一种光学测量中椭圆边缘精确提取算法

提出了一种椭圆边缘精确提取算法。对图像灰度分布函数按二次泰勒展开式展开,利用高斯核函数和图像卷积的方式进行微分求导,在过零点附近求取二阶导数绝对值的极小值点,然后,通过计算Hessian矩阵得到该边缘点的法向方向,在法向方向进行多项式曲线拟合和直线拟合得到子像素边缘点。实验结果表明,算法子像素边缘提取具有较好的精度,在光学测量椭圆形标识检测中有参考价值。     

有向角概念的教学及其应用探讨

本文用类比的方法探讨了有向角概念的教学,把较为复杂的有向角概念与较为简单的有向线段概念进行对照,化难为易.并将有向角性质巧妙地用于参数方程的教学之中.     

梁变形检测的一维数字图像相关法

分别选择参考图像和变形图像中跨过指定边缘的线段,对两幅图像的这种线段进行一维相关运算以识别边缘的变形(简称一维DIC法).与面检测的二维DIC法相比,计算量小很多.根据生成图像的研究表明:一维DIC法进行边缘变形识别的误差小于0.05像素.简支梁模型试验表明:边缘变形识别的误差小于0.1像素,700万像素相机检测1.7m长梁的变形精度可达到0.05mm.一维DIC法的主要优点是计算量小,适合于海量数据处理的动态检测,主要缺点是变形前后图像边缘的错位对识别精度的影响不易处理,难以达到二维DIC法和一些高精度边缘检测方法的检测精度.     

基于边缘导向的直边图像亚像素定位方法

通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果．     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

基于统计的显微图像边缘检测阈值分析方法

针对复杂噪音干扰的显微图像, 提出一种新的基于统计原理的边缘检测阈值分析方法. 应用统计函数提取图像中梯度大的一个区域, 再由非极值抑制算法提取边缘像素. 在选择阈值前, 对每一像素的梯度值进行局部标准化, 去除模糊和全局阈值选择的不合适性. 所做分析的统计特性使得输入参数的选择对噪音图像具有鲁棒性, 能有效处理图像中的随机噪音. 实验结果表明, 所提出的算法具有稳定性强、 鲁棒性好的 特性.     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

二值图像边缘提取的新算法

边缘提取属于图像理解的低层处理阶段,就是提取被选定物体区域的外边缘轮廓。本文主要介绍了一种边缘提取的新思想,是通过以往的两个像素形成的模型以及使用第三个像素的外围空间来进一步确定待求德像素的思想。使对像素的搜索更具有目的性。通过实验,新算法与传统算法相结合可以有效地提高边缘提取的速度。     

基于度信息的图像过渡区提取与分割

提出一种基于度信息的图像过渡区提取与分割算法．将一幅图像映射为带权无向图,权函数定义为节点之间的相似度,由于目标内部与背景内部的像素同质性好,相似度大,因此度值较大,而边缘像素的度值就小,由此提取过渡区并进行图像分割．实验结果表明,本方法能够稳定地提取过渡区,且处理速度明显优于原有的过渡区提取方法。     

岩石表面图像的特征提取和处理方法

在对比多种岩石表面图像特征提取的基础上,提出了岩石表面图像中节理特征的提取方法,包括图像的增强、二值化、边缘提取、Hough变换等,提出了3个限制条件,以剔除提取的节理特征冗余线段,并给出了处理依据和流程.同时,编写相应的软件以对所提方法的可行性进行验证.结果表明,经所提线段分类与合并方法处理后,冗余线段的重复率大幅降低,其结果能够准确反映岩石表面裂隙特征的分布情况.     

基于边被收缩图的有向有环图有向割集求解算法

为了提高有向有环图有向割集生成算法的效率,通过收缩有向有环图环路中的边将有向有环图转换成带收缩顶点的有向无环图,并使得生成有向无环图有向割集的算法可以生成有向有环图的有向割集.在理论上分析了本文提出的算法的时间复杂度和空间复杂度,并进行了实验测试.理论分析和实验测试的结果表明本文提出的算法是很高效的.     

