基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

基于边缘链长度的边缘检测方法

在小波图像边缘检测过程中,算法通常是用一个阈值将弱边缘去掉,将奇异性较大的边缘保留。用双阈值取代单阈值可以更好的改善边缘的效果。但双阈值在边缘检测中不好平衡阈值选取中噪声和有效边缘的矛盾,在阈值选取中为了减少噪声的干扰,一些奇异性较弱而长度较长的边缘也被滤掉了,在实际问题中影响了边缘图像的效果。针对这一问题在双阈值算法的基础上得到了基于边缘链长度的边缘检测方法,得到了更好的边缘效果。     

一种基于双阈值的运动目标边缘检测方法

文章针对运动目标检测中的实时性和准确性需求,结合视频图像的处理算法,设计了一种运动目标边缘的检测算法,该算法具有多角度、多层次的融合运动特征和边缘特征;采用了一种双阈值融合方法,最终快速、精确地定位出运动目标的边缘。实验结果表明了该方法的优越性。     

空间目标成像的边缘检测方法研究

卫星事业的发展,使得人们有机会获取卫星在太空运行的图像资料。在很多情况下,比如对图像进行感兴趣区域图像压缩等应用,都需要对空间目标成像进行边缘检测。文中研究了边缘检测的原理和各种算法,并且通过实际试验,验证了各种检测方法在空间目标成像中的边缘检测效果,为空间目标成像的边缘检测打下坚实的理论基础。     

基于图像增强的边缘检测方法

在对传统边缘检测算法分析的基础上,文章提出了基于图像的自适应增强的边缘检测算法,首先分别对图像的目标和背景物体进行灰度增强,然后对增强后的图像进行边缘提取,并对提取后的边缘图像进行融合。试验结果表明,该方法能有效的提取图像边缘细节,取得良好的边缘检测效果。     

基于边缘信息和时空马尔可夫模型的运动目标检测方法

针对传统方法易受阴影和噪声的影响,不能精确分割出运动目标的情况,提出了一种基于边缘信息和时空马尔可夫模型的运动目标检测方法。首先对3帧连续的图像进行边缘提取,然后通过差分法运算获得两帧初始标记场,随后对两帧初始标记场进行"与"操作获得共同标记场,利用迭代条件模型求解共同标记场的全局最小值,进而实现近似求解最大后验概率的估算,获得优化的标记场,最后通过阈值分割和形态学处理完成对目标的检测。与多种方法进行比较表明,该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

基于复合边缘检测算子的焊缝边缘提取方法

根据对焊接过程中采集的图像特征分析,提出了一种基于复合边缘检测算子的焊缝边缘提取方法,即通过Sobel边缘检测算子对焊缝区域进行锁定,然后采用Canny边缘检测算子对焊缝的上下边缘进行精确定位.结果表明,该方法能够有效去除焊接过程中弧光等因素对焊缝提取结果的干扰,得到快速稳定的结果.     

基于 Zernike 矩的边缘检测方法

提出了一种基于Zernike矩的边缘检测方法.根据建立的四参数边缘模型,利用Zernike矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数.所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性.     

基于机器学习的边缘检测方法研究

传统的边缘检测方法具有一定的局限性,且自适应能力差,提出一种基于机器学习的边缘检测方法来解决上述问题.实验图像从伯克利图像数据库中选取,以Harr和梯度直方图(HoG)构成特征空间,将AdaBoost算法和决策树算法相结合进行分类器训练.实验结果表明,机器学习的边缘检测算法有更高的分类准确率.     

基于Zernike矩的边缘检测方法

提出了一种基于Ｚｅｒｎｉｋｅ矩的边缘检测方法,根据建立的图参数边缘模型,利用Ｚｅｒｎｉｋｅ矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数,所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性。     

基于模糊神经网络的边缘检测方法

本文提出了一种集合模糊神经网络的边缘检测方法。首先,将每一个像素的4方向特征矢量与6个边缘模型矢量的距离测度作为输入模式送入到自组织竞争神经网络的输入层,通过这个网络进行边缘分类,得到粗边缘图像。在分类结束后,采用竞争规则来细化边缘,得到粗细适度的边缘图像。最后,从边缘图像中剔除斑点,得到最终理想的边缘图像。将我们的方...     

