基于霍夫变换的图像轮廓检测方法与优化

物体的轮廓信息是一种重要的形态特征,在图像处理过程中起着至关重要的作用.基于霍夫变换的轮廓检测方法,对大量的图像进行轮廓检测,并分析其特点.发现该方法不足之处,并进行改进.还分析了一些影响图像处理的因素,使检测效果得到提升.     

基于自适应Harris角点检测的掌纹定位方法

分析Harris角点检测算子的实现原理及其应用于掌纹定位中时的不足,提出了一种基于自适应Harris角点检测的快速掌纹定位算法,该算法可以人为选择感兴趣区域进行检测,然后利用角点进行定位。有效地避免了掌纹定位过程中二值化,边缘检测等一系列复杂的过程,并且克服了检测过程中的角点簇拥,计算量大的缺点。实验结果表明,该方法进行的掌纹定位非但计算量小,处理速度快,而且检测出的角点分布均匀合理,能更好的适应图像定位等一系列的应用。     

基于统计方法和主动轮廓模型相结合的医学图像轮廓提取

采用最小描述长度作为目标函数实现点分布模型上轮廓点的自动选取,提出了一种结合统计方法与主动轮廓模型提取图像轮廓曲线的方法.对一系列图像训练得到该训练集的典型轮廓曲线,初始化新图像的主动轮廓模型曲线后,再用训练集得到的轮廓线约束其变形,提取图像最佳的轮廓曲线.实验表明,与传统主动轮廓模型比较,该方法具有更好的轮廓提取效果.     

一种基于轮廓和混合高斯模型的运动车辆视频检测方法

针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题．实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性．     

基于多特征融合的平面旋转人脸的眼睛定位

针对平面旋转人脸的眼睛定位问题,提出基于灰度、梯度及几何特征的眼睛定位方法,在彩色图像中先确定候选人脸区域,分割出眉眼区域,再进行眼睛精确定位及人脸的旋转角度判断.该方法对人脸平面旋转、脸部表情变化等有较好的鲁棒性,且运算量较少,容易实现.     

基于简化Mumford-Shah模型的活动轮廓边缘检测模型

在Chan-Vese活动轮廓模型(C-V法)的基础上,提出了一种新的边缘检测模型.在该模型中,图像被定义为两个同质区域的组合,图像边缘检测问题转化为基于Mumford-Shah泛函的能量函数最小化问题.本文在分片常数优化逼近中,添加了图像梯度信息,通过调节该项的权重因子,可以得到基于不同灰度强度的图像边缘图.该方法采用了水平集数值技术,因此活动轮廓具备了拓扑变化的能力,并能克服C-V模型检测不出离灰度均值较远的边缘的问题,实验表明了其有效性.     

一种简化凸轮轮廓设计的方法

利用旋转矩阵,将凸轮轮廓作图法设计中的反转原理用于凸轮轮廓面的解析法设计,建立了一套简便有效的设计方法,使复杂的空间凸轮轮廓设计得到简化     

基于计算机视觉的钢轨焊缝自动定位方法

为了实时检测钢轨焊缝边缘错边量合格情况,提出了基于计算机视觉的钢轨焊缝自动定位方法.首先,采用中值滤波对焊缝图像进行噪声去除;其次,采用限制对比度自适应直方图均衡算法和直方图均衡化法进行焊缝图像增强;然后,采用双阈值OTSU法进行图像分割,突出轨头和焊缝区域图像,并采用连通域法提取轨头和焊缝区域轮廓;最后,采用多次最小二乘直线拟合法获取焊缝拟合直线,计算拟合直线与轨头上边缘直线的交点作为定位点,实现钢轨焊缝自动定位.对60 kg/m钢轨焊缝区域的检测实验表明,所提方法具有精度高、稳定性好的优点,可用于焊轨基地焊缝的在线实时自动检测.     

基于水平集的钢轨焊缝区域定位方法

针对现有钢轨焊缝错边量测量方法在不同光照环境下适应能力不强、定位精度不高、稳定性不好的问题,提出了基于水平集的钢轨焊缝区域定位方法.首先,采用水平集对预处理后的焊缝图像进行轮廓分割,将焊缝与轨腰、轨头和背景进行分离;其次,采用面积排序和连通域相结合的方法排除轮廓干扰,实现焊缝轮廓的粗定位;再次,采用两次排序法实现焊缝轮...     

基于LSTM-DNN模型的入侵检测方法

针对基于深度神经网络模型的入侵检测方法存在的梯度减弱或消失问题,提出了一种LSTM(Long-Short Term Memory,长短时记忆)神经网络改进的DNN(Deep Neural Networks,深度神经网络)模型．该模型主要包括LSTM神经网络和DNN2部分,LSTM神经网络通过记忆或遗忘进行数据流量特征提取,然后将其输入DNN进行训练、入侵检测．模型中采用优化算法,加快了网络收敛．实验表明,与LSTM模型相比,LSTM-DNN模型具有较好的性能,准确率更高,运行时间更短．     

基于主动轮廓模型的序列图像分割

提出一种改进的主动轮廓模型应用于医学序列图像的分割。一方面,对内部能量函数增加约束性条件,制约轮廓的长度,使其尽可能短来避免边缘轮廓收敛到中垂线上的其它组织的较强边缘点;另一方面,利用序列图像之间局部区域的信息相关性,重新构造外部能量函数来排除纹理特征的干扰,更好地捕捉到边缘上的拐角点。实验结果表明,提出的改进算法既可以有效地检测出一些拐角点和凹点,又可以避免目标边缘收敛于某些伪边缘点,可达到良好的分割效果。     

非整圆轮廓的谐波估计方法研究

基于RSM(响应表面法)方法建立圆轮廓的谐波模型,分析了模型的病态特征,提出了改善模型病态的方法,最后通过插值和迭代的方法将RSM模型的求解与FFT计算方法联系起来,得到了满足要求的非整圆谐波特征的估计.     

