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.     

基于改进Hough变换的刹车蹄块片 安装孔定位检测法

针对刹车蹄块片质量无损检测系统中参考点建立需求,提出在复杂轮廓边缘中安装孔定位检测方法。该方法首先对刹车蹄块片侧面图像进行多方向Canny边缘提取,采用带辨向梯度Hough变换改进算法,实现对候选圆的粗定位;然后对候选圆边缘区域进行提取,采用最小平方误差拟合法进行候选圆精确定位和测量;最后依据圆完整度信息实现对安装孔的识别筛选。实验表明:该方法能够较准确地识别出安装孔,与其真实边缘之间误差小,取得良好的检测效果。     

移动式激光瞄准系统圆目标中心检测算法

为满足激光瞄准系统中对圆目标中心的测量精度要求,提出一种新的用于移动式激光瞄准系统中圆目标边缘检测及中心定位算法.先利用和RBF神经网络结合的变结构元数学形态学算法进行边缘定位和滤除噪声,再用最小二乘拟合法定位圆目标中心.结果表明,该算法不仅能实现对圆目标轮廓的定位,而且抗噪声、精度高、稳定性好.     

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.     

基于五阶CNN的图像边检测算法研究

边缘是图像的最基本的特征之一,边缘提取是图像分析中非常重要的步骤,而细胞神经网络是边缘检测中很有效的一种方法.作者基于细胞神经网络(cellular neural network,简称CNN),研究了5阶CNN模板对图像边缘检测的过程,阐述了算法实现过程中的关键步骤,并且证明了算法的稳定性.对图像分别采用基于5阶、3阶CNN算法和经典算子(Prewit、Canny、Sobel等)进行边缘提取,定性分析比较了几类算法在性能上的优劣,定量比较了检测结果的准确性.实验结果表明,基于5阶CNN模板算法的边缘检测结果更加显著,且在硬件实现上能够高速并行计算,实现图像实时处理.     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

基于提升树的自然场景中文文本定位算法研究

提出了一种新的基于提升树算法的自然场景中文文本定位技术.首先利用边缘特征进行文本区域的检测,即对下采样后彩色图像首先进行边缘提取、二值化处理,然后通过形态学运算以及连通区域分析去除大量的非字符连通域,获得候选的文本区域,最后,提取候选文本区域的PHOG-Gabor特征,通过提升树算法进一步确认是否为字符连通域.通过实验验证,该算法具有很高的召回率和准确率,综合性能较高.     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

一种有效的边缘检测新方法

该文提出了一种新的边缘检测方法。首先,利用梯度检测算子检测出灰度不连续象点作为候选边缘点,其次,按文中提出的若干分类规则,将这些候选点分为三类。最后,通过检验不同点集中这些候选点之间的关系,便可求得真正的边缘象点。文中还讨论了该方法的基本原理和实现算法,并给出了一些实验结果。     

三维点云配准算法的研究

本文针对现有配准算法精度较低且适用范围有限的问题,提出了基于几何特征和RANSAC思想的粗配准算法以及基于点的邻域几何特征的迭代配准算法。该配准算法依据点的邻域曲率值提取两个点云的关键点集。配准过程中采用RANSAC算法的思想,每次采样中,利用FPFH特征来搜索对应点,并结合刚体变换不变量进一步约束,提高对应关系的准确性。经多次采样后,利用两点云一致性程度来选择最优的变换作为最终的变换关系。精配准过程依据最近点搜索法和点的几何特征初步确定候选点对,并结合本文提出的5维描述子和刚体变换不变量剔除错误的点对,提高对应关系的准确性,加快算法的收敛速度。     

一种改进的基于角度检测的实时指尖检测算法

针对目前指尖检测算法不能同时兼顾检测率和实时性方面的不足,提出一种改进的基于角度检测的实时指尖检测算法.先用背景差和肤色相结合的方法检测出目标手区域,然后提取手区域边缘,再用改进的指尖检测算法检测出候选指尖点,并用聚类算法和凹凸性方法对筛选出的候选指尖进行进一步筛选,最后用一种新的后处理方法对获得的指尖进行排误,以提高指尖的正检率.实验结果表明,该算法在保持较高正检率的基础上,同时具有良好的实时性.     

