基于边缘连接的线段检测方法

提出了一种基于图像边缘连接的线段检测方法。数字图像中的线段是由很多线段图元组成,在同一条线段中,它们的方向是相同的并且受到真实线段的方向约束。因此可以通过提取小的线段图元,然后分析它们的连接特性,进行线段的检测。首先用ADM算法对图像进行边缘检测,得到单像素宽的边缘;然后在4个方向上进行线段的检测;对初步得到的结果进行合并和验证,去掉短的线段,连接临近的线段。经过实验证明,该方法能够快速地提取图像中的线段,并且对噪声具有一定的鲁棒性。     

基于小波变换的图像边缘检测

提出了一种新的基于小波变换的多尺度多分辨率特性的边缘检测方法。分别利用不同尺度小波变换后的水平方向、垂直方向和对角线方向高频信息 ,根据李氏指数与小波变换关系 ,采用零交叉检测方法和极大值在不同尺度下传播的特性 ,检测出图像在 3个方向的极大值。对不同尺度不同方向高频子图像 ,首先采用平均值法确定阈值 ,去除震荡噪声 ,然后对不同方向高频子图像合成的图像 ,根据最大类间方差法 ,计算其阈值 ,求出极大值 ,最后从这 3个方向的极大值中确定出最大值。实验结果表明 ,检测出图像的边缘结果非常理想。     

基于小波提升和形态学的图像边缘检测方法

提出了一种基于小波提升和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法对不同分解层上的高频子图像进行边缘检测,采用一定的融合规则将这两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波提升法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波提升法。     

基于局部PCA的参数约束Hough直线分层检测

针对经典Hough变换进行直线检测存在计算量和存储量大的问题,提出了基于局部PCA统计分析的分层Hough参数约束直线检测思路。首先对边缘图像进行局部PCA分析,得到边缘的主方向分布信息;然后利用自适应模糊映射统计出图像空间的方向直方图分布信息和约束直线的θ参数空间;最后通过构建局部参数空间的累积矩阵,检测出存在的直线,同时更新原来图像空间,不断重复直线检测过程,直到检测出规定的所有直线。实验表明,该算法计算、存储消耗减少,检测稳定性高。     

样条小波自适应阈值多尺度边缘检测算法研究

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，已有的边缘检测方法并不能得到较理想的边缘。充分利用小波变换的特点。设计三次B样条平滑滤波算子，对图像进行多尺度滤波。得到不同尺度的小波变换，再结合由适应阈值方法，在每种尺度下分别提取图像边缘；而后利用过缘信息的多尺度特性。融合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证，实验结果表明该方法不仅能准确检测出图像边缘，而且能有效地抑制噪声，该算法对图像边缘检测的效果优于目前已有的边缘检测算法。     

联合纹理提取和边缘检测的新方法

结合稀疏表示和半二次规整化方法,提出了一种联合纹理特征提取和边缘检测的新算法。该算法是基于稀疏表示的形态学成分分解方法的直接推广。其基本思想是用两个适合的字典：一个用来描述纹理部分--对偶树复小波变换,另一个用来描述结构部分--第二代曲线波变换,得到了一种新的分解模型。接着运用半二次规整化方法推广这个分解模型,提出了一种联合纹理特征提取和边缘检测的变分模型。数值计算的结果表明,新模型对图像的结构〖CD*2〗纹理分解,以及边缘的提取都有较好的效果。     

基于可操纵小波的多方向图像边缘检测

根据可操纵小波多分辨率分析的原理,将小波多分辨率分析与方向微分算子相结合,设计实现了基于二维多方向微分的小波滤波器组,提出了分辨率及方向均可调节的图像边缘检测方法。该方法具有计算效率高、抗带间混叠及多方向选择等特点。通过仿真试验并将其与canny算法和传统的B样条小波边缘检测算法进行比较,验证了该方法的有效性和优越性。     

基于改进小波变换的海上目标检测

为提高弹道导弹打击舰船的命中精度,研究分析弹载合成孔径雷达的海上目标检测具有重大意义。针对基于传统小波变换的检测算法在相干噪声下难以快速实现目标检测的问题,提出基于改进小波变换的检测模型。首先,利用方向可调的小波函数改进传统小波变换,在提高检测精度的情况下,可避免进行非极大值抑制;其次,重点针对方向小波变换运算复杂的问题,从算法原理和实际应用两方面着手,分别构造可变方向角和掩模矩阵,减少了运算量;然后,在此基础上利用高低帽滤波和闭运算的组合处理,增强边缘区分度,即可通过二值化处理完成目标检测;最后,以舰船的目标检测为例,从检测精度和运算时间两方面验证改进模型的有效性。     

基于小波变换的PCB缺陷视觉检测技术研究

针对现有的PCB(PrintedCircuitBoard)缺陷视觉检测系统实时性较差,难以检测线宽过窄等问题,首先对PCB缺陷图像进行小波变换压缩,提高了系统实时性;然后应用小波边缘检测算法对缺陷图像边缘精确定位,在图像小波变换局部模极大值对应的梯度方向上计算边缘点距离,根据特定规则提取、识别并定位特定缺陷,实验结果表明上述方法简单有效。     

基于边缘检测的干涉SAR解相位模糊方法

相位解模糊是干涉合成孔径雷达三维成像的关键技术。基于边缘检测算法确定干涉图中干涉纹的位置来实现干涉相位的解模糊。为了提高干涉纹的检测精度 ,将纹线检测和纹线跟踪相结合 ,并采用了中值滤波和相对平均灰度梯度法进一步减小噪声。该方法具有无积累误差且稳定性好的优点。利用三峡地区的L波段SIR C并行轨道数据 ,运用上述方法实现了相位解模糊 ,获得了比较满意的相位展开图     

