不规则圆的漏检率,算法计算量小、运行速度快、鲁棒性强.     

灰度积分投影和圆形标记法结合的人眼定位

讨论对于自然光下摄像头采集的人脸照片的眼睛定位算法,该算法是基于灰度积分投影和圆形标记法实现。分为以下三个步骤:首先,在RGB空间下对图像进行肤色检测,得到可能的人脸图像,通过形态学处理排除噪声等干扰;然后,根据亮度分量对人脸区域进行分割,得到五官图,并通过灰度投影对人眼进行粗定位;最后,通过圆形标记法,把区域内的白色空洞转化成面积相等且质心为圆心的圆形,经过几何特征筛选排除干扰圆得到双眼的两个圆形。该算法在Matlab平台上进行仿真实验,结果表明,此算法对于复杂背景下特别是存在类肤色干扰情况时人眼定位效果好、精度高。     

一种新的用于光学测量的圆点检测算法

针对光学测量中圆形标志点面积小、背景不固定、投影畸变不一致等问题,提出一种基于区域检测和边界验证的圆点检测方法.在图像预处理后,使用边缘算子对图像进行区域检测,根据图像的连续特征,在边缘延展的基础上对所有可能的疑似圆点进行检测,在复杂背景中突出圆形标志点的特征,从而检测到变形的圆点;对得到的变形圆点集合,由图像和三维点之间的关系得到圆点的位置,利用圆点边界信息进行自适应验证,最终得到准确的圆形标志点集合.通过对各种复杂背景下的真实图像进行检测实验,证明基于区域检测和边界验证的检测算法简单、高效、可靠,可以在不同环境下快速准确地定位待检测点,有效地解决了标志点在各种情况下变形程度不同难以辨别的问题.     

复杂背景下结合Graph Cut分割的车牌定位算法

复杂背景下的车牌定位算法是车牌识别技术的一个难点。提出了一种结合graph cut图像分割及边缘检测技术的车牌定位算法,通过图像分割算法去除图像背景边缘信息对车牌定位算法的干扰,测试表明该方法有效提高了复杂背景下车牌定位算法的准确率。     

一种基于多尺度分形新特征的目标检测方法

研究复杂自然背景下单帧图像的小目标检测问题.根据人造目标的分形特征随尺度变化比自然背景剧烈这一特点,提出一种多尺度分形新特征.该特征比标准分形维数更好地突出自然背景中的人造目标,对三种图像不同的背景干扰起到了较好的抑制作用.在多尺度分形新特征图像中采用局部直方图统计方法进行目标检测.实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和普适性,能从单帧图像中较好地检测定位小目标,检测准确率达95%以上.     

基于改进RCD算法的随机圆检测与定位技术研究

在基于圆形标志的视觉定位过程中,数字图像处理技术已经成为了一种重要的研究手段.首先对定位图像进行过滤降噪、颜色量化等预处理,然后利用一种改进的RCD算法来检测定位图像中的圆形,并根据检测结果来获取目标的定位信息.这种方法可以同时检测与定位图像上的多个圆形.实验结果表明,改进后的RCD算法具有更高的检测效率,而且定位结果满足高精度、高可靠性的要求.     

一种新的虹膜定位算法

提出一种新的虹膜定位算法.首先根据虹膜图像的灰度分布特征进行粗定位,用阈值分割和二值图像形态学的方法提取瞳孔的圆心和半径,然后用边缘检测的方法提取虹膜的外边缘,最后用圆梯度灰度检测算子进行小范围的精确定位.实验结果表明,该算法提高了虹膜定位的速度,减少了传统虹膜定位算法中搜索的盲目性.     

一种鲁棒的C臂X光校准靶图像圆孔定位方法

提出一种基于圆心累积概率的圆形检测算法,用于C臂校正标靶X光图像上圆形标志点的定位.该算法有效地消除了因X光图像的噪声和畸变导致圆形目标失真对定位精度的影响,能根据校正标靶上标志点的图像特点,灵活设定检测范围和精度,适用范围较广.对X光实验样本的测试表明,相对Hough变换圆检测,该算法检测精度高、漏检率低,有很强的抗噪声能力.     

