基于数学形态学滤波的灰度图像边缘检测

针对灰度图像边缘检测,提出组合二值形态滤波结合边缘检测算子的新算法。该算法通过阈值分解把灰度图像形态学滤波问题转换为对二值图像形态学滤波,具有简便且适合逻辑电路实现等优点。仿真结果表明,选取适当的结构元素,该算法能够有效消除椒盐噪声、保留图像边缘。     

基于数据场和水平集演化的图像分割

为了充分挖掘图像内不同区域间的隐含关联性,并解决图像分割中自适应阈值选择问题,提出了一种基于数据场和水平集的图像分割方法。利用数据场能够有效地表示图像像素间的相互作用,根据势值能够得到对应的势值等势线,可以根据该等势线的分布情况,采用梯度下降法来得到图像的二值化分割结果。为了得到更为精确的分割边缘,还引入基于拉普拉斯边缘检测函数的水平集演化方法来对二值化结果进行边缘曲线演化。将二值化分割结果与传统的基于数据场的图像分割算法对比结果显示,所提出的算法在分割准确性上表现良好,并且能够使得图像边缘更加精确。实验结果表明,提出的方法能够较好地分割目标,且对噪声图像具有较强的鲁棒性。     

基于谱聚类的边缘检测算法

区分高频噪声点和边缘点是提取噪声图像边缘的难点之一,为了得到噪声图像的清晰边缘,提出一种基于谱聚类(spectral curvature clustering,SCC)的边缘检测算法.该方法通过将边缘检测问题转化为分类问题,利用图像边缘点、平滑点和噪声点位于不同子空间的性质,在有效地聚类平滑点和边缘点的同时,SCC能够较好地抑制噪声点.另外,该算法通过编辑聚类标签并将其转换为二值图像,对二值化图像进行简单的处理即可得到图像的边缘,成功地避免了传统算法中的阈值选择问题.相比于传统的边缘检测方法,实验结果证明了所提算法的有效性.     

汽车轮胎号识别中的预处理问题

为便于对汽车轮胎号字符图像进行识别,对其进行一系列预处理．着重研究胎号图像预处理中的增强、降噪及二值化问题．提出一种将邻域均值滤波法和中值滤波法相结合的图像降噪算法,采用该算法能保护图像边缘和细节．提出一种基于经验知识的改进Otsu算法,可缩小Otsu算法搜索阈值范围,减少计算类间方差的次数．结果表明,胎号增强图像比原始图像清晰,降噪后字符图像边缘不模糊,胎号字符二值化速度得到提高,二值化效果也很好．     

基于图像识别的动物纤维细度快速测量算法

以图像识别、图像分析为基础,研究动物纤维平均细度测量算法。采用图像二值化、边缘跟踪算法提取纤维边缘,用边缘突变点提取算法、纤维微段识别算法确定纤维微段,以边缘亚像素定位算法获取纤维边缘的准确位置,计算纤维细度。结果表明:基于该算法的动物纤维细度自动测量系统的测量精度达到±0.135μm,该算法能够准确、快速地测量动物纤维的细度,满足自动测量的要求。     

基于边缘增强的红外图像二值化算法

提出了一种基于边缘增强的红外图像二值化算法。通过对自适应形态学边缘增强方法的改进,使得二值化结果有效地保留了红外图像的边界特征,是一种有效、实用的图像二值化方法。     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓扑结构，所获得的骨架对称性好等优点，在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图像细化方法解决二值图像细化问题开辟了一条新途径。     

基于Laplacian算子的扩大比对范围的边缘检测算法

针对常规边缘检测算法中存在的图像细节轮廓损失问题,本文提出一种基于Laplacian算子的扩大比对范围的边缘检测算法。该算法在对像素点使用Laplacian算子进行边缘检测处理时,扩大了处理的范围,后由所有像素点的差值和可以组成一个新图像,选定合适的域值对新图像进行二值化处理可以得到二值化的图像边缘信息。实验证明,该算法可有效地解决图像中色调变化较小、边缘变化缓慢区域的边缘轮廓检测丢失问题。     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓朴结构，所获得的骨架对称性好等优点。在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图象细化方法为解决二值图像细化问题开辟了一条新途径。     

基于改进Sobel算子的表面裂纹边缘检测算法

文章针对经典Sobel边缘检测算子存在图像边缘定位精度不高和对噪声敏感等缺点,通过分析引水压力钢管表面裂纹图像的特点,提出了一种改进算法.首先增加6个方向模板,提高定位精度;其次,对于使用8个方向模板检测的图像运用迭代阈值分割算法进行二值化处理,去除伪边缘;最后利用形态学膨胀算法连接裂纹.经实验证明,该算法能够有效地提...     

基于CCD的智能车寻迹方法

介绍自主式寻迹智能车的设计,探讨采用电荷耦合器件(CCD)作为路径采集模块实现自主寻迹的软硬件设计方法.系统以Texas Instrument公司的TMS320LF2407A为主控制器,实现了对CCD输出的黑白视频信号的实时采集处理,通过边沿提取算法获得路径信息,对舵机和驱动电机采用P控制算法,使得智能车行驶快速流畅.研究表明此设计方案可在黑白(或色差较大)赛道上获得良好的自主寻迹效果.     

