基于轮廓线的旋转体三维重建

由旋转体的二维灰度图像恢复其三维形状已经成为计算机视觉领域的一个研究热点.对该问题进行了深入的研究,提出了一种基于单幅图像,采用轮廓线特征信息进行旋转体重构的方法.该方法从一幅二维灰度图像中提取旋转体作为研究对象,通过角点检测方法获取有效轮廓线及其分段曲线,根据分段曲线类型及其特征信息构造旋转体的对称轴,结合旋转体的几何特性实现了旋转曲面的三维重建.实验证明,该方法可以根据旋转体的二维灰度图像方便有效地重建出其三维形状.     

基于二维灰度图像的规则形体三维重建

对二维灰度图像恢复形体的三维形状问题做了深入研究,提出了一种基于单幅图像,利用几何对称特性进行规则形体重构的方法,即从一幅二维灰度图像中提取规则形体作为研究对象,通过角点检测方法获取其有效特征信息,根据相关特征信息构造对称面或者对称轴,结合形体的几何特性实现规则形体表面的三维重建.实验证明,该方法可以根据形体的二维灰度图像方便有效地重建出其三维形状.     

快速提取旋转体轮廓母线方法

为重建出旋转体的三维形态,提出了一种基于单幅图像实现旋转体母线和对称轴的提取方法。该方法主要利用工业摄像机获取目标物体的二维图像,在图像预处理中,针对拍摄原因产生的倾斜图像给出了一种几何矫正方法,利用目标区域的轮廓特征提取旋转体的母线信息,结合旋转体轮廓曲线的左右对称性求得目标物体的对称轴。并以陶瓷文物花瓶为目标,实现了旋转体母线及对称轴的提取,最后重建出目标的三维形态。实验证明了该方法的有效性。     

基于边缘CFA内插特征一致性的图像拼接检测

为了有效检测数字图像是否被篡改,提出了一种新颖的数字图像拼接快速检测算法.首先,利用Canny边缘检测算子,依据阶跃性约束条件,筛选出阶跃型边缘像素点.分别针对自然图像中的阶跃型边缘和由拼接操作所形成的阶跃型边缘,建立垂直于边缘方向单像素序列的颜色滤波阵列(CFA)内插模型.通过计算该单像素序列的局部灰度直方图,设计CFA内插特征量,以测度拼接前后灰度水平级在直方图两端分布的差异.然后,基于此特征量,利用阈值法实现对自然边缘像素点和拼接边界像素点的分类,进而实现图像拼接检测与定位.标准拼接图像数据集上的测试结果表明,虚警概率仅为0.05时,本检测算法仍能达到0.97的高准确率.此外.该算法还具有较好的鲁棒性,可抵抗一定程度的JPEG压缩和模糊等后处理.     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

植物叶片图像边缘检测Canny/SUSAN算法比较

植物叶片图像的边缘检测是基于图像分析的植物叶片识别技术中的重要环节.图像边缘检测算法的合理选取与叶片识别的准确度紧密相关.运用Canny算法和SUSAN算法分别对10种具有典型叶形特征的植物叶片图像进行边缘检测,并作主观分析和客观评价.结果表明,植物叶片的叶形和叶脉特征对算法效果的影响较大,在实际应用中应考虑这2种算法对叶形的选择性.     

基于模糊元胞自动机的图像边缘检测方法

针对基于元胞自动机图像边缘检测的原有算法,提出了新的改进算法.该算法采用基于方向信息测度与边缘有序性度量的多信息融合方法,利用模糊逻辑对特征信息进行模糊推理,利用推理结果对上一时刻特征信息进行模糊反馈处理,最终通过元胞自动机的自动演化工程得到图像边缘.试验表明,算法边缘检测的准确度高,检测模糊边缘和细节边缘的能力较强.是一种实用、高效的图像处理算法.     

基于边缘检测与分裂合并的多区域分割研究

为了使多区域分割后的图像边缘更加清晰，提出了一种将边缘检测与分裂合并法相结合的多区域网像分割方法，其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割，然后应用信息融合技术将经过上述处理后的两幅图像融合，得到新的图像，在进行图像融合时，采用了像素级和特征级两种融合方法．实验结果表明，该算法可将图像明显地分割成多个区域，且边缘清晰，分割效果令人满意．     

基于数据场模型的多光谱图像边缘检测

数据场模型模拟了物理世界中力的相互作用,具有较好地描述数据分布、反映数据关系的优势.基于这一优势,提出了一种新的多光谱图像边缘检测算法.在特征空间,将多光谱图像像元看成是具有辐射能力的质点,利用数据场理论计算不同像元之间的相互作用,从而将多光谱图像从特征空间映射到数据场的势空间.多光谱图像的结构能够通过势场图解释,从而可以通过势场图获得多光谱图像的边缘图像.实验结果表明,基于数据场的边缘检测算法对多光谱遥感图像的检测具有显著的效果,能够正确识别地物边缘,有利于遥感图像地学分析的进一步处理.     

