自适应复杂光条纹中心提取方法研究

激光条纹中心提取作为线结构光测量中最关键的环节,其提取方法的准确性及适应性直接影响着测量系统的整体性能。针对环境光干扰、待测物表面反射率差异较大引起的宽度变化的复杂激光条纹,在Steger方法的基础上,提出了一种自适应复杂光条纹中心提取算法。该方法首先根据线激光宽度选择固定的尺度因子,对图像进行高斯核卷积,得到各点Hessian矩阵;然后求得对应的法向宽度,并以此来选择对应的二阶法向偏导数的阈值,再结合一阶法向偏导为零计算出条纹在不同宽度处的中心点。实验结果表明该算法可以实现对于宽度变化的复杂光条纹中心的亚像素提取。     

基于对比度Harris的快速鲁棒图像配准算法

为进一步提高配准算法的鲁棒性、速度及自适应程度,提出了一种基于对比度Harris的快速鲁棒图像配准算法.依据中心像素与其邻域像素灰度值差异计算分块图像对比度,自适应地确定其角点检测的阈值,并通过灰度相似性剔除伪角点;在构建的尺度空间中检测角点,解决了Harris算法需凭经验手动设定阈值,所提取的角点分布不均匀,对尺度敏感且含有伪角点的问题;采用斜率和距离约束剔除粗匹配后的部分误配准点对,再通过随机抽样一致性（random sample consensus,RANSAC）进行精配准.实验结果表明,与4种同类配准算法相比,所提出的配准算法对于JPEG压缩、模糊、视角、光照及尺度变化图像都具有更好的鲁棒性,配准正确率更高,自适应性更强,且配准时间大幅减少.      

光刀自适应灰度加权亚像素中心精确提取

为了提高线结构光三维面形测量精度,提出了一种基于骨架跟踪的光刀法向自适应灰度加权中心提取方法。首先由采集的光刀图像根据数学形态学方法计算得到一组光滑、单向连通的光刀骨架,以骨架为搜索路径,沿骨架法向设置一个有用像素区域。根据骨架法向截面内像素灰度对光刀中心提取影响的重要程度划分不同的灰度阈值,对影响中心提取较大的像素灰度值进行加权平方,最后根据灰度加权重心法计算光刀亚像素中心。分别通过仿真实验与多组真实光刀中心提取实验进行验证,仿真结果表明,本文算法提取到的光刀中心到拟合曲线距离的平均偏差小于0.3像素,标准偏差小于0.03像素,计算时间为87.6ms。实物测量结果表明,用本文方法提取光刀中心时最大偏差距离、平均偏差距离和标准偏差较其他方法最小,提取结果稳定、精度高、鲁棒性好,能得到光顺性较好的亚像素光刀中心线,满足在线测量的要求。     

基于梯度直方图的图像自适应滤波去噪

为了解决自适应滤波器在图像去噪中因需要噪声检测以及人工设置阈值，从而影响去噪效果的问题，提出基于梯度直方图的自适应滤波方法。首先，对噪声图像均值滤波后的初始去噪图进行计算，得到梯度直方图。然后，通过对梯度直方图曲线形状进行分析，计算出分割性最优的点作为阈值。最后，用计算得到的阈值与图像信息的局部变化率相结合，建立尺度自适应调节的滤波模板，对噪声图像进行滤波去噪。实验结果表明，本文算法针对不同噪声类型和不同强度的含噪图像去噪效果均有提升，并且可与其他算法相融合，对自适应类算法的改进具有普适性价值。     

一种自适应阈值的遥感影像角点检测算法

本文提出一种自适应阚值的遥感影像角点检测算法：采用8邻域点的扩展邻域计算灰度梯度;采用灰度梯度的概率分布函数确定自适应阚值;确定最大梯度方向,采用边缘方向追踪,结合自适应阚值判别角点。选取ASTER、TM、SPOT三种中高分辨率遥感图像数据,对算法进行试验。试验结果表明,该算法可以准确地提取有价值的特征角点,能有效抑制噪声点,针对不同数据具有很好的适应性,有较强的应用价值     

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.     

