基于主色色差的彩色图像边缘检测方法

图像边缘是图像重要特征之一,传统的边缘检测方法大都基于灰度图像,将彩色图像转为灰度图像后进行边缘检测不能充分利用彩色图像信息,而基于非均匀空间的彩色图像边缘检测方法也会造成信息丢失。文章提出了一种基于均匀颜色空间CIE1976L*a*b*空间色差的彩色图像边缘检测方法,充分考虑了颜色矢量距离差异和颜色矢量方向差异,能够比较准确的检测到彩色图像的边缘,优于基于灰度和非均匀颜色空间的边缘检测方法。     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

基于中值滤波和多特征融合的粒子滤波车辆跟踪算法研究

为获得复杂环境下较好的车辆跟踪结果,提出了一种基于中值滤波和多特征融合的粒子滤波车辆跟踪算法.在粒子滤波跟踪框架中,首先将车辆图像从RGB(Red,Green,Blue)颜色空间转换到HSV(Hue,Saturation,Value)颜色空间,利用中值滤波对视频图像进行预处理后,再利用prewitt算子检测图像边缘信息,然后融合颜色和边缘两个特征,实现复杂环境下的车辆跟踪.实验结果表明,该算法具有较好的目标跟踪精度和鲁棒性,能有效解决单一颜色特征下容易导致目标车辆跟踪丢失的问题.     

基于FPGA的高速视频实时边缘检测算法设计与实现

针对运动目标追踪中对高速视频实时边缘检测的需要,设计了一个基于FPGA的视频实时边缘检测系统,并利用FPGA和Verilog语言实现.结果表明,该系统完成一次Sobel边缘检测运算时间只需要5个时钟周期,视频信息处理速度达到152MB/s,能够实时、快速和准确地输出视频图像边缘信息.     

基于相容粒的彩色图像检索算法

图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...     

基于PDE的图像放大方法研究

对基于微分方程(partial differential equation,PDE)的图像放大方法的实现及应用效果进行了比对研究.具体实现了朱宁等人的线性PDE图像放大方法和基于P-M方程的非线性PDE图像放大方法.实验结果表明,线性PDE图像放大方法在平滑区域具有较好的放大效果;而在放大倍数不大的情况下,非线性PDE图像放大方法能更好地处理边缘区域.     

基于Sigmoid核函数的纺织品色差分类检测研究

颜色的自动检测分级是纺织、印染行业质量检测中的关键一环.为达到纺织品颜色的快速分级,根据人类视觉特性,提出了一种基于Sigmoid核函数的纺织品色差分类检测方法.该方法首先将采集的待测纺织品图像进行预处理操作,并将图像数据由RGB色彩空间转换至HSV色彩空间;其次对图像区域进行均匀分块,提取H、S、V分量值并采用加权和...     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

高光谱图像预处理方法研究及进展

高光谱图像预处理方法在高光谱图像处理中具有重要意义,有效的预处理方法可以尽可能地减少甚至消除无关信息(如样品背景、电噪音和杂散光等)对高光谱图像的影响,为后续基于高光谱图像的数据分析提供更为可靠的数据来源.基于高光谱图像谱图合一的数据结构特点,该文综述了直方图均衡化,中值滤波,边缘检测等图像预处理方法以及平滑,导数,标准归一化,多元散射校正等光谱预处理方法,并给出了这些方法的应用实例.该文还详细介绍了傅立叶变换和小波变换这两种基于数据压缩和信息提取的光谱预处理方法.这些新方法的研究为后续的数据分析奠定了良好的基础.     

基于超模糊集的Canny边缘检测在花椒图像中的应用

针对花椒图像中花椒边缘的检测问题,提出了一种基于超模糊集的Canny检测算法;算法选用RGB颜色模型,先采用中值滤波对图像预处理,然后采用基于超模糊集阈值选择的Canny算法对花椒图像进行边缘检测,最后用形态学的腐蚀和膨胀对花椒轮廓做加强处理;实验结果表明算法能够有效地检测出花椒图像边缘。     

