基于帧差法和边缘检测法的视频分割算法

针对目前常用的视频分割方法易受到噪声、亮度突变的影响,很难提取出完整的运动目标这一问题,提出一种基于帧差法和边缘检测法相结合的视频分割算法.该算法首先对连续三帧图像进行差分得到运动区域,然后对当前帧进行Kirsch边缘检测得到边缘图像,综合二者的检测结果得到更为精准的运动对象边缘.采用边缘连接算法完成对断裂边缘的连接,最后通过区域填充得到运动目标掩模图像,从而分割出完整的运动目标.实验表明,该算法可以实时有效地将运动物体从视频序列中自动地分割出来.     

基于帧差法与边缘信息的红外目标检测算法研究

根据红外序列图像中运动目标具有连续性和一致性,本文提出了帧差法和边缘检测相结合的检测方法。首先采用连续帧间差分法处理图像得到运动区域,然后对当前帧进行canny边缘检测得到边缘信息,两者检测结果相与得到运动目标边缘;最后进行形态学运算得到精确的目标边缘。仿真结果表明,该方法克服了帧差法和边缘检测的不足,对复杂背景下的运动目标能够进行准确检测。     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法。首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取当前帧运动目标边缘,以解决检测目标边缘缺失的问题;最后,将改进的三帧差分法提取运动目标像素点填充目标边缘图像,以解决检测目标内部空洞的问题。对比实验结果表明,该融合算法对视频中的运动目标能以较高的准确度和完整度实现运动目标的高效检测。     

用线性模型检测图像边缘

本文提出了一种以线性统计模型为基础的边缘检测算法。该算法对光亮度变化、图像的不均匀性不敏感，可以在噪声图像中检测边缘。     

基于模糊推理的边缘检测

针对传统基于边缘邻域的一阶或二阶导数的图像边缘检测方法对模糊边缘图像不敏感的问题,提出了基于模糊推理的边缘检测算法.根据边缘点附近灰度分布的特征确定模糊规则,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测.实际图像处理结果表明,与传统算法相比较,新算法检测边缘效果明显.     

基于文本特征分析的钓鱼邮件检测

提出了一种基于邮件文本特征的钓鱼邮件检测方法。首先利用邮件解析器将邮件中非文本部分内容剔除,然后提取邮件剩余部分中存在的网站链接及其他内容,并在此基础上提取10种特征。针对这些特征,利用机器学习方法对其进行训练和预测,将邮件分类为普通邮件和钓鱼邮件。我们改进了以往一些针对网站链接分析的检测方法,并结合钓鱼邮件发展的新趋势,提出了6种新的特征。实验证明,本方法结合了新的钓鱼邮件特征,有效地提高了钓鱼邮件检测的召回率以及精准率,同时误判率有所降低。并且,本方法稍加改进以后就能用于钓鱼网站的检测。     

基于线性回归的图像边缘处理算法的研究

由于参差不齐的线性边缘不便于后续的测量和应用,针对这一问题,提出了用线性回归的方法处理边缘,以期得到接近事实上存在的边缘,为后续尺寸精密测量打下基础.仿真结果表明:该方法消除了毛刺点对线性边缘的不利影响,对于参差的线性边缘具有较好的处理效果.     

基于中值滤波技术的视频图像边缘检测算法

传统算法抗干扰性能较差,利用人工经验对高低阈值进行设置完成边缘提取,不但会出现伪边缘,同时会产生很多噪声。为此,提出一种新的基于中值滤波技术的视频图像边缘检测算法。依据集合代数原理,通过集合论对几何结构进行描述,完成对视频图像形状与结构的预处理。针对视频图像中某一点的值,对其用该点邻域中不同点值的中值进行替代,对视频图像进行平滑滤波处理。在此基础上,通过设定阈值对某像素点是否是边缘点进行判断,利用最大类间差分技术获取最优阈值,自适应选择合理阈值,以降低假边缘现象的出现概率,提高边缘连续效果。对视频边缘轮廓区域的增强处理,得到有效的边缘检测结果。实验结果表明,所提算法检测结果伪边缘较少,图像边缘检测质量高,噪声少。     

一种基于边缘特征的汽车牌照定位算法

车牌定位技术是汽车牌照识别系统中的一项关键技术 .基于视频检测模块所捕获的车辆图像的成像特点 ,采用反锯齿的方法对其进行优化 ,并根据车牌的边缘特征 ,提出了一种基于边缘图像频率变化特征的二次车牌定位算法 ,用于车牌的定位和提取 .实验表明 ,该定位算法快速、准确 ,具有较强的鲁棒性 .     