基于局部邻域四值模式的掌纹掌脉融合识别

为了解决掌纹掌脉识别技术中稳定性差和识别率低的问题,提出一种基于局部邻域四值模式的掌纹掌脉融合识别算法。对掌纹掌脉图像利用非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)进行分解,将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合;利用局部邻域四值模式(local neighbor quaternary pattern,LNQP)获取掌纹掌脉融合图像的纹理特征向量,并用主成分分析(principal component analysis,PCA)算法对其进行降维;根据特征向量间的汉明距离实现匹配识别,并在PolyU图库和SUT图库上完成仿真验证。实验结果表明,算法的最低等误率分别为0.17%和0.75%,与其他传统及最新算法相比,算法能够有效地提取掌纹掌脉图像的纹理特征,具有良好的识别性能,并且掌纹掌脉特征的融合增强了系统的安全性。     

用三次B样条小波检测航拍图像边缘

在智能目标识别与跟踪系统中,如何获取较为清晰的图像边缘至关重要,这也是提高系统目标识别率的关键．作者提出了使用三次B样条小波对航拍图像进行多尺度边缘检测方法,介绍了小波及三次B样条函数的性质,根据Canny的3个最佳边缘准则和检测对象的特点,设计了B样条小波检测算法,把不同尺度下得到的边缘图像进行多尺度聚焦,输出检测目标边缘图像．经实验对比分析,该算法在航拍图像边缘检测应用中优于直接使用Canny算法,可以得到较好的边缘信息,并且能够满足下一步目标识别与定位的要求．     

焊接缺陷的计算机模式识别

本文用边界跟踪法提取了各种焊接缺陷的特征参数,并按GB3323—87标准对焊接缺陷进行了模式识别。结果表明:轮廓线跟踪法是研究焊接缺陷特征参数的有效手段。利用缺陷的长径与短径之比L_1/L_2,边界象素数与面积象素数之比以及边界沿水平方向象素数等参数可以准确地对焊接缺陷进行分类识别。     

用于实时跟踪的模板匹配神经网络算法

研究复杂背景下运动目标的识别和跟踪.提出了一种新的基于模板匹配的神经网络结构,将模板与跟踪窗内待匹配区域的像素按环形排列,分别作为神经网络的阈值和输入,选择跟踪窗内与模板相对应的各环差值均较小的区域作为识别结果.由于模板匹配过程中像素按环形排列,因此对于目标的平移和旋转均具有不变性,同时,算法计算量比最小绝对差累加和算法略小.将该算法应用到实时跟踪系统中,实验结果表明该算法可满足跟踪系统实时性要求,验证了算法的有效性.     

数字图像的一种轮廓跟踪算法

给出了一种数字图像跟踪算法,利用边缘像点的方向信息,在扇形区中进行扫描,从而得到一条完整的、边缘点彼此有机连接的轮廓曲线。方法简便易行并便于对得到的轮廓曲线做其他后继计算机处理。     

红外序列图像目标的高效跟踪

针对Mean shift算法中仅使用灰度特征难于实现对红外序列图像目标准确跟踪的问题,提出了利用边缘-灰度特征相融合的目标跟踪算法.为了实现红外序列图像中目标的高效跟踪,在研究Mean shift灰度特征的基础上,根据红外序列图像的边缘方向信息与灰度信息构建了边缘-灰度目标模型,将此模型应用到目标跟踪算法中,提高了Mean shift算法在红外序列图像目标跟踪过程中的运算能力.实验证明,该方法能够增加灰度直方图对目标模型的描述能力,提高了目标跟踪算法的鲁棒性.     

白细胞的自动识别和分类

白细胞的分类目前已成为医院的常规检查项目之一,检查结果对于临床诊断有着十分重要的意义。然而,显微镜下的这项工作是十分耗时的,且不同的检验人员有着不同的分类误差。为此,本文初步探讨了用图象处理和模式识别的方法对白细胞进行自动识别和分类,希望能以计算机来帮助人的眼脑系统,从而减轻检验人员的工作强度,提高分类的效率和一致性。本文运用了图象处理手段,用求熵阈值法对细胞图象进行分割,提取细胞及细胞核;用全向跟踪法提取细胞轮廓和核轮廓,同时,提出了一种快速的区域生长算法对轮廓内区域作填充。本文对每幅细胞图象提取了一个五维的特征向量,采用多两类分类和留一法,对有限的样本作训练,以设计Bayes分类器,对白细胞逐层分类,并对分类效果作出检验。本文通过以上方法的应用,白细胞的分类取得了比较好的结果。     

白细胞的自动识别和分类

白细胞的分类目前已成为医院的常规检查项目之一,检查结果对于临床诊断有着十分重要的意义.然而,显微镜下的这项工作是十分耗时的,且不同的检验人员有着不同的分类误差.为此,本文初步探讨了用图象处理和模式识别的方法对白细胞进行自动识别和分类,希望能以计算机来帮助人的眼脑系统,从而减轻检验人员的工作强度,提高分类的效率和一致性. 本文运用了图象处理手段,用求熵阈值法对细胞图象进行分割,提取细胞及细胞核;用全向跟踪法提取细胞轮廓和核轮廓,同时,提出了一种快速的区域生长算法对轮廓内区域作填充.本文对每幅细胞图象提取了一个五维的特征向量,采用多两类分类和留一法,对有限的样本作训练,以设计Bayes分类器,对白细胞逐层分类,并对分类效果作出检验. 本文通过以上方法的应用,白细胞的分类取得了比较好的结果.     

基于小波变换的人脸图象特征的边缘提取算法

人脸图象识别是模式识别、计算机视觉和人工智能领域的一个热点,而人脸图象的特征提取又是人脸图象识别的关键步骤.小波变换以其多分辨率分析和多通道分解的独特分析方法在图象处理领域中有着广泛的应用.文章利用二进小波变换多尺度的特性,结合一些常规的边缘提取算法,在人脸图象特征的边缘提取方面取得了令人满意的结果,实验表明是一种有效的人脸图象特征边缘提取算法.