基于Marr-Hildreth算子多尺度图像边缘检测

针对监控图像的不同边缘特征,图像噪声大小和对边缘检测不同的要求,利用Marr-Hildreth拉普拉斯边缘检测算子多尺度特征,使用不同尺度的Δ2G算子,对监控图像进行边缘检测.     

综合Canny法与小波变换的边缘检测方法

提出一种Canny法与小波变换相结合的边缘检测方法.首先,对源图像进行小波分解,在不同分解层上对高频子图像用小波模极大法进行边缘检测,对低频子图像用Canny法进行边缘检测,然后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像.这种边缘检测方法结合了小波变换法和Canny法的优点,对用不同方法得到的两种边缘信息进行融合,从而有效地抑制了噪声,保留了连续、清晰的边缘.实验结果表明,这种结合方法要优于单独使用Canny法或小波变换法.     

结合离散熵和自组织神经网络(SOM)的边缘检测方法

提出了一种结合图像离散熵和自组织神经网络的边缘检测方法.首先,用离散熵选定阈值来分割图像的平滑区域和灰度变化剧烈的区域,用来减少计算量;其次将灰度图像转化为理想二值像素模式;定义了6个边缘类型和6个原型向量.将这些边缘向量作为神经网络的输入,通过SOM对其进行边缘分类从而获得边缘图像.最后将斑点边缘从边缘图像中去除即得到理想的边缘图像.实验结果表明,与其他的边缘检测方法相比获得了较为理想的边缘.     

基于游程长度和边缘统计的图像拼接检测

阐述了一种利用图像内在统计特性进行图像拼接检测的方法。图像拼接检测是一个基于拼接图像特征的模式识别问题。本文通过对游程长度和图像边缘的统计特性进行分析,说明了拼接操作所引起的图像像素不相关性和不连续性。为进行拼接检测,从图像游程长度和图像边缘统计特性中提取特征量,以此特征量去训练神经网络作为最后的分类器。结果表明,由此特征量作为图像拼接检测的标准,检测结果的精确度良好。     

Birkhoff系统的Mei对称性与动力学逆问题

研究Birkhoff系统Mei对称性的动力学逆问题的提法和解法.首先列出Birkhoff系统的Mei对称性的确定方程、结构方程以及Mei对称性导致的Mei守恒量.其次,给出Birkhoff系统Mei对称性逆问题的两种提法和相应的解法,并举例说明结果的应用.     

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。     

基于梯度二阶导数的Canny阈值自适应选取算法

图像边缘含有丰富的图像信息,对于很多视觉系统至关重要,比如目标检测与图像分割等。传统的Canny算子仅能用于灰度图像,无法有效利用彩色图像中的颜色信息;此外,该方法需要人为设定高低阈值,不能自适应提取图像边缘,进而造成背景边缘放大等问题。提出了一种基于Canny的自适应彩色图像边缘检测算法;该算法首先通过图像一阶直方图的统计特性,自适应地选取高斯滤波器的参数σ,有效去除了噪声;同时改善了σ参数设置不合理对边缘检测的影响。其次采用了基于图像梯度二阶导数的阈值选取的方法,即根据图像特性自适应选取合适的阈值。实验结果表明:算法能很好地改善传统Canny算子的缺陷,对于彩色图像的边缘信息提取能达到很好的效果。     

相空间中非完整力学系统的对称性与非Noether守恒量

在增广相空间中研究非完整约束力学系统的对称性与守恒量。建立了系统的运动微分方程；给出了系统的Noether对称性、Lie对称性和Mei对称性的判据；研究了三种对称性之间的关系；得到了相空间中非完整约束力学系统的两类非Noether守恒量——Hojman守恒量和Mei守恒量，研究了对称性和守恒量之间的内在关系。文末，举例说明结果的应用。     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

多阶段边缘检测算法

提出一种新颖的图像边缘检测算法,包括边缘检测和边缘增强两个阶段.在边缘检测阶段,新的检测算子不仅可以克服传统算子对边缘拐点、终点的漏检现象,还可以有效地去除噪声,从而更加精确地定位边缘.在边缘增强阶段,引入Hopfield神经网络,通过迭代计算网络优化的能量函数,逐步地弥补缺失边缘、消除假边缘,达到边缘增强的目的.最后针对不同类型图片进行边缘检测,得到较好的结果,证明了该算法的可行性.     

典型微扰力学系统的近似Lie对称性、近似Noether对称性和近似Mei对称性

利用3种近似对称性方法(近似Lie对称性法、近似Noether对称性法和近似Mei对称性法)研究典型微扰力学系统的一阶近似对称性和近似守恒量。结果表明, 利用近似Lie对称性法找到的6个一阶近似对称性和近似守恒量与利用近似Noether对称性法找到的相同, 而利用近似Mei对称性法只能找到其中5个一阶近似对称性和近似守恒量。