一种基于方向形态学的图像轮廓提取方法

提出了一种基于方向形态学的图像轮廓提取新方法.该方法首先通过形态学梯度边缘检测算子实现图像的边缘检测,处理的过程中考虑到了边缘的方向信息,从而能够更好地跟踪图像中主要的边缘.最后通过滚动膨胀正确的提取物体的轮廓信息,在结构元素移动的过程中引入了方向控制条件因子,减小了计算的冗余度.实验结果表明该方法能够实现自动边缘检测与轮廓提取,精度较高.     

基于特征图像方法的运动物体检测

在传统特征图像方法基础上,提出一种基于分块边缘特征图像的运动物体检测算法.该算法对背景图和叠加图进行分块处理,分别提取出背景图与叠加图的最大特征向量,求得背景图与叠加图的各块投影系数,进行运动物体的匹配检测.在实际处理时,采用了canny算子获取边缘图的方法来进行检测,以消除光照等外界干扰对检测的影响.     

图像边缘检测Laplace算子的改进

目的改进原有Laplace算子在检测图像边缘时的精度和清晰度,进一步准确地研究图像的基本特征.方法通过将原有的模板从3×3矩阵形式扩展成7×7矩阵形式.除了对特殊方向的边缘进行检测外,增加对非特殊方向边缘的检测.同时根据各点与中心点的距离远近设置合理的权系数,以提高边缘检测的效果.结果通过比较原有算子和改进算子的实验效果图表明,运用改进的Laplace算子进行边缘检测,边缘更加连续、准确和清晰,有效避免了伪边缘的出现.同时检测出一些原有的Laplace算子检测不出来的边缘,弥补了原有的Laplace算子的缺陷,取得了较好的效果.结论对Laplace算子的改进,提高了图像边缘检测的效果,较好的保持边缘的连通性,准确地检测图像的边缘.     

投影与光照方向一致性的图像篡改检测

针对在自然光照条件下拍摄的图像遭到篡改的情况,提出了一种新的篡改检测方法. 光照射到物体上在物体表面会发生漫反射现象,同时会在投影平面上产生阴影,一旦图像遭到篡改很难保持这些自然特征的一致性. 因此,根据物体表面估计出的光照方向与投射阴影得到的光源区域的一致性,不仅可以检测有多个物体的篡改图像,还可以检测出只有1个物体的图像是否被篡改.     

3种光照条件下灰度图像边缘检测算法的研究

边缘检测对光照强度的反应很敏感,同一种算法很难对不同光照情况下的图像进行有效的边缘检测.通过对不同光照情况下的图像特征分析,提出了不同光照情况下的图像边缘检测算法：正常光照条件下采用Sobel算子进行边缘检测;弱光照条件时先用MSR（multi-scale retine）进行图像细节增强处理,再利用类别方差自动门限法得到图像边缘;强光照条件下通过灰度扩展,将所感兴趣的灰度范围放大得到图像的边缘.实例分析表明,该方法能够从灰度图像中获取较为理想的图像边缘,并具有一定的抗噪性能.     

图像边缘检测的Prewitt算子的改进算法

本文对图像边缘检测经典算子Prewitt算子和该算子模板匹配方法进行了分析,根据模板排列规律,建立矩阵变换关系,提出一种改进算法.经实验证明,在一定配置环境中,将改进算法应用在某图像连续处理系统中,图像处理效果保持不变,较好的平滑了噪声,且目标物体的边缘检测轮廓清晰.和经典Prewitt算子比较,改进后的算子处理时间显著缩短,处理358张大小为184×184的图片所用时间为2.563s,而改进前所用处理时间为19.685s.处理速度提高了8倍,满足了图像连续处理系统对处理时间的要求.     