基于自适应Canny的红外图像边缘检测算法

针对Canny算法需要人工设定高斯方差值和双阈值,红外图像存在噪声大、边缘模糊等缺点,提出一种基于自适应Canny的红外图像边缘检测算法.该算法采用自适应中值滤波代替高斯滤波计算梯度的幅值和方向,对梯度的幅值在3×3邻域内进行非极大值抑制,并根据图像灰度使用Otsu算法,自适应获取高低阈值,用高低阈值算法检测和连接边缘.实验结果表明,该算法减小了均方误差,提高了峰值信噪比和平均结构相似度,能有效提取红外图像边缘.     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

一种改进的快速SUSAN棋盘格角点检测算法

针对传统SUSAN角点检测算法不能区分棋盘格内角点和边缘点,以及因曝光过度导致的角点分离问题,本文提出改进的SUSAN角点检测算法。改进算法求取2组不相邻特征方向3像素灰度和差值,配合门限阈值和差阈值,提取角点集合;利用角点集合的对称分布特性确定角点集合的质心坐标作为此位置角点的坐标,坐标值可直接达到亚像素精度。实验表明:本文提出的改进的SUSAN角点检测算法可以有效、快速地提取角点,重投影误差在0.3个像素以内,可用于相机标定。     

基于信息熵的自适应高斯金字塔的 LSD 算法改进

针对 LSD(Line Segment Detector)算法在对图像中连续的边缘进行提取时, 结果中常常呈现线段不连续的问题, 提出一种基于信息熵的自适应高斯金字塔的 LSD 改进算法。 该算法首先通过计算处理后的图像与原图之间的互信息熵, 确定高斯金字塔的层数与层内图像数量, 构建出自适应高斯金字塔; 其次使用改进的大津阈值, 根据图像的梯度峰值将图像分割成不同区域并计算相应梯度阈值, 分离出图像背景; 最后根据梯度角度寻找线段, 并通过赫尔姆霍兹准则验证线段。 仿真结果表明, 该算法解决了 LSD 算法提取线段不连续的问题;与其他流行算法 Hough 变换(Hough Transform)、 PPHT(Progressive Probabilistic Hough Transform)、 LSWMS(Line Segment detection using Weighted Mean Shift)、 LSD、 EDLines 比较, 能提取出更多有意义的线段。     

基于GVF Snake和边界跟踪的主动轮廓图像分割

梯度向量流蛇(GVF Snake)模型在处理图像分割问题上取得了较好的结果,但它对初始轮廓曲线的依赖程度较大且梯度向量场计算时间较长,故此提出一种基于GVF Snake模型和边界跟踪的轮廓提取图像分割算法。该算法利用边界跟踪算法进行粗糙的分割,获取边缘位置有效信息点,经采样后生成一条初始轮廓线。同时,基于拉格朗日法求解梯度向量场的方法,提出一个距离终止条件以提高计算速度。实验结果表明,与GVF Snake、手动GVF Snake和CV活动轮廓算法相比,该算法有效提高了图像分割的自动化程度和分割精度。     

利用贫富差距原理进行图像边缘检测

针对Robinson算法运算速度慢且需要人为指定闲值等问题,提出了一种Robinson自适应边缘检测算法.该算法利用Robinson基本原理删除了一些算法模板,根据计算贫富差距的原理得到像素的梯度值,从而可以进一步提高抑制噪声的能力.算法依据待检测像素周围3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Robinson算法可并行处理、能够抑制噪声等优点,还提高了运算速度和抑制噪声的能力.实验表明,所提算法在图像处理中能够自适应地生成动态阈值,提高图像的细节信息提取和噪声抑制的性能.     

基于改进FCM算法的SAR图像分类

目的改进模糊C-均值FCM算法,并对SAR图像进行粗、细分类。方法对FCM算法从初始聚类中心、隶属度约束条件两个方面进行改进,并提出对SAR图像的粗、细分类。首先利用改进的FCM算法对图像进行聚类,然后在隶属度矩阵中设定阈值,对小于阈值的像素块进行进一步细分类。结果得到并验证了改进的FCM算法,该算法对图像进行分类的分类精度比传统的FCM算法要高。结论本算法既可以保持较高的精确度,又可保证较快的计算速度。     

复杂海面环境下船只边缘识别算法的改进

针对复杂海面环境下船只边缘识别问题,提出了一种融合Retinex图像去雾预处理和改进自适应阈值SUSAN边缘检测的算法,用来提取船只目标边缘特征.对由于不同场景海雾造成的图像模糊,采用Retinex预处理增强图像信息,然后对待检测目标像素剔除伪边缘点,采用自适应算法获取几何阈值t和最大类间方差(Otsu)的方法选取双阈值g,进而对图像进行边缘点检测、提取边缘特征.实验结果表明,融合后的算法能够有效提高复杂海面船只边缘检测的鲁棒性.     