具有场帧检测的自适应帧频提升算法及VLSI实现

提出一种隔行到逐行自适应帧频提升算法和该算法的芯片设计方法。该芯片采用了具有场帧检测的隔行到逐行自适应帧频提升算法，实现了可调的隔行到逐行帧频提升，而且该芯片综合应用了黑／白电平扩展，图像边缘保持的二维滤波，彩色瞬态改善（CTI），色度空间转换（CSC），伽马校正等视频处理模块及四路嵌入式D／A等技术，并采用0.35μm CMOS工艺，在TSMC流片，具有潜在的商业应用价值。     

基于遗传算法的文本特征选择

文本特征选择是自然语言处理中的关键问题。针对文本特征的高维性和稀疏性问题,在过滤式特征选择算法文档-逆文档评率(term frequency-inverse document frequency, TF-IDF)的基础上,提出了用遗传算法对文本特征进行优化选择,使其最大程度地贴合后续的文本分类算法,在保证文本分类精确度的同时,降低特征维度以缩减预测时间。实验显示,该算法与单一的过滤式文本特征选择算法相比,能够有效减少所选文本特征数量(即降低特征维度),能有效提高文本的分类能力。     

基于视觉显著性与边缘密集度的文本区域定位

为解决传统算法对文本区域检测查准率较低的问题, 从自然场景文本特性出发, 提出了一种基于视觉显 著性与边缘密集度的鲁棒性文本定位方法。 首先利用谱残差理论提取图像的显著性区域, 然后在提取的显著 性区域中寻找边缘密集度大的区域, 以此构建候选连通域, 利用少量的先验信息滤除其中的非文本区域。 在标 准数据集上的实验结果表明, 与单纯利用边缘特征进行文本区域检测的方法相比, 该方法可获得 70% 的综合 检测率。     

基于多尺度形态学的边缘检测算法的改进

一幅图像的大量信息都是由图像边缘提供的,在图像处理中,对于复杂图像很难通过单一的结构元素用数学形态学的膨胀、腐蚀、开、闭等变换以及它们的组合得到较满意的检测图像;利用多元素,对形态结构大小尺度进行调整,从而在噪声存在的条件下得到较理想的图像边缘;实验结果表明,与传统的边缘检测算子比较,方法计算量小,抗噪性好,可以适应不同类型的图像边缘检测需求。     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于小波的图像边缘检测算法研究

图像的边缘检测是对图像进行进一步处理和识别的基础,虽然图像边缘产生的原因不同,但反映在图像的组成基元上,它们都是图像上灰度的不连续点或灰度剧烈变化的地方,这就意味着图像的边缘就是信号的高频部分。因此所有的边缘检测方法都是检测信号的高频部分。但在实际图像中,由于噪声的存在,边缘检测成为一个难题。提出一种利用小波把图像分解成近似部分和细节部分,近似部分是原图像对高频部分进行滤波所得的近似表示。经滤波后近似部分去除了高频分量,因此能够检测到原图像所检测不到的边缘。     

基于灰色绝对关联度的边缘检测算法

探讨了灰色关联度在边缘检测中的适用情况,提出并实现了基于灰色绝对关联度的灰度图边缘检测算法.该算法有效地避免了几种典型的边缘点误判,算法中简单的逻辑或操作克服了灰色绝对关联度在边缘检测中的方向性问题.实验结果表明本算法快速有效.     

基于视频的全天候多特征融合火焰检测算法

针对传统可视化火灾探测技术采用单独分析可见光摄像设备或红外摄像设备采集的图像进行火灾探测, 不能全天候监控火焰的问题, 提出一种全天候多特征融合的检测算法. 首先通过视频类型判断算法确定摄像头采集的每帧图像类型, 然后利用与图像类型相对应的算法提取疑似火焰区域, 最后对疑似区域进行基于DCT的火焰频率检测和帧间相关性检测, 判断火焰是否存在. 实验表明, 该检测算法解决了传统可视化探测技术不能全天候监控火焰的问题, 且能在保持火焰高检测率的同时降低误检率.     

目标边缘特征增强检测算法

针对分组角点检测网络在目标检测过程中,由于目标尺寸过小或同类目标空间距离较小而导致检测失效的问题,提出一种边缘特征增强的CornerNet目标检测算法OEC。该算法通过分离特征的高低频信息提取更多的高频信息,增强目标的边缘轮廓特征,解决关键点定位不准确的问题,提高目标的框定效果,进一步提升检测精度。仿真结果表明,该算法对行人、车辆等目标检测效果均有提高,在COCO数据集上的检测结果与CornerNet相比,mAP提高0.9%,可应用于无人驾驶与智能机器人等场景。     

基于边缘特征点聚类的车道线检测

针对复杂的道路工况及实时性的需求,提出了一种基于边缘特征点聚类的车道线检测方法。首先结合车道线边缘的梯度分布和灰度分布提取边缘特征点;然后依据车道线特征点的连续性和梯度方向的一致性进行特征点聚类得到离散区域,并通过衡量各区域之间的相似度进行区域聚类;最后选出最优类内的点进行拟合。在多种环境的道路场景下对该车道线检测方法进行验证,验证结果表明,该方法检测速度快、鲁棒性强,有助于实际工程应用下的车道偏离预警系统的研究。