一种基于改进SUSAN算子的钨矿初选算法

以改进SUSAN算子为核心的钨矿石初选算法是一种针对性较强的算法.此算法采用改进的SUSAN算子的边缘提取方法,利用形态学开运算估计背景,与原始图像全局灰度进行几何运算来减弱背景的复杂纹理和噪声对图像的影响,以此来改善目标边缘提取的效果,并结合SUSAN基于图像灰度相似性比较的边缘检测算法.它不需梯度的计算,具有算法简单、定位准确、抗噪声能力强等特点,提高了算法效率,实现二者的优势互补,提高图像边缘检测的效果.     

一种基于方向形态学的图像轮廓提取方法

提出了一种基于方向形态学的图像轮廓提取新方法，该方法首先通过形态学梯度边缘检测算子实现图像的边缘检测，处理的过程中考虑到了边缘的方向信息，从而能够更好地跟踪图像中主要的边缘，最后通过滚动膨胀正确的提取物体的轮廓信息，在结构元素移动的过程中引入了方向控制条件因子，减小了计算的冗余度，实验结果表明该方法能够实现自动边缘检测与轮廓提取，精度较高。     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

基于开关式周围抑制的轮廓检测方法

传统的基于梯度的边缘检测算子旨在提取图像中所有由灰度变化引起的边缘,并不区分目标轮廓边缘和由杂波造成的干扰边缘。为提高这类算子在自然图像中检测主要轮廓边缘的性能,提出了基于开关式周围抑制的轮廓检测算法。与其他基于周围抑制的方法相比,该方法仅对干扰边缘进行抑制,对轮廓边缘不进行抑制,从而进一步提高了传统边缘算子的轮廓检测性能。利用自然图像和标准的参考轮廓边缘图像对该方法进行性能评估,结果表明,本文方法的轮廓检测性能优于传统的边缘算子及其他基于周围抑制的方法。     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

由结构光扫描重建老北京城三维模型的实验设计

文章提出了一种可以通过结构光摄影测量获得特征点云的方法,所处理的数据来自老北京城3D重建工程。结构光扫描的明显特征是扫描得到的模型边缘部分点云几乎都丢失了,比如说房屋的顶部边缘点云。文中提出使用获取的立体像对提取出边缘特征点,并从提取出的边缘特征里面匹配得到同名像点,通过摄影测量交会解算出同名像点的坐标值,得到边缘部分的点云,从而完成对老北京城特征部分的重建。     

基于FPGA的图像识别与跟踪系统

设计了以FPGA为主芯片对目标物体进行识别与跟踪的系统。采用MT9M011数字图像摄像头采集初始图像;利用基于模型匹配的Sobel边缘检测算法实现对目标物体的识别;运用基于边缘特征检测和基于区域特征检测相结合的跟踪算法实现对目标物体的稳定跟踪。测试结果表明,整个系统能够有效稳定地对目标物体实施跟踪。     

视频流中运动对象提取和生成技术

通过采用运动变化区域检测和边缘检测技术来生成视频对象。该方法通过估计相邻两帧的差分图像中相对噪声的特征参数对相对噪声进行滤波,从而自动地检测出运动变化区域;在检测出运动变化区域后,利用运动变化区域和边缘检测的结果,可以确定运动对象的边界位置;最后,根据运动对象的边界位置生成视频对象。     

融合运动和统计特征的静态目标检测

为了解决大部分时间处于相对静止状态目标的智能监控,提出一种融合运动和统计特征的静态目标检测方法.该方法采用行列错位减图像的帧差来提取目标运动特征,根据目标模型和候选区域的统计特征匹配检测目标,利用运动特征和模板的相似性度量动态更新模板.通过积分图优化特征提取及对强光抑制,提高了算法的实时性和鲁棒性.     

基于形态学的红外图像边缘检测

为了提高红外图像边缘检测的性能,提出了一种基于形态学的红外图像边缘检测算法,改进了仅依靠单一方向和采用固定方向权重的边缘检测算法.通过使用多方向结构元素对图像边缘进行提取,采用方向自适应权重进行加权融合,得到图像边缘检测的结果.实验结果表明,该方法能够有效地抑制图像中的噪声,提取的图像边缘更加完整,提高了红外图像边缘检测的效果.     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．