基于FPGA的图像边缘检测算法设计

通过研究Sobel原理和算法,在FPGA内部用流水线的方式来实现数据的具体提取、计算和存储,最终实现了对任意Bmp格式图像的边缘检测图像的计算和提取,并显示出来,证实Sobel算法有比较好的边缘检测效果,而且采用流水线的技术,可以有效提高数据计算的效率,实现了一个时钟周期就输出一个像素图像的导数值。     

基于FitzHugh-Nagumo反应扩散方程组的木材纹理图像处理

木材纹理具有树木生长的信息,是人类了解树木的直接途径.针对这种自然现象,提出了利用一类反应扩散方程组的数值解法实现对木材纹理灰度图像进行处理的算法,并分别给出了对木材缺陷图像进行算法处理后的图像实例.实验表明:Fitz Hugh-Nagumo离散模型算法在一定程度上了拉伸了图像对比度,使图像在视觉上得到增强;改进的附带扩散项的离散模型算法对图像的边缘检测结果在一定程度上要比先前的边缘检测算法更完整和清晰,并提高了木材缺陷检测的可靠性.     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

数据挖掘下电网调度信号异常数据提取方法

目前方法获取电网调度信号特征过程中,针对在异常数据提取时提取精度不高、数据覆盖率欠高、提取效果差的问题,提出数据挖掘下电网调度信号异常数据提取方法首先利用数据挖掘中的ICA算法对电网调度信号去噪处理;再利用Mallat算法将电网调度信号进行小波分解,获取电网调度信号的信号特征;最后通过对电网调度信号数据中异常值计算,获取异常数据检测阈值,完成电网调度信号异常数据提取实验结果表明,运用该方法提取信号中的异常数据时,数据提取的精度高、数据覆盖性能好、提取的效果好     

基于多源遥感数据的环境监测范围界定模型研究

传统环境监测范围界定方法存在适应性不高、环境监测能力偏低问题.为此,构建了基于多源遥感数据的环境监测范围动态界定模型.利用子空间压缩技术完成数据动态压缩感知处理.提取环境监测多源遥感数据的边缘像素特征集,结合特征重构和深度学习算法实现数据融合和动态寻优,构建差分融合模型.通过稀疏滤波器实现对遥感数据的特征点标定,采用边缘轮廓特征提取方法,实现对环境监测范围动态界定.仿真实验结果表明,所提方法的输出动态稳定性较好,多源遥感数据的融合度较高,且提高了对环境的动态监测和识别能力.     

压缩感知点云数据压缩

在研究FARO 激光扫描点云数据特点的基础上,将压缩感知理论和算法应用于3D 点云数据的压缩. 通过对点云数据降维处理,直接对坐标数据进行采样压缩,应用正交匹配追踪算法进行恢复,并对恢复数据采用统计滤波的方法滤除边缘噪点. 仿真结果表明：该方法能有效地实现点云数据的压缩,且有较好的鲁棒性.     

基于Markov链模型的集群式数据库数据均衡算法

集群式数据库是目前解决海量数据处理的一种重要方法,但目前的各种数据均衡算法都存在算法复杂、实际应用效果差等缺点.通过Markov模型对实时负载状态的预测,依据综合数据负载指标和数据负载状态预测结果实现集群式数据库数据均衡技术.在对综合数据负载指标设计的过程中,主要选取输入指标和服务器指标,同时引入滑动窗口法对数据负载信息记录进行更新,获取综合数据负载指标,实现集群式数据库的数据均衡.通过实验验证,该算法能有效评估集群式数据库的工作状态,均匀分配数据,使数据均衡,提高运行效率.     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

眼前节光学相干层析图像中央角膜厚度自动测量

为了自动获取所需医学参数,辅助医生诊断,提出了一种基于边缘检测和随机抽样一致性的中央角膜厚度自动测量方法. 采用边缘检测算子获得眼前节组织光学相干层析图像中的初始边缘,然后利用随机抽样一致性算法对初始中央角膜上边缘进行圆弧拟合,进一步提取中央角膜下边缘并采用相同方法进行圆弧拟合,根据得到的中央角膜上下边缘计算中央角膜厚度. 实验结果表明,该算法能排除图像中时常出现的中央亮线干扰,实时而准确地提取中央角膜上下边缘,得到的中央角膜厚度计算结果与人工分析基本一致,具有良好的应用价值和商业前景.     

视频图像去雨算法的比较研究

雨天会严重损害获取的视频图像质量,因此检测和去除视频图像中的雨滴对图像的复原有着重要意义。本文提出了一种单高斯背景差分法,通过实时更新背景图像实现去除雨滴的目的,并与帧间差分法原理进行了分析对比。利用MATLAB软件进行仿真实验,从客观和主观两个角度对两种算法进行对比分析,得出单高斯背景差分法相对于帧间差分法处理效果更好,应用范围更广。