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。     

单色织物疵点区域快速识别与边缘提取方法研究

结合自适应阈值分割,并基于数学形态学和边缘提取方法,给出一种单色织物疵点区域的快速检测方法。在Visual C++6.0开发环境下,利用OpenCV开发源库,设计开发了疵点区域自动识别与边缘检测程序,对常见的色污、脏污、飞花、掉扣、油纱、锈斑、织破洞、刮线和杂纤维等九种疵点进行检测。结果表明,该算法能够准确定位疵点区域,漏检率低,检测效率高,对实际检测系统的设计开发有实用价值。     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

W（0,1）的李双代数结构

详细讨论了李代数W(a,b)的一种特殊情况W(0,1),即a=0,b=1的李双代数结构,并证明了双代数结构的三角性及上边缘性。     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。     

5G行业专网应用研究进展

 梳理了国内外5G行业专网相关规范、标准及政策,列举了国外专网服务主要提供方式和平台、国内典型行业应用案例及解决方案;综述了组网方式、频谱策略、安全保障、运行维护4个领域的应用现状、代表性研究成果;阐述了网络切片、多接入边缘计算、增强上行、精准定位等主要关键技术原理及其在专网中应用现状,对主要潜在技术前景进行了前瞻;指出了面临的困难挑战,展望了未来的发展趋势,并给出了后续发展建议。     

数学形态学及其在图像边缘检测中的应用

数学形态学是一种非线性滤波方法，从19世纪创立发展至今，已在不同领域得到广泛应用。本文主要介绍了数学形态学的基本运算及其在图像边缘检测中的应用，并与经典微分算子边缘检测方法进行了比较，实验证明该方法具有较好的边缘检测效果。     

L—估计在数字图像中的应用

在数字图像处理中，线性滤波器是传统处理手段。但信号中有非叠加性噪声时，线性滤波器处理结果就很难令人满意，并且还将破坏图像边缘，不能有效除去噪声。从L－估计的稳健性分析出发，可以构造一类非线性滤波器。其中，由L－估计导出的中值滤波器和极差滤波器在数字图像处理中有着广泛的应用。     

一种非线性失真的PCB图像配准方法

建立边缘对准度函数,通过抽样特征点对样本PCB图像与待测PCB图像进行全局配准.由于相机镜头畸变导致图像非线性失真,全局对准后,局部配准存在偏差.提出分块对准策略,解决局部配准问题,同时针对局部配准后,块与块的交界处存在断裂现象,采用最小二乘法进行边缘拟合,实现全局PCB与局部PCB图像无缝配准.     

基于边缘的小波变换编码

基于原图像经低通滤波器且向下２减抽样后，变成了分辨率低、缩小至原图像的四分之一，经高通滤波后，过滤出垂直、水平、对角边缘信息这一观点，提出了基于边缘的小波变换编码，当对３个高频带量化和编码时，充分利用低频带的边缘与３个高能滤波器过滤出的边缘之间对应关系，仅对边缘点的小波变换系数进行编码，无需记下边缘点的位置从而更有铲地对图像进行高倍压缩。