利用视觉显著性的前景目标分割

针对图像中的前景目标分割问题,提出一种视觉显著性引导的前景目标分割算法.对原始图像进行预处理后分解为互不重叠的超像素区域.将这些区域构成一个无向图,相邻两个区域间存在边,通过计算相邻区域间的特征差异得到边的权值.提取图像边缘的超像素区域作为背景区域,利用无向图计算各超像素区域相对于背景区域的视觉显著性,得到初始显著图.对初始显著图进行改进和优化,根据视觉显著性计算结果采用自适应阈值进行前景目标分割.在公开的图像数据集MASR-1000、ECSSD、Pascal-S和SOD上进行实验验证,并和目前流行的算法进行对比.结果表明,本研究算法在查准率、召回率、平均绝对误差及F-Measure等方面优于目前流行的几种算法,用于图像和视频的前景目标检测与分割是正确有效的.     

基于惯性原理的图像边缘检测技术

针对Canny算法对噪声比较敏感,检测到的边缘不够光滑,且需要人为指定高、低阈值等问题,提出了一种自适应Canny边缘检测算法。首先,利用Canny算子的基本原理,提出了一种计算梯度的新方法;然后,根据图像梯度信息自适应地生成高、低阈值;最后,根据惯性原理进行边缘跟踪,使边缘更光滑。实验结果表明:该算法不仅能够根据图像梯度信息自适应地生成高、低阈值,还保留了原Canny算法的定位准确的优点,对噪声还具有一定的抑制作用。     

自适应Harris角点提取的点云粗配准算法

针对传统3D-Harris角点提取算法中,Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题,提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进;利用点云曲率约束实现角点的自适应筛选与提取,减少角点响应值的计算量;构建角点几何结构的特征描述子,结合阈值检测和描述子匹配,将角点匹配对集合进行扩展,从而完成源点云和目标点云之间粗配准;将所提算法得到的配准结果作为精配准初始值,利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较,结果表明：所提算法的特征正确提取率为0.93,正确率最高;提取时间为7.63 s,效率最快;所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低,配准效果最佳。     

基于数字图像的实体黄河模型河势宽度检测

提出一种基于数字图像处理的黄河河工模型图像的河势宽度测量方法.该方法利用边缘检测和形态学相结合,对黄河模型图像进行边缘提取,然后利用像素计算法,通过比例转换实时精确地得出河势宽度.首先利用改进的最大方差比法(Maximum variance ratio)自适应地计算出Canny算法的高低梯度阈值,并在此基础上采用基于周长的形态学连通域分割法清除图像的干扰边缘,实现河势的自动识别和提取,再通过示踪粒子标定河道,计算河势边缘间像素个数,从而得到河势宽度.试验表明,该方法抗干扰性强,提取误差小,宽度测量更加简单.     

Steger算法在运动鞋底表面光条图像中心提取的应用

为了解决运动鞋生产过程光条在粗糙的鞋底表面产生的光斑以及光条宽度变化而带来光条图像的中心提取缺失的问题,提出一种适用于运动鞋底表面光条图像中心的提取算法。在最大类间差法(Otsu)的基础上引入了模板内像素灰度均值和其他像素灰度的差值阈值,从而有效分割出光条图像的光斑区域。采用Canny算子提取光条图像的边缘和宽度,并根据光条图像的宽度来改变Steger算法中高斯滤波核的大小。试验结果表明,所提算法可以准确分割运动鞋底表面的光条图像光斑,并快速提取鞋底表面光条的中心,解决因光条宽度变化而导致光条图像的中心提取失败的问题。     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.