基于图像边缘和对比度的显著目标检测

为了对自然场景中各类显著目标进行准确的检测,提出了一种结合图像边缘和多尺度对比度信息的检测方法。首先对图像进行快速双边滤波,在对图像平滑去除复杂纹理的同时保留物体结构边缘信息,然后用直线检测算子进行边缘检测得到边缘显著图。再利用对比度检测算子计算图像的区域对比度和全局对比度得到对比度显著图。融合边缘显著图和对比度显著图得到最后的显著目标图。实验表明该方法准确率高于大多数现有的显著目标检测方法。     

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整的检测出运动目标,但检测出的运动目标边缘不准确,同时易受到阴影的干扰。针对这一问题,本文提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YCrCb色彩空间的阴影去除算法消除阴影;然后根据Canny边缘检测算子和形态学闭运算获取运动目标的边缘轮廓。将阴影去除得到的运动目标与边缘检测得到的边缘轮廓进行“与运算”,得到最终的运动目标。经过实验仿真,本算法能够提取边缘轮廓准确和完整的运动目标, 同时能有效的抑制噪声。     

运动目标检测中的边缘检测算法

视频图像中运动目标检测是计算机视觉领域的重要研究内容。基于多分辨率分级分块的思想，采用了一种有效的块边缘检测算法，改进了二值图像边缘检测所用的传统方法，减少了确定边缘的时间，实验结果表明，该方法是比较有效的。     

基于MATLAB图像边缘检测方法的研究

图像中目标物的主要特征是通过边缘反映出来的,因而图像边缘可以作为图像识别、分类和理解的直接有效证据,这在图像处理中有着重要的作用和广泛的应用。通过MATLAB分别用5种算法对同一灰度图像进行边缘检测,比较实现结果,进一步对不同阀值状态下Canny算子进行边缘检测,结果显示,在阀值0.1到0.6范围内,对于Canny算子来说阈值越小边缘检测到的有效信息越丰富,阈值越大处理效果越清晰。     

基于正交Gaussian-Hermite矩的边缘检测方法

边缘对应着图像中高频成分,为实现有效抑制噪声,同时又要尽可能地保持目标对象边缘信息,采用一种基于正交Gaussian-Hermite矩理论的边缘检测方法,提出了不同阶次矩的结合方案,针对具有复杂背景的红外图像进行目标检测.仿真实验结果表明该算法平滑效果好且能准确定位目标对象的边缘位置.     

基于色差梯度的彩色边缘检测方法

彩色图像有亮度、色调和饱和度的信息.为了充分利用彩色图像丰富的信息,在L*a*b*颜色空间中.利用色差梯度算子对彩色图像进行边缘检测.该方法能检测出更符合视觉特性的彩色边缘.实验结果证明了这种方法是有效的,优于基于灰度的边缘检测方法.     

一种基于关联度的边缘检测方法

边缘检测是决定图像后期处理及理解的基础,本文提出了一种基于不同权重系数的关联度图像边缘检测算法,该算法以Sobel算子模版为参考序列,通过序列之间的关联度区分边缘点和非边缘点,实验表明,该算法能准确的检测出图像的边缘信息,且其随着权重系数的不同体现出不同的抗噪性．     

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。     

基于FPGA的水果边缘检测方法研究

为提高水果品质检测精度,提出了一种以FPGA为核心的水果边缘检测方案。系统以苹果为研究对象,分别对Soble算法,Laplace算法和LOG算法三种边缘检测方法进行研究,实现了对苹果边缘的提取,并分析了三种检测方法对水果边缘检测的效果。实验结果表明,以FPGA为核心的检测系统,具有处理速度快,开发周期短等优点,在水果品质检测方面具有较高的实用价值。