基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.     

链条的X射线图像缺陷检测方法

通过对链条X射线图像的预处理、图像轮廓处理,研究了链条X射线图像缺陷提取和检测算法,并对算法的可行性和准确性进行了验证,实现了链条缺陷的识别.研究结果为链条缺陷自动化检测系统的实现奠定基础.     

采用Hough变换和灰度变化的图像角点检测法

根据棋盘格图像的特点,提出了一种新的棋盘格角点检测方法.对图像进行边缘提取后,得到两组相互垂直的直线组,通过Hough变换求出直线组的代数方程,采用代数方法求两组直线之间的交点,确定角点的初始位置.对每一初始角点邻域采用灰度变化检测方法进行精确的角点定位.该方法既保证了角点检出的正确性,又提高了角点坐标的检出精度.试验结果表明,该方法具有较好的效果和较强的鲁棒性.     

一种改进的角点提取方法

提出了一种改进的角点提取算法,该算法是基于角点的性质,即在角点的某个领域内,图像灰度的变化在任意一条通过该点的直线上都很大。为了便于对最后的灰度变化值求取极值,同时兼顾灰度变化值计算的准确性,采用了在方形窗边界上的线性插值。在插值的基础上,可计算出边缘角,通过它来对角点候选点作进一步的筛选,测试表明该方法比较进前取得了更好的效果。     

基于自适应直线拟合的角点检测

角点检测是计算机视觉的一个基本问题，进行角点检测的关键是估算曲率。笔者给出了一种新的基于参考点的前后曲线方向估计的曲率计算方法。我们以离散点远离直线垂直距离误差最小为目标进行直线拟合，同时根据误差大小来自适应的选择拟合窗口的大小。很好地解决了角点曲率计算时拟合窗口大小和计算精度间的矛盾，实验证明，该方法抗干扰性好，且运算量不大，对于存在明显转折点的曲线角点有很好的检测和定位能力。     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。     

一种基于两次Radon变换检测棋盘方格点的新算法

提出了一种新的方格角点检测算法。通过连续两次Radon变换，找出角点所在的直线位置，再利用线性拟合方法对得到的直线进行校正，最后线性求解出角点的坐标。该方法最大的特点是能够自动地在正确区域找出所求方格角点，而无需人机交互，这对于动态校准的研究具有重要的意义。通过实际的应用，验证了该方法的正确性和可靠性。     

炭素制品X射线图像的小波边缘提取

针对经典的边缘检测算法在炭素制品X射线有噪图像的边缘检测效果问题,提出了基于小波变换的多尺度局部模极值边缘检测算法.该方法充分利用了小波变换优越的时频局部化分析能力及图像边缘点和噪声点的小波变换局部模值和方向在不同尺度下呈现不同的特性的特点.首先对图像进行小波增强处理,改善了图像的质量,在此基础上,确定了检测X射线图像边缘的最优边缘检测滤波器(小波基)和尺度,给出了小波多尺度局部模极大值的算法,并将该算法与经典的边缘检测算子进行了比较.实验结果表明,该方法明显比传统检测算子的效果要好,为进一步的缺陷模式识别等高层处理奠定了良好的基础.图3,参15.     

小波变换在图像边缘检测中的应用

目的 研究一种新的提取图像边缘特征的方法。方法 依据图象的多分辨率小波分解及其所表现出的多尺度特性、局部化分析特性及方向选择性等特点,通过二进尺度下小波变换局部极大值的检测提取图象边缘特征,结果 利用此方法在计算机上对２５６×２５６×８ｂｉｔｓ／像素的Ｌｅｎａ图像做了边缘提取,得到不同尺度下的连续、光滑、单像素宽的边缘链图象,结论 边缘提取准确,表明这种特征提取方法是有效、可行的。     

Automatic Fiber Orientation Detection for Sewed Carbon Fibers

Automatic production and precise positioning of carbon fiber reinforced plastics (FRP) require precise detection of the fiber orientations. This paper presents an automatic method for detecting fiber orienta- tions of sewed carbon fibers in the production of FRP. Detection was achieved by appropriate use of regional filling, edge detection operators, autocorrelation methods, and the Hough transformation. Regional filling was used to reduce the influence of the sewed regions, autocorrelation was used to clarify the fiber di- rections, edge detection operators were used to extract the edge features for the fiber orientations, and the Hough transformation was used to calculate the angles. Results for two kinds of carbon fiber materials show that the method is relatively quick and precise for detecting carbon fiber orientations.     

基于模板的图像角点提取方法

采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列处理,再使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与Harris算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。     

自适应非最大抑制的Harris角点检测算法

 针对Harris角点检测中存在角点聚簇以及阈值选择困难的问题,通过分析Harris角点检测算法的实现原理,提出了自适应非最大抑制的Harris角点检测算法.该算法首先检测角点响应函数值为局部最大值的像素点,其次对所有局部最大值进行由大到小排序并且设置一个抑制半径,通过不断减小抑制半径提取角点,有效避免了Harris角点聚簇的现象,实现Harris角点在图像空间的均匀分布.同时,该算法能够解决阈值选择困难的难题,增强了算法的适应性.实验结果表明,该算法检测出的Harris角点在空间分布更加均匀合理,能够很好的适应图像拼接、运动估计等实际应用.     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

实景图像的形态学角检测研究

针对二值图像角检测提出了一种改进的形态学检测算法,此算法利用了圆盘算子的对称性,避免了结构元的旋转,提高了检测算法的运行效率.然后提出了一种改进的EM图像分割方法对灰度及彩色图像进行分割处理,增强了分割后图像的区域特征,为形态学灰度及彩色图像的角检测提供了更为合理的检测环境.实验结果证明在含有噪声及复杂背景情况下,该方法仍可获得较好的检测结果.     

改进的基于模板的角点检测算法

对传统的基于模板的角度检测算法进行了2点改进.首先扩大了角点模板的半径,增加了可检角点的类型;其次根据新的角点响应函数简化了模板,使得角点模板总数并没有因为角点类型的增多而增加.实验结果表明,本算法提高了角点检测的准确性,同时保证了计算速度,具有一定的价值.     

基于双重弯曲度积的图像拐点检测

针对拐点处与非拐点处的弯曲度值差别小的问题,文中提出了一种基于双重弯曲度积的图像拐点检测算法,通过第一重弯曲度与第二重弯曲度的乘积扩大拐点处与非拐点处的弯曲度值的差别,并对数字图像进行拐点检测实验.结果表明,该算法不仅简单有效,而且具有较高的稳定性和准确性,能够解决实际的图像拐点检测问题.