基于复用代码检测的缺陷发现方法

软件开发中,因代码复用导致复用缺陷的现象时常发生,针对此提出一种基于代码复用检测的缺陷发现方法。首先通过代码比对或补丁还原的方式定位缺陷相关的代码,将缺陷代码和待测代码以函数为单位进行划分,提取并量化各函数的度量特征、结构特征和文本特征,采用递进式相似函数逐轮筛选的方式,确定可能存在复用缺陷的函数,并基于模型检测和数据流分析技术对疑似缺陷进一步判断。实验选取典型开源项目进行测试,发现了多处潜在的复用缺陷,结果证明了所提方法的有效性,同时发现每个缺陷平均要对2~5个可能的复用点进行判断。     

基于模糊集的故障检测方法

针对limit checking故障检测方法的缺点,提出了一种基于模糊集的故障检测方法。该方法基于传感器测量值的不确定性和门限值具有模糊的客观属性,在检测值所有可能值的论域上划分模糊子集,将检测值偏离门限值的程度用隶属函数与模糊子集报警权重表示。考虑到时间因素对检测结果的影响,提出采用时间窗函数的方法计算时间窗内的报警权值之和作为模糊检测决策依据。仿真结果表明,基于模糊集的故障检测方法相比于持续性计数(Persistence Counter)方法具有更好的检测性能。     

一种基于混合策略的孤立点检测方法

孤立点检测面临数据不平衡和代价敏感两个问题。利用改进的一类支持向量机对数据集进行重构,并结合代价敏感支持向量机提出了一种混合策略检测方法。首先在传统的一类支持向量机优化过程中设定不同权重,通过刻画超平面消除部分正常样本进而平衡数据集;重构过程保留了孤立点信息,同时能克服数据混叠现象。通过代价敏感支持向量机对样本进行训练,利用受试者工作特征分析作为评判依据搜索最优参数,进而调节阈值获得孤立点检测模型。仿真实验结果表明,本文方法能提高检测精度,同时有效降低总的误分类代价。     

基于极化合成孔径雷达的舰船检测方法

特征提取是极化合成孔径雷达图像处理的一个重要问题,也是海上目标检测的关键。相似性参数和极化熵可以表征目标的电磁散射特性。为了增强目标与背景的对比,提出了一种基于特征融合的新参数。这种参数可表达区域的差异性,处理后目标与背景的对比更加明显。研究了该参量在海杂波区域的分布模型,进而提出了一种新的海上船只检测方法,该方法可用于多视情况下的舰船检测。最后用机载合成孔径雷达(airborne synthetic aperture radar, AirSAR) 数据验证了该方法的有效性。     

基于形态学处理的电磁信号检测方法

卫星电磁观测背景场中存在较多的噪声、单频干扰、瞬时脉冲干扰,严重影响对电离层电磁辐射事件的分析。针对这一问题,提出了基于形态学滤波与门限分割相结合的自动检测方法,利用自然电磁辐射具有一定时宽和频宽的特点,将门限检测后的时频域电磁信号参数图像转换为二值图像,通过设置合适的结构元素,滤除噪声和干扰。利用该方法对电离层左旋极化特征的电磁辐射信号进行了检测和统计分析,验证了该方法从海量数据中检测目标的有效性。     

基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计,由于无任何目标信息,需要采用较高的检测门限以降低虚警数量.然而,一旦成功建航,目标存在性已确定,可利用目标跟踪信息调整多帧联合检测策略,以提升微弱目标检测能力.基于上述考虑,本文提出了一种基于跟踪信息的多帧联合检测方法.首先利用当前时刻跟踪信息建立预测波门,然后设定较低的单帧检...     

基于谐波自相关的基音检测

在分析短时自相关法的基础上,探讨了使用谐波自相关方法进行基音频率提取。首先根据语音信号建立谐波自相关模型,通过最小二乘法提取基音谐波频率。然后根据基音谐波频率建立一个周期单位脉冲序列函数,用该函数加权短时自相关函数计算谐波数。最后利用提取的基音谐波和相应的谐波数目进行基音频率估计。实验表明在较低信噪比时,谐波自相关法基音检测错误率为5.0%,比自相关法降低了13.6%。     

基于动态指导滤波的显著性检测方法

显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法。为了进一步提高检测的有效性,同时降低像素类检测算法的计算量和复杂度,提出了基于动态指导滤波的图像显著性检测方法。在新设计的简单迭代指导滤波中,核函数不再像经典指导滤波器那样只利用固定的指导图像,而是利用了输入图像和动态指导图像的联合结构信息,它保证了指导图像对原输入图像较好的结构传递性。其次,为了节约算法的时间成本,采用采样的方式降低算法计算中需要的计算量。最后,为了提取更有效地的显著性区域,引入了关键显著性区域提取方法,通过修正关键点集合得到更准确的目标区域。实验结果表明,相比于其他像素类的显著性检测方法,该算法可以更快速和有效地检测出显著性目标。     

基于模糊聚类分析的入侵检测方法

提出了一种新的基于模糊聚类分析的入侵检测数据处理方法,该方法能够较为准确地区分正常和入侵进程,具有计算速度快、耗用资源少等特点。通过使用模糊聚类,还可以提炼出精简准确的分类规则。由于对数据中的孤立点采用了特殊的处理方法,因此对产生聚类规则的训练数据库进行添加和更新,该检测方法具有较强的可扩展性。通过仿真实验证明了该算法的有效性。