基于灰关联分析的储粮害虫图像边缘检测算法

提出了一种基于灰关联分析的图像边缘检测算法,首先确定参考序列和比较序列,然后计算各像素点为中心形成的比较序列与参考序列之间的关联系数,通过比较关联系数的大小来确定该像素点是否为边缘点,这样就可以进行图像的边缘检测.该方法计算量较小,简便实用.将其应用于储粮害虫图像的边缘检测,实例表明采用Sobel算子和Robert算子进行边缘检测的噪声较大,提取的边缘较模糊,而采用基于灰关联分析的方法能够清晰、连续地检测到储粮害虫图像的有效边缘信息.     

一种基于方向导数的边缘直线检测算法

基于方向导数序列的概念提出一种新的边缘直线检测算法.在检测过程中,将边缘图像视为三维空间的曲面,对各个边缘点求各个方向的方向导数序列,然后由方向导数序列的取值判断确定出直线段.通过分析和编程试验证明了其算法对直线段的检测有效.     

基于灰色理论的储粮害虫图像边缘检测方法

首先确定参考序列和比较序列,然后计算以各像素为中心的比较序列与参考序列的灰色关联度,将其与选定阈值作比较,最终判断该点是否为边缘点。与传统边缘检测算法相比,该方法对256灰度级粮虫图像能检测到连续、有效的边缘信息,且能较好保留图像细节信息,对二值含噪图像具有较强抗噪性。     

基于灰色系统理论及方向图的纤维边缘检测算法

针对传统边缘检测算法在对纤维进行边缘检测时易出现边缘不连续、虚假边缘、粘连纤维无法确定轮廓的现象,提出了一种基于灰色系统理论及方向图的纤维边缘检测算法.该算法首先利用灰色预测和Niblack算法分别得到图像的强边缘和图像二值图,接着利用边缘连接算法求出连接图,并与利用灰色关联度求出的感兴趣区域(ROI)相结合求出纤维边缘图,进而利用填充算法和轮廓跟踪求出纤维外轮廓,再将外轮廓与ROI相结合求出轮廓增强的纤维图像,最后运用基于方向图的边缘界定算法提取纤维的边缘信息,剔除毛刺之后可得到纤维的完整边缘.试验结果表明,这种方法能够很好地抵制噪声,并能得到比较完整的纤维边缘信息,不仅具有较好的边缘连续性,且克服了双边缘的现象,提高了检测精度.     

一种基于关联度的边缘检测方法

边缘检测是决定图像后期处理及理解的基础,本文提出了一种基于不同权重系数的关联度图像边缘检测算法,该算法以Sobel算子模版为参考序列,通过序列之间的关联度区分边缘点和非边缘点,实验表明,该算法能准确的检测出图像的边缘信息,且其随着权重系数的不同体现出不同的抗噪性．     

基于混沌粒子群优化算法的电力线检测

提出了一种基于混沌粒子群的直线检测算法,并将其应用于电力线自动检测.首先利用Sobel算子对图像进行边缘检测得到候选边缘点;然后从中随机选择若干点对作为初始粒子,每个粒子代表一条直线,并以与其共线的候选边缘点的数目作为其适应度值,迭代过程中用混沌粒子替代最差粒子;最后选择适应度值最高的粒子作为所要检测的直线.实验结果表明:与Hough变换等算法相比,该算法可以有效减少重复计算,提高检测效率和准确率.     

一种基于颜色跟踪的彩色边缘检测算法

传统的边缘检测方法大都是基于灰度图像的,用于彩色图像边缘检测时效果往往不能令人满意.本文提出了一种新的彩色边缘检测算法,它充分考虑了彩色图像的边缘特性,使用彩色差进行跟踪,从而弥补了传统边缘检测方法检测时丢失边缘的不足.通过与其它成熟的边缘检测技术进行比较,结果显示:该算法能提取更多的彩色边缘信息,而且检测精度和效果都比较令人满意,具有一定的实用价值和良好的处理效果.     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

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.     

基于视觉的贴片元件检测算法

为了实现贴片元件的自动检测,提出了一种基于视觉的贴片元件几何特征参数检测方法.首先采用最大外接矩形法实现元件的粗定位及确定边缘的分割点,并采用Canny和Zernike矩边缘检测算子实现边缘的精确定位.然后,利用分割点将边缘分割成4部分,分别进行直线和圆弧拟合,得到其精确值.同时,利用快速傅里叶变换后的图像特征,实现端面图像中条纹方向的判定.实验中测得亚像素边缘点的定位精度为0.03像素,直线拟合精度为0.03像素,圆弧拟合精度为0.05像素,端面条纹判断的准确率为100%.实验结果表明:文中提出的检测方法能很好地满足贴片元件自动视觉检测稳定可靠、精度高及实时性强的要求.