玻璃碎片图像的边缘检测

根据玻璃碎片图像的特点,首先去噪、用传统的边缘检测算子检测边缘,并进行阈值分割,生成了初始的二值分割;然后通过求距离函数并对其进行重建、倒置;最后执行基于链码的分水岭变换算法得到一个完整的玻璃碎片分割图,可用来统计出分割块数和进行后续分析。     

利用提取边缘线的方法定位条形码

为解决基于图像处理方式识别条形码的问题,提出了利用图像边缘线来有效且快速定位条形码的方法。该方法首先用大津法对原始灰度图像获得一个阈值,并对图像中灰度小于此阈值的像素进行隔行隔列处理,提取边缘线。然后将图像分割成大小相等的水平条,依据质心的位置和水平条中边缘点的数量分布确定起始条。通过已知的离散直线中小阶梯最下端的边缘点来拟合直线,并得到直线倾斜角度。仿真实验比较了Sobel算子边缘检测方法和该方法提取边缘线,以及用检测直线的Hough变换方法和该方法进行直线拟合的处理效果和运行时间,结果表明了所提出算法的有效性、快速性和可靠性。     

基于OpenCv的车道标识线检测识别算法的研究

由于路面结构、光照变化、阴影等因素的影响,传统的道路标识线的识别算法常常会出现道路标识线识别不准确的现象。针对这种情况,提出基于Open Cv的车道标识线检测识别算法。算法首先先对原始图像进行平滑处理和中值滤波处理,去除周围环境的影响,再使用canny算子进行边缘检测,得到车道标识线基本轮廓,最后再进行图像的二值化分割和Hough变换得到车道标识线参数。实验结果表明,该方法通过一系列的变换和处理后,能够消除路面结构、光照变化、阴影等的影响,清晰准确地识别出道路标识线,具有很好的准确性、鲁棒性和可靠性。     

基于小波变换的颗粒图像边缘检测算法研究

为了能在颗粒图像边缘检测中得到单边缘响应、连续的边缘线,在图像边缘检测的过程中,本文采用了小波变换的处理方法：在使用小波变换边缘检测算法检测出边缘后,本文提出一套较完整的边缘线加工算法,最终得到单像素宽的边缘．并利用加工后的边缘信息成功分割了一类颗粒图像。     

数学形态学和LoG算子结合的边缘检测技术

提出了一种LoG算子与数学形态学结合的玻璃碎片边缘检测方法,该方法是建立在一个承载着各种各样玻璃碎片快速传输系统上的。这个传输系统需要对传送带上的玻璃碎片进行快速的边缘检测,因此要求图像处理速度既快又准。经过研究,LoG算子计算量少,边缘检测效率高,但对噪声敏感;而数学形态学恰恰能弥补这一缺点,而且易于硬件实现。实验结果表明先用形态学中的膨胀和腐蚀操作对含噪声的图像进行平滑处理,再用LoG算子进行边缘检测的效果很好。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

具有规则度约束的红外图像多层阈值分割方法

针对红外图像的噪声和模糊边缘给红外图像的分割和目标检测带来的困难,为了得到边缘连续的目标区域,提出了一种具有规则度约束的多层最佳阈值图像分割方法,在根据灰度对图像进行多阈值的初始分割的基础上,通过各个区域的规则度等参数对分割区域进行过滤处理,消除过分割区域,降低因为过度分割造成的目标识别困难,实验结果表明,该算法具有良好的效果和实用价值,不仅用于红外图像,也可以应用于自然光图像的分割。     

安全玻璃中气泡的自动检测研究

耐环境性试验是安全玻璃强制检验的内容之一。经过耐环境性试验后的安全玻璃产品中气泡的检测和识别是判定产品是否合格的重要依据。根据玻璃气泡图像的特点，提出了一种安全玻璃气泡的自动检测算法。首先采用基于数学形态学的方法对原图像进行了目标增强;然后进行图像分割;采用孔洞填充和数学形态学法进行修正;最后进行特征提取，获得玻璃气泡的边缘信息。实验结果显示，该算法能准确的检测出安全玻璃中的气泡，具有一定的应用价值。     

基于边缘检测的车牌图像分割技术

详述了用黑白图像处理方法对彩色车牌进行分割处理的过程,介绍了边缘检测理论以及迭代求分割阈值算法,并用于车牌的识别检测中,有效地分割目标和背景,实现了车牌的准确定化．     

基于"线场"与"特殊集簇形式"的图像边缘统计建模与检测方法

图像边缘的建模与检测是图像分割、目标区域的识别等图像分析领域中重要的基础.本文采用统计建模的方法对图像进行边缘建模、检测,对基于"线场"与不使用线场的"特殊集簇形式"的两种图像建模及检测方法进行总结和比较,并且指出第一种方法使用的"线场模型"可以转化为第二种方法的"特殊集簇形式求点元的相应势能"模型,并对各自的实验效果进行了分析.     

