基于数学形态学的栅格地图处理技术

用数学形态学相关理论方法实现了对于扫描图像中不同线宽的同一线型，提取到同一线宽的二值线状要素图。在对此目标图像进行细化时，采用了基于双结构单元模板的细化算法；对于细化后的骨架线，采用了基于Freeman链码的动态改变步长的跟踪矢量化方法。     

基于Canny、Sobel及其改进模板算子融合的Freeman链码边缘点提取算法

针对传统边缘点提取算法过程复杂、计算困难的问题,设计了一种融合Canny、Sobel及其改进算子和Freeman链码的图像边缘点提取算法(简称CS-F法).即先将Canny算法、改进Sobel算法融合处理,进行边缘提取,再采用阈值分割方法,接着使用Freeman链码,确认边界的具体位置,使图案轮廓更加接近真实轮廓且更直观.实验表明,在一定的精度范围内(单位像素内允许是:0.045 7~0.05 mm),融合算法性能稳定,所提取的轮廓定位准确,而且能提取目标边缘有序的坐标点,解决了有些轮廓最后需要矢量化的繁琐过程.     

基于一步状态转移矩阵的Freeman链码压缩

本文阐述了在Markov链一步状态转移矩阵的基础上重建Freeman链码序列模型，给出了一种更合理的Freeman链码数据压缩算法，它在压缩较复杂的二维线条图像即较长链码的时候，具有比直接Huffman编码更优越的性能。     

基于Harris度量的轮廓尖锐度CDA优化算法

为了进一步提高工业现场中工件自动测量的精度,在详细分析了目前工业检测过程中角点提取准确度低、检测时间长等问题产生原因的基础上,提出了一种基于Harris度量的轮廓尖锐度工件图像角点检测优化算法.首先利用Freeman链码法提取工件图像的轮廓,通过计算轮廓尖锐度获取轮廓上的候选角点,然后针对两种不同类型的伪角点,分别采用...     

基于边缘角度二阶差分直方图的城市遥感图像检索方法

针对目前存在的遥感图像检索方法中,图像区域分割困难,不易准确提取局部形状特征的问题,提出一种无需进行区域分割的全局形状特征,即基于Freeman差分码思想的边缘角度二阶差分直方图特征;通过检索特征和传统的基于边缘角度直方图特征的遥感图像检索对比实验,揭示了该遥感图像检索方法具有更好的检索性能,检索精度提高了约32%。     

一种改进边缘相关匹配的图像快速配准方法

针对图像自动配准的耗时问题,提出一种基于图像边缘链码匹配的快速配准方法。利用B样条多尺度小波提取图像的边缘和梯度幅角,通过边缘梯度幅角直方图统计获得图像之间的旋转角度,并根据图像的投影,估算参考中心点,依此建立距离和角度的限制条件,对边缘特征进行改进的Freeman编码,然后进行相关匹配运算,完成图像配准。实验表明,限制条件下的链码匹配可以有效提高配准速度。     

面向智能视频监控系统运动目标检测的轮廓提取方法

针对传统的混合高斯模型方法易受干扰、运算量大的缺点,提出了一种应用于智能视频监控系统运动目标检测的轮廓提取方法.首先介绍了常用的运动目标检测方法;接着描述了传统的混合高斯模型方法,分析了该方法在目标检测方面存在的缺点,提出了一种新的轮廓提取方法.以过程为像素块混合高斯模型方法提取前景目标,采用数学形态学方法进行前景连通,Freeman链码寻找轮廓,Douglas-Peucker算法拟合轮廓,图像矩提取目标轮廓质心;最后对所提出的方法进行实验验证,并与传统混合高斯模型方法进行比较,实验结果证明,所提出的方法能更有效地滤除噪声,更准确地提取出目标轮廓.     

基于编辑距离的手写数字Freeman链码匹配算法

提出了一种基于编辑距离的图像轮廓8方向Freeman链码模板匹配算法度量两个链码序列的相似度进行手写数字字符识别。通过对自备手写数字字符样本库的分类,实验结果表明该算法的有效性。     

基于红外图像处理的埋地石油管道自动探测技术

埋地石油管道的辅助巡线以及对偷油支管的快速定位与排查是目前油田亟待解决的问题．为此，根据输油管道加温后辐射红外能量的特点，提出了应用红外热成像技术探测埋地输油管道的方法．介绍了基于非制冷红外焦平面阵列的，具有便携、实时成像特点的红外管道探测仪的硬件设计；在对原始红外图像进行去噪和增强的基础上，采用基于最大类内距离比准则的递归带通分割法对输油管道的红外图像进行自动阈值分割，并结合Freeman直线链码方法对细化后的图像进行骨架跟踪处理，提取管道主干，标记管道走向并定位偷油支管分支．实验证明，本算法自适应性好，执行效率高，管道定位准确，实现了埋地输油管道的自动检测．     

基于链码的原木端面图像检尺径识别算法

根据原木端面图像的获得方式及其特性,改进了方向链码的轮廓跟踪技术,提出了从图像中心点开始竖直往下扫描获取跟踪起始点,并在约束条件下自动寻找端面图像目标轮廓的算法,此算法大大提高了原木端面图像的轮廓跟踪效率.原木端面为类圆形图像,根据获得的目标轮廓的链码序列和边界点的坐标信息,提出了确定原木端面图像目标轮廓的圆心及最短径等一系列检尺参数的方法.     

