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%。     

基于边缘响应和自相似的红外与可见光图像区域特征匹配方法

红外与可见光图像的匹配是计算机视觉中一项重要的研究课题.由于红外与可见光光谱的差异,图像之间的相似性较低,图像匹配正确率较低.根据红外与可见光图像区域形状相似特点,提出了一种基于边缘响应和自相似区域特征匹配方法.该方法首先计算红外与可见光图像的边缘响应并检测区域特征,然后提取区域形状并建立区域形状的自相似描述,最后对区域特征进行匹配.实验结果表明,该方法在特征检测可重复率和特征匹配准确率等方面均具有良好的性能.     

图像处理过程中的边缘检测和边缘配准

综述了在图像处理过程中的边缘检测和边缘匹配的算法并比较了各算法的性能,同时在牙齿三维模型建立的实验中实现了边缘检测,同时根据边缘检测出来的Z子线,以及轮廓线与模型进行配准.     

菌落图像的边缘检测方法比较

菌落图像的边缘检测在自动视觉系统里占有非常重要的地位,边缘检测的算法有很多种,包括Roberts算子、Sobel算子、Prewitt算子、Canny算子和遗传算法(GAs)等算法.文章对微生物工程里的菌落图像采用各种边缘检测方法,并对边缘检测结果进行研究比较,得出采用不同算法的优缺点,实验结果表明采用遗传算法进行边缘检测效果较好.     

图像处理中边缘检测算法性能的分析

数字图像处理和计算机视觉有一个基本问题就是边缘检测。图像中会有亮度变化比较明显的点就是图像的边缘。图像的边缘表现出了图像的位置信息、轮廓特征等。边缘检测现在只要应用在分析和处理图像中,像提取图像特征、分割图像、增强图像、复原图像、模式识别、图像压缩等。本文介绍了边缘检测算法中的几种经典边缘检测算法,讨论了这几种经典的边缘检测算子的若干性能判据,通过实验验证:不同的边缘检测算子对分辨率不同的图像性能变化是不同的。     

基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.     

机器人视觉导航的几种特征点方法比较

针对移动机器人视觉导航中移动速度较快且计算能力较弱、视觉路标的图像特征检测与匹配时间之间存在矛盾这一问题,提出了选择合适的满足实时性的特征检测方法.对机器人视觉导航中获得图像特征常用的特征点法(如KLT,SURF,SIFT,Harris等)进行了探讨.通过对移动机器人导航中的图片采用不同方法进行测试,比较了不同方法所需...     

基于局部多结构元素数学形态学的灰度图像边缘检测算法

提出了一种边缘检测算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多个结构元件，利用基于视觉模型的边缘阈值选择策略确定灰度图像中梯度变化中的像素点，并对其采用二值形态学的腐蚀操作，选择出图像的边缘，滤除噪声，与传统的形态学方法相比，该算法只对梯度发生变化的像素点进行操作，减少了运算量，得到了与人的主观视觉更为一致的边缘。实验表明，与经典的边缘检测算子相比，该算法不仅具有很好的边缘提取能力，而且具有很强的抗噪能力。     

基于拉普拉斯算子的边缘检测研究

边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和图像信息提取的基本手段.本文对基于拉普拉斯算子的边缘检测进行了研究测试,取得较好效果.     

图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

基于互补曲线拟合的格雷码亚像素边缘定位

精确定位格雷码光条纹边缘是结构光三维重建系统的关键问题之一.提出了一种互补曲线拟合的光条纹亚像素边缘定位算法,在对互补编码图像进行光强成分分析并二值化处理的基础上,通过边缘检测算法获得准确的初始像素边缘,然后映射回互补编码图像并对其边缘过渡区域进行拟合,最后通过计算互补曲线的交点得到格雷码光条纹的亚像素边缘点.采用平均相对等宽性误差进行评价,得到的最小边缘定位误差为1.97277×10-3,分别对不同投影方向和条纹数量的图像进行处理,都保持了较小的定位误差.实验结果表明,提出的算法能够很好地解决初始边缘定位困难的问题,具有较好的准确性和鲁棒性,提高了光条纹定位精度.     

一种基于小波变换和数学形态学的边缘检测算法

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

一种分形和形态学结合的图像边缘检测算法

分形将灰度图像空间映射到分形维数空间进行边缘检测,形态学利用具有特向性的检测算子进行边缘检测.本文将分形中DFBR模型和改进的形态学方法相结合得到一种新的边缘检测算法.实验结果表明:结合算法具有分形算法的保留图像边缘细节能力和形态学对特殊方向边缘的检测能力,在对含有大量细节图像的边缘提取上优于单一的边缘检测方法,并具有良好的抗噪性能.     

一种基于数学形态学的多形状多尺度边缘检测算法

基于数学形态学的边缘检测过程中,不同形状、不同尺度的结构元素在滤除噪声和保持边缘细节方面的作用是不同的,为此提出了一种基于多形状多尺度结构元素的自适应边缘检测算法,分别使用不同方向和大小的结构元素提取图像边缘,通过计算信息熵自适应确定权重系数,对多形状结构元素和多尺度结构元素检测的边缘做融合处理.实验结果表明,该算法与几种经典边缘检测算子相比,有效抑制了噪声影响,提高了检测精度,对各种不同图像具有很好的鲁棒性.     

图像序列处理中的形态分割方法

将数学形态学应用到序列图像分析中,提出了一种基于图像序列的3－D形态分割算法,对图像序列简化后进行边缘增强,用改进的3－D分水岭方法提取分割信息,基分割信息对几种常用图像序列的处理算子和处理方法进行了研究和改进,实验结果表明,该方法能对序列图像有效地进行时空分割,利用分割信息可显著提高各种图像序列处理的性能,而且具有算法简单、效率高的特点。     

基于多结构元素的脊骨边缘提取

提出了一种从脊骨图像中提取边缘的有效算法。该算法在数学形态学的基础上,针对图像中脊骨边缘形态选择不同的结构元素进行脊骨边缘提取。实验表明,该算法具有良好的边缘提取能力。     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

基于云模型的图像面状地物表达分析

针对图像处理中需要对分割区域进行表达的问题,在云理论基础上,提出对象云表达图像面状地物的方法.在图像二维论域中,不确定边界的面状地物可以借助松弛迭代法提取其定性语言值表达特征,作为云模型的云核部分.对于不确定边界过渡区域,根据其像素特征获取云模型的云滴,借助逆向云发生器,生成图像面状地物的对象云.这样,对象云作为图像面状地物表达模型,不确定边界的面状地物就可以通过对象云的数字特征来表达.最后以遥感图像为例证明了该方法能够很好地表达图像中面状地物.     

福建不同杉木产区杉木林生长差异比较

杉木是南方集体林区的主要树种,是我国重要的森林资源,但受区域气候、土壤条件影响,不同地域杉木林的生长状况存在较大差异.利用第8次全国森林资源一类清查福建省杉木林样地数据,随机选择有代表性的179个杉木林样地,采用数理统计方法和Richards生长方程模型,比较中心产区、一般产区和边缘产区杉木人工林的生长差异.结果表明:中心产区杉木林与其他产区杉木林胸径、树高生长差异大,体现在中心产区杉木的胸径和树高结构优于一般产区和边缘产区.采用Richards生长方程拟合的不同产区模型符合实际情况,中心产区Richards生长方程参数A=28.539 6,k=0.019 7,即中心产区杉木林的理论最大树高和生长速率大于其他产区.