小波阈值去噪与 Sobel 算子相结合的深度图像边缘检测技术

提出一种基于小波阈值去噪和Sobel算子相结合的图像边缘检测算法。由于图像边缘部分集中的大部分信息对图像场景的识别与理解起着重要的作用,而使用传统边缘算子在边缘检测时存在一定的缺陷。因此,通过对几种传统算子的边缘检测效果进行对比,并且将几种经典滤波方法相比较,提出在进行Sobel算子边缘检测前,用小波阈值去噪法以有效降低噪声影响。理论分析和实验结果表明该方法计算量较小、边缘定位准确,适用于基于深度图像的快速三维视频编码。     

融合图像边缘和区域特征的道路检测算法

利用图像分割技术对车载视频进行图像处理,提取道路信息,以用于智能车自动驾驶.首先,将彩色通道图像转换成灰度图像,并进行直方图均衡化和滤波预处理;然后,利用自定义差分算子和区域生长法,进一步对处理后的灰度图像进行分割,分别获得图像的边缘和区域特征.最后,结合区域和边缘分割的互补特性,提出一个融合两者信息的分割算法,对不同条件下获得的车载视频进行图像分割,实现道路检测.实验结果表明,所提出的方法能够获得边缘精确平滑、区域均匀的道路分割,而且算法具备较好的实时性和鲁棒性.     

农作物状态的三色信息边缘检测研究

对于农作物状态检测的传统方法是人工检测、光谱检测等,普遍存在检测准确率不高和检测速度较慢的问题.本文以摄像机为传感器对农作物进行现场实时拍摄,进而采用一种三色信息边缘检测的方法做出实时判断.在这个检测方法中,农作物图像首先被分解为R(Red),G(Green),B(Blue)这3个分量信息图像.然后,在R,G,B这3个分量图像上,农作物的颜色信息和边缘信息被提取出来,边缘信息提取采用的是Roberts算子.最终,通过3个颜色信息特征和3个边缘信息特征构建出相似性测度,作为检测结果的判断依据.针对西瓜样品图像展开实验研究,实验结果显示:本文方法可以获得丰富的特征信息,包括西瓜的3个颜色特征信息和3个边缘特征信息,据此得出的品质判断结果准确.对比实验表明:当样本数量为500个时,本文方法的检测准确率仍然达到了96%.     

基于纯各向异性扩散和四阶PDE的混合去噪方法研究

综合纯各向异性扩散模型和四阶PDE模型在图像去噪中的特点,提出一种新的去噪模型——基于纯各向异性扩散和四阶PDE的混合去噪模型.该模型克服了四阶PDE模型过多损失边缘信息和纯各向异性扩散模型在平滑区域产生阶梯效应的缺点,在有效去除噪声的同时,既抑制了阶梯效应,又很好地保持了图像的边缘和纹理细节信息.     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表...     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

一种基于色差的彩色图像的边缘检测方法

传统的边缘检测方法大都是基于灰度图像的,这就不能充分利用彩色图像的全部信息。文章提出了一种基于色差的彩色图像的边缘检测方法,它能快速准确地检测到图像的边缘,具有低的错判率和较高的效率,优于传统基于灰度的边缘检测方法。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段:首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段:针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

基于Hermite插值的彩色图像边缘检测技术

针对现有的边缘提取方法存在的不能同时解决抑噪能力强和保证边缘连续性好的问题,提出了一种基于Hermite插值的彩色图像边缘检测技术算法.该算法与多通道彩色图像边缘检测算法相结合,根据图像自身的彩色、梯度信息,依靠多尺度Hermite曲线插值技术对边缘线段进行连接修复,保证了算法抑噪和检出边缘曲线光滑连接的能力.实验证明,与现有的算法相比,该算法能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的连续性.     

基于中值滤波技术的视频图像边缘检测算法

传统算法抗干扰性能较差,利用人工经验对高低阈值进行设置完成边缘提取,不但会出现伪边缘,同时会产生很多噪声。为此,提出一种新的基于中值滤波技术的视频图像边缘检测算法。依据集合代数原理,通过集合论对几何结构进行描述,完成对视频图像形状与结构的预处理。针对视频图像中某一点的值,对其用该点邻域中不同点值的中值进行替代,对视频图像进行平滑滤波处理。在此基础上,通过设定阈值对某像素点是否是边缘点进行判断,利用最大类间差分技术获取最优阈值,自适应选择合理阈值,以降低假边缘现象的出现概率,提高边缘连续效果。对视频边缘轮廓区域的增强处理,得到有效的边缘检测结果。实验结果表明,所提算法检测结果伪边缘较少,图像边缘检测质量高,噪声少。