基于正交Gaussian-Hermite矩的边缘检测方法

边缘对应着图像中高频成分,为实现有效抑制噪声,同时又要尽可能地保持目标对象边缘信息,采用一种基于正交Gaussian-Hermite矩理论的边缘检测方法,提出了不同阶次矩的结合方案,针对具有复杂背景的红外图像进行目标检测.仿真实验结果表明该算法平滑效果好且能准确定位目标对象的边缘位置.     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。     

一种改进的离焦模型

针对常用的圆盘模型和高斯模型修复离焦图像时不能用于自动图像处理的问题,提出一种改进的离焦模型。该模型根据离焦图像的圆对称性,估算离焦的点扩散函数及其参数,以其描述离焦现象。基于该离焦模型实现了一种离焦模糊图像复原算法。实验结果表明,与采用圆盘模型和高斯模型的离焦模糊图像复原算法相比,该模型的图像复原结果更优。     

图像自动配准初始参数确定

为了实现图像自动配准，需要确定初始变换参数，为此提出了图像特征线和图像特征圆的概念。以仿射变换作为图像配准变换模型，由Harris角点检测法确定图像特征点，由图像特征点求取图像特征线和图像特征圆，根据该特征线和特征圆洋细推导了图像自动配准初始参数的确定算法。根据以上算法实现了图像自动配准，证明了该算法的有效性。     

基于圆域梯度信息耦合角度相似法则的图像匹配算法

为了提高算法匹配正确度与抗仿射变换性,本文通过将图像的梯度信息引入图像匹配的过程,提出了基于圆域梯度信息耦合角度相似法则的图像匹配算法。首先,采用Forstner算子精准快速地对图像特征进行检测,获取纯度较高的特征点。然后,通过计算圆域的haar小波响应值确定主方向,并利用圆域的梯度信息获取特征向量,完成特征描述。最后,根据匹配特征的仿射不变性,利用主方向建立角度相似法则,以完成匹配。通过特征点的特征向量去除错误匹配点,获取最终的匹配结果。实验数据显示,所提算法具有较高的匹配正确率与鲁棒性,在多种几何变换下,其匹配结果中具有较多的正确匹配对,而错误匹配对数量较少。     

基于霍夫变换的烧结矿粒度识别研究

针对烧结矿生产时无法直接得到粒度大小和分布,人工检测的准确性和即时性不高等问题,提 出了一种基于图像增强和霍夫变换的烧结矿粒度识别方法。 该方法首先使用形态学开操作、图像像素点分 割、拉普拉斯图像锐化算子等方法进行图像增强,然后应用高斯滤波和图像边缘检测算法,最后用霍夫圆检 测算法进行烧结矿粒度检测,实时处理获取的图像,并检测出烧结矿的粒度大小和分布。 该方法可以快速检 测出图像中的烧结矿,其中图像像素点分割方法是根据烧结矿和背景的像素值设置分段函数进行分割,大幅 度减少图像中的噪声,提升了烧结矿和背景的对比度以及亮度,并且检测的准确性和即时性高,克服了人工 检测的弊端,准确率可达到 98%以上。 通过实验表明:该方法对提高烧结矿的生产效率、改善资源的利用、 降低人员成本具有积极作用。     

基于圆分割的鱼眼镜头图像畸变校正算法

针对应用鱼眼镜头拍摄的图像产生了严重的畸变的问题,提出了一种基于圆分割的校正算法.该算法充分利用了鱼眼图像圆形结构这一特点,将其分割成同心圆,再利用函数法对畸变图像进行校正.微调系数的引入,使得算法更灵活,这样能根据鱼眼镜头与实际物体的距离来调整微调系数的大小,得到更理想的校正图像.Matlab实验结果表明:应用本算法能得到比较满意的校正结果,并且该算法所花费的计算时间少,使其能适用于实时监控系统.     

抗剪裁的盲图像水印算法

 提出一种基于频域的盲图像水印算法.该算法将水印序列排列成圆环状嵌入在图像频谱的中频位置,在图像遭到剪裁攻击后,通过对图像做一些处理,仍然可以正确检测水印,且不需要原图像的支持.该算法运算简单但效果良好,是一种非常具有实际意义的盲图像水印算法.     

圆型图像特征点检测算法

为了提高圆型图像特征点检测算法的准确性和稳定性等,提出了一种基于圆型特征图像中心灰度对称的检测算法.先利用Sobel算子进行圆型特征图像边缘检测,然后采用灰度质心法求出圆型特征图像的中心,最后引入灰度对称因子获得圆型图像特征点的亚像素位置坐标.用仿真投影实验和实际实验来评估算法精度,结果表明新算法精度可控制在0.2个像素左右.     

工业X光图像安全检测算法

在工业X光图像安全检测中，缺陷在某种尺度下可以看作是屋脊边缘。从多尺度边缘检测的角度分析得出：在一定尺度下，圆形缺陷在两个方向上都看作是屋脊边缘，而条形缺陷只在一个方向上被看作是屋脊边缘。利用小波多尺度边缘检测的两个分量来确定两个方向是否都存在屋脊边缘，从而区分开这两种形状缺陷。使用LOG算子提取圆形缺陷，使用方向可调滤波器提取条形缺陷，根据检测到的缺陷的形状参数来对缺陷进行分类判级。实验表明，该算法有很好的检测效果。