A New Edge-directed Subpixel Edge Localization Method

IntroductionComparedtotraditionalindustry ,microelectronicfab ricationhasthreecharacteristics :highcomplexity ,highprecisionandhighautomatization .Tomeettheprecision ,speedandreliabilityrequirements,machinevisiontech niques,suchasvisionaidedinspectionandregistration ,havebeenintroducedineveryworkingprocedureofinte grated circuitfabricationandsurfacemounttechnology(SMT) .Inspectionandregistrationprecisionmustbecon stantlyincreasedasthesizeofthecomponentbecomessmallerandsmaller .Therefore ,the…     

七点有向θ图的图设计

设Kv是一个v点的有向完全图,G是一个简单有向图,Kv的一个G-设计,记为(v,G,1)-GD,是指一个二元组(X,B),其中X为Kv的点集,B为Kv的一些子图(也称为区组)构成的集合,使得任一子图(区组)与G同构,且Kv的任意两个不同点组成的有向边恰在B的一个区组中出现。研究了七点有向图的图设计的存在性问题。     

Hough变换边缘参数提取算法

研究了一种目标物体边缘参数的提取算法，霍夫变换是图像处理和计算机视觉过程中常用的一种方法，用来在图像中提取目标边缘，文中提出一种新的算法以提高霍夫变换的边缘参数的检测能力，并用迭代中值滤波来完成直线边缘的定位，计算机仿真结果显示这种算法的有效性。     

视频图像内文字的自动提取新方法

提出了一种基于彩色边缘检测、形态学和逻辑与运算的视频文字提取方法,首先,分别运用垂直、水平、对角三个方向的彩色边缘检测算子提取出原图的边缘图像,然后分别对上述三幅边缘图像进行数学形态学运算,得到三幅不同方向的连通域图。最后,将这三幅连通域图相与,消除无用的信息,得到最终的文字区域。实验证明,该方法具有高的文字提取率和好的鲁棒性。     

一种快速有效的体视图匹配方法

研究了体视技术中最困难的一点:体视图的特征匹配问题.首先探讨了若干理论问题,然后提出了一种基于边缘线段的、快速有效的体视图匹配方法.其匹配过程分为两步:初始匹配和引导匹配.在初始匹配中,施加了epipolar约束和局部的几何与区域约束,以减小搜索空间.引导匹配在一个线段连接关系图的启发引导下进行,其特点是使用启发式搜索技术,基本避免了搜索空间的指数爆炸问题.最后给出了实验结果.     

基于改进霍夫变换的水面无人船水界线检测方法

准确的水界线检测是水面无人船(unmanned surfaced vessel,USV)导航和自主避障的关键;同时也为水面图像处理提供有效区域。针对复杂背景下水界线检测实时性和鲁棒性欠佳的现象,提出一种改进的水界线检测方法。首先,使用Canny边缘检测提取图像的边缘信息;然后,使用基于边缘梯度信息的Hough变换,限定参与水界线拟合的边缘像素点的梯度方向;并删除对水界线没有贡献的边缘像素点,同时缩小累加器空间;最后,使用加权长度确定水界线,以此抑制标准Hough变换对纹理性区域边缘像素点造成的虚假峰值。实验结果表明该算法可准确、高效地检测出水界线。     

面向视频测量机器人高噪声小视场星图的星点提取

星图识别提取是自动天文测量数据处理的关键环节．针对视频测量机器人拍摄的小视场星图具有高噪声的特性,提出了利用基于合理阈值分割的连通算法来处理此类星图;分析了4种不同星图的图形特征,对比了常见的星点提取算法对真实星图的识别效果;在定性定量分析的基础上,通过验证,得到了阈值分割下的连通算法要优于边缘检测和聚类算法的结论,并获得理想的星点提取效果．真实星空半仿真星图的室内试验表明:利用该算法可以准确可靠地计算恒星质心坐标,其水平和垂直方向均方根误差（RMSE）分别为0.025和0.021像素,可满足高精度的天文测量需求．      

基于方向权值标签传播的微学习单元聚类算法

为帮助学习者从大量在线学资源中找到适合自身个性化的学习资源及顺序集合,提出一种基于有向边方向权值的标签传播算法(LPADEW)用于发现适合特定学习者并属于同一学习周期的微学习单元序列簇群。该算法对标签传播算法进行两个改进：根据单元节点的利用度确定标签的更新顺序,降低在节点更新顺序上的随机性;利用当前单元节点的前置邻居和后置邻居的有向边权累加值进行标签更新,并将标签权重引入标签更新策略,既可降低标签更新的随机性,也可避免形成巨型簇群。实验结果表明,LPADEW算法在微学习真实数据集和人工数据集中均取得了较好的结果。