图像序列处理中的形态分割方法

将数学形态学应用到序列图像分析中,提出了一种基于图像序列的3－D形态分割算法,对图像序列简化后进行边缘增强,用改进的3－D分水岭方法提取分割信息,基分割信息对几种常用图像序列的处理算子和处理方法进行了研究和改进,实验结果表明,该方法能对序列图像有效地进行时空分割,利用分割信息可显著提高各种图像序列处理的性能,而且具有算法简单、效率高的特点。     

基于图像法的点云数据边界自动提取

提出了一种反求工程中基于图像法的点云数据边界特性的自动提取方法，采用图像处理中梯度求解方法，对点云中每一点处的法矢和曲率进行估计，通过阈值得到候选边界点，再利用曲率极值法得到最终边界点。通过这些边界点可以进一步拟合边界曲线，达到对点云数据进行自动分片的目的。该方法具有较强的可操作性实用性，对于反求工程的自动化和智能化研究具有实际意义。     

数字图像处理技术在膜图像处理中的应用

为了在膜分离过程的数值模拟中建立准确的几何模型,利用数字图像处理技术,通过灰度变换、中值滤波、图像分割、边缘检测和矢量化等方法,处理了膜的SEM(扫描电镜)图像,得到了膜的边界矢量图和膜的孔隙率等结构参数.结果表明,处理后的膜断面图像准确地呈现出了膜内部的结构信息.     

基于红外线列扫描成像原理的数据处理新方法

根据红外线列扫描成像特点,引入流水控制方式,提出了一种图像数据处理新方法——按列处理方法,以减少系统总的运算时间,提高其实时性能。给出了该方法在DSP数字处理机上的程序实现结果。     

多特征融合的道路场景语义分割算法

为提升道路场景语义分割的性能以及实际应用性,本文将传统的图像处理算法与深度学习技术相结合,提出了一种多特征融合的轻量级道路场景语义分割网络模型。该模型首先利用颜色空间转化、图像均衡化、边缘检测等算法来对图像多种特征信息进行增强;其次,以深度可分离卷积为基本单元搭建高效率特征提取结构,对特征增强后的图像进行信息融合和提取,并结合跳层上采样操作完成初步分割;最后,引入边缘检测支路来对分割图像的目标边界信息进行细化,保障网络高精度分割。通过实验结果表明,所提网络在分割精度、计算效率上得到了较好的平衡,同时,在实际变电站道路场景应用中,该网络也能实现高效语义分割,为巡检机器人提供有效的道路信息。     

基于高频加强变换的焊接缺陷检测方法

根据X射线线阵实时成像检测压力容器的特点,提出焊缝图像处理及快速发现焊接缺陷的方法。利用自适应中值滤波方法和类间、类内方差比分割法及数学形态学方法对原始焊缝图像进行降噪和提取焊缝区域,并对提取的焊缝内部进行频域锐化的高频加强变换.仿真结果表明,自适应中值滤波能够有效去除噪声,并保持焊缝和缺陷的边缘细节;类间、类内方差比分割方法增强了图像目标与背景的对比,与数学形态学方法并用能准确地提取焊缝区域;高频加强变换能够为焊缝缺陷提供清晰的视觉效果,从而根据其显示的特点对焊接缺陷进行提取.     

基于连通区域选择的导航线特征点确定算法

提出了一种基于连通区域选择的导航线特征点确定算法。首先在传统农业图像分割的基础上选取面积最大的连通区域,然后通过开操作去除连通区域边界的毛刺,再逐行提取图像的特征点。对25幅图像分别按传统方法,未进行开操作的连通区域选择法,进行开操作的连通区域选择法进行导航线特征点提取,统计分析结果表明与传统方法比较进行开操作的连通区域选择法的特征点误差显著降低。     

基于U-Net和Res_UNet模型的 传送带矿石图像分割方法

针对传送带矿石图像中矿石粘连和边缘模糊造成的分割不准确问题,提出了一种基于U-Net和Res_UNet模型的传送带矿石图像分割方法.该方法首先将待分割图像经过灰度化、中值滤波和自适应直方图均衡化处理后,利用预训练的U-Net模型提取图像轮廓;然后,将图像轮廓二值化后,利用预训练的Res_UNet模型进行轮廓优化;最后,利用OpenCV得到分割结果.与基于形态学重建的分水岭算法和NUR法分别对10张测试图进行实验比较,结果表明,所提出的利用深度学习实现矿石轮廓检测和优化方法分割的结果更加准确,证明了其对传送带矿石图像分割的有效性.     

图像去噪的混合滤波方法

针对视频图像在同时受到高斯噪声和脉冲噪声污染时,严重影响图像的存储、 编解码、 传输、 目标识别与跟踪的问题, 提出一种图像去噪的混合滤波方法。该方法通过基于个数判断脉冲噪声的方法, 将脉冲噪声从混合噪声中分离, 并利用中值滤波将其过滤; 再利用分块平均边缘检测的方法提取图像的边缘; 利用自适应均值滤波方法滤除非边缘的高斯噪声, 并将边缘图像嵌入滤除高斯噪声的图像中。实验结果表明, 该方法不但能有效去除图像中的高斯噪声和脉冲噪声, 而且能保持图像的边缘信息, 从而提高图像的去噪效果和清晰度。     

飞行器结构特征提取与识别

针对天空背景下的飞行器，从目标的结构特征出发，采用SUSAN算子将目标从背景中提取出来；结合边缘信息，利用灰度重构对云层区域进行抑制；对处理后的图像二值化后，利用形态学算子对目标区域填充；最后对目标区域细化，利用先验知识发现目标的头部，实验结果证明了该方法的可行性．