结合边缘纹理和抽样推断的自适应阴影检测算法

为改进阴影检测的准确度和场景自适应能力,提高运动目标检测精度,设计了一种自适应的阴影检测算法。该算法利用候选前景与原始背景的Y、U、V分量变化比率来检测阴影像素,并结合全局边缘纹理特征及抽样推断方法来估计检测阈值。算法能自动完成阈值估计及阴影判别过程而无需人工干预,并可自动适应各种光线条件,具有较强的鲁棒性。对不同光线环境的标准视频检测实验表明,该算法在精度和实时性上均有所提升,阴影检测综合性能指标达到了94%以上。     

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

结合模糊C均值聚类和边缘检测算法的彩色图像分割

图像分割是计算机视觉的最核心技术之一,是图像处理到图像分析的关键步骤.深入研究了C均值聚类分割算法,该算法已广泛应用于彩色图像分割领域,在真实彩色图像分割中,由于C均值的初始化对分割效果有很大影响,故对C均值分割算法进行改进.然后引入边缘检测算法以及RGB彩色模型,对边缘检测算子Roberts、Sobel算子和Prewitt算子进行了研究,对Sobel算子进行改进,对模糊聚类算法的分割结果进行进一步处理,通过在合成图像上及大量真实自然彩色图像上进行实验,结果证明通过C均值聚类和边缘检测算法相结合,能够有效提高分割结果的准确性.最后对彩色图像分割技术将来的发展方向进行了展望.     

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.     

基于SIFT和SDM的虹膜定位方法

为了提高虹膜定位的速度和稳定性,提出一种基于SDM的快速、稳定的虹膜定位算法.该方法首先采用径向对称变换粗定位瞳孔,然后采用微积分算子精定位瞳孔;选取SIFT特征描述虹膜外边缘及眼睑的边界特征,采用SDM算法求解定位结果,最后采用最小二乘法确定虹膜外圆及上、下眼睑边界参数.实验结果表明该算法大大提高了虹膜定位的效率和稳定性.     

基于灰度信息的PCB板精确定位

利用模板匹配法在待测PCB图像中建立坐标系,采用基于边缘灰度幅度的轮辐法检测定位圆,由幅度排序相关搜索算法检测出最佳圆;提出PCB板角度定位的3种算法,比较了不同算法在检测精度、速度和稳定性上的差异,实证了轮辐法可实现PCB板的精确快速定位.     

一种基于边缘判决的空域差错掩盖算法

提出了一种基于边缘判决的解码视频空域差错掩盖算法.该算法首先对丢失块邻域中的像素进行边缘检测,并对检测出的边缘判断其是否会穿过丢失块.然后使用方向选择过程提取多个候选插值方向,并通过边界像素灰度差决定最终插值方向.实验结果表明本算法有效地提高了错误图像的掩盖效果.     

基于改进RANSAC算法的图像拼接技术

针对传统RANSAC算法在图像拼接中效率低的问题,提出了一种解决该问题的新算法,即M_RANSAC算法.该方法首先通过HARRIS算法提取2幅图像中的特征点,且在特征点匹配排序的基础之上,根据数据错误率得出抽样次数,并采用双阈值法进行数据检验来提高算法效率.结果表明,M_RANSAC算法能有效地减少抽样时间和数据检验时...     

基于数理形态学的近红外光图像实时人脸检测

该新型算法首先使用基于Harr特征和Adaboost算法的人脸检测方法寻找人脸候选区域,并对候选区域进行归一化处理;然后利用人眼瞳孔在近红外光图像中会生成白色光斑的特点,使用基于数理形态学的Quoit滤波器精确定位眼睛.为了减小不同瞳孔大小带来的影响,使用了多尺度的Quoit滤波器以提高准确性.实验表明,这种方法不仅准确性高而且速度快,达到了实时人脸检测的要求.