基于编码标志的无人机电力巡检自主定位方法

为了实现无人机在变电站巡检时自主避障,提出一种利用编码标志作为控制点的无人机自主定位方法.首先讨论编码标志的设计与解码,然后利用灰度方向直方图(histogram of oriented gradient, HOG)特征和支持向量机(support vector machine, SVM)检测并跟踪图像中的编码标志,以提高算法运行效率,最后根据编码标志在电塔上的位置及其在图像上的对应坐标,由物点与像点的透视关系解算无人机位置.实验表明:HOG+SVM组合检测图像中的编码标志召回率为99%;解码算法在编码标志模糊、变形等极端条件下依然保持强鲁棒性,解码错误率仅为0.05%;无人机定位误差不超过±0.03 m,算法运行速度达10帧/s,可用于变电站的实际巡检.     

基于QDCT马尔科夫方法的彩色图像拼接检测

提出一种基于四元数离散余弦变换(quaternion discrete cosine transform,QDCT)的拼接检测方案.该方案充分利用了彩色图像三通道之间的相关性,减少了图像彩色信息的损失.将彩色图像进行QDCT得到变换系数,然后使用四元数马尔科夫方法提取特征,最后用支持向量机检测拼接图像.使用图像库CASIA TIDE v1.0和CASIA TIDE v2.0进行实验,所得准确率分别达到98.75%和96.78%,表明该方法优于大部分现有方法.     

恒星黑子的定位方法

目前，研究恒星黑子主要采用测光和多卜勒成像两种方法．本文在介绍这两种方法之后，讨论了快速多卜勒成橡技术，结合食双星系统光度畸变分析，给出了确定恒星黑子位置的方法．     

基于贝叶斯网络的车辆定位冗余信息过滤方法研究

随着中国人民生活水平的不断提高,汽车的保有量也在逐年上升,而交通事故率也随之上升。及时定位目标车辆将有助于快速处理交通事故。为解决车辆定位过程中因外界干扰导致定位效果差的问题,本研究结合形态规则和机器学习方法,提出基于贝叶斯网络的车辆定位信息冗余过滤方法。首先获取卫星图像,并分析车辆特性,在特征空间内寻找最近的样本对象。然后用线性分类器对车辆图像进行分类,将独立性信息融入贝叶斯网络模型中。最后,利用K-L特征压缩器来去除冗余数据。试验结果表明,图像上冗余车辆矩形框的遮盖率达98%,仅剩与试验车辆图像规则相关或相似的图像,证明该方法的过滤效果优秀,可满足现实需求。     

基于水平灰度特征和颜色特征的车牌定位方法

车牌识别(License Plate Recognition,LPR)是指通过识别车辆车牌信息来辨别车辆身份的技术,是实现智能交通系统(Intelligent Transportion System,ITS)的一个重要环节,也是计算机视觉图像处理技术与模式识别技术的一项技术融合,车牌识别技术的研究和开发具有巨大的经济价值和现实意义.LPR作为一个专用的计算机视觉系统,通过运用模式识别、人工智能等技术,对采集到的图像进行处理,可以实时准确地识别出车牌的汉字字符、字母和数字,最终得出计算机可直接运行的数据形式,使车辆的监控和管理得以现实.目前,车辆识别技术已经广泛应用于高速公路的检测、电子收费、停车管理和交通违规管理等领域.     

基于水平灰度特征和颜色特征的车牌定位方法

<正>车牌识别(License Plate Recognition,LPR)是指通过识别车辆车牌信息来辨别车辆身份的技术,是实现智能交通系统(Intelligent Transportion System,ITS)的一个重要环节,也是计算机视觉图像处理技术与模式识别技术的一项技术融合,车牌识别技术的研究和开发具有巨大的经济价值和现实意义。     

热障涂层基于小波变换的声发射源定位方法

利用小波分析技术,对不同传感器接收到的声发射信号进行分解,提取出特征频率段的小波分量,对这一分量的重构信号进行相关性分析,确定了声发射信号到达两传感器的时间差,进而确定了声发射源的位置.对热障涂层进行铅笔芯断裂的定位分析验证了该方法的准确性.     

基于数学形态学和综合颜色特征的车牌定位方法

车牌定位是车牌自动识别系统的关键步骤.算法首先对图像进行预处理,然后进行数学形态学操作,得到若干个候选区域,最后根据车牌颜色特征选取真正的车牌区域.实验表明该方法定位速度快,定位效果好.