基于动态感兴趣区域车道线分段拟合算法

提出实时视频中基于动态感兴趣区域及分段拟合的车道线的检测算法,动态调整感兴趣区域(ROI),缩小处理空间。采用大津算法(OTSU)动态提取感兴趣区域灰度阈值,并将该值作为多梯度Sobel边缘检测中的灰度阈值以提高边缘检测精度,利用改进的并行快速细化算法骨架化边缘图像,利用基于广度优先最短路径算法去除毛刺,最后再将图像划分近景和远景区域。在不同区域,采用直线或者曲线分段拟合,提高拟合精度。模拟实验结果表明,背景不太复杂时,一帧图像处理时间约为15ms;而背景较复杂时,处理时间约为35ms,能满足实时性。     

基于动态感兴趣区域车道线分段拟合算法

提出实时视频中基于动态感兴趣区域及分段拟合的车道线的检测算法,动态调整感兴趣区域（ROI）,缩小处理空间。采用大津算法（OTSU）动态提取感兴趣区域灰度阈值,并将该值作为多梯度Sobel边缘检测中的灰度阈值以提高边缘检测精度,利用改进的并行快速细化算法骨架化边缘图像,利用基于广度优先最短路径算法去除毛刺,最后再将图像划分近景和远景区域。在不同区域,采用直线或者曲线分段拟合,提高拟合精度。模拟实验结果表明,背景不太复杂时,一帧图像处理时间约为15ms;而背景较复杂时,处理时间约为35ms,能满足实时性。     

A novel automatic dam crack detection algorithm based on local-global clustering

Dam crack detection is necessary to ensure the safety of dams. However, traditional detection methods always perform poorly, with a low detection rate and high false alarm rate, due to the complex underwater environment. In this paper, a novel automatic dam crack detection algorithm (CrackLG) is proposed based on local-global clustering analysis that can find cracks on dam surfaces accurately and quickly using images as well as reduce human subjectivity. First, an image shot of an underwater dam surface is divided into non-overlapping image blocks after pre-processing. Then, image blocks containing crack pixels are identified by local clustering analysis. Second, the image is binarized by adaptive bi-level thresholding based on the local gray intensity. Meanwhile, some noise is removed based on the computed optimal threshold. After extracting global 3-D features, final crack regions are obtained by global clustering analysis. The advantage of CrackLG is that the threshold for realizing image binarization is self-adaptive. Additionally, it can automatically perform crack detection without human supervision. The simulation and comparison show that the proposed CrackLG method is more effective for underwater dam crack detection.     

基于水动力学、分数阶微分及Steger算法的线状目标提取

目的 线状目标的检测具有非常广泛的应用领域,如车道线、道路及裂缝的检测等,而裂缝是其中最难检测的线状目标。为避免直接提取线状目标时图像分割难的问题,以裂缝和车道线为例,提出了一种新的跟踪线状目标中线的算法。方法 对图像进行高斯平滑,用一种新的分数阶微分模板增强图像中的模糊及微细线状目标;基于Steger算法提出一种提取线状目标中心线特征点的算法,避免了提取整体目标的困难;根据水动力学思想将裂隙看成溪流,通过最大熵阈值处理后,先进行特征点的连接,再基于线段之间的距离及夹角进行线段之间的连接（溪流之间的融合）。结果 对300幅裂缝图像及4种类别的其他线状目标图像进行试验,并与距离变换、最大熵阈值法+细线化Otsu阈值分割+细线化、谷底边界检测等类似算法进行比较分析,本文算法检测出的线状目标的连续性好、漏检（大间隙少）和误检（毛刺及多余线段少）率均较低。结论 本文算法能够在复杂的线状目标图像中准确快速地提取目标的中心线,一定程度上改善了复杂线状目标图像分割难的问题。     

基于BEMD的Canny算子边缘检测算法

提出一种基于二维经验模态分解（BEMD）的Canny算子边缘检测算法,通过BEMD将图像分解成多层本征模函数,利用Canny算子对各分量进行边缘检测,并有选择地逐层重构出图像边缘,在灰度图像集中进行测试。实验结果表明,与传统算法相比,该算法能够获得较好的检测性能。     

基于自适应堆滤波的边界检测

从被噪声干扰的图象中提取边界是图象测试与分析的关键之一。通常需要先滤除图象中的噪声，再用边界检测算子求出边界。本文介绍了一种边界直接检测法，即将边界检测与噪声滤波相结合，它是基于自适应堆滤波的边界检测法。首先非线性堆滤波器用于求出图象某象素点邻域内的灰度最大值与最小值的最优估计，然后以此两估计值之差代替原象素点灰度值。最后对之二值化求出边界。本文根据最小平均绝对误差准则，采用自适应方法求解堆滤波器。这种方法类似于线性自适应滤波器的ＬＭＳ方法，先任设一初始堆滤波器，利用期望图象与合噪声图象对堆滤波器进行迭代训练，最后求出最优化的自适应堆滤波器。文章最后给出了采用自适应堆滤波法求取图象边界的试验结果，表明这种方法可以有效地抑制各种分布的噪声干扰。     

实现图象边缘检测的改进广义模糊算子法

在相关文献的基础上提出一种邻域加权预处理方法,基本解决了运用广义模糊算子进行边缘检测时出现的断线等问题。实验表明本算法相对于几种常用的边缘检测算子而言能获得较好的效果。     

一种基于变点统计分析的图像边缘检测的方法

基于统计的图像边缘检测方法是计算机视觉中边缘检测的重要方法之一。提出了一种基于非参数变点统计分析的方向性边缘检测算法,该方法可以最小化对图像数字特征的先验信息的需求。深入讨论该算法在含有高斯噪声和椒盐噪声的灰度图像处理中的一些问题,通过实验与MATLAB的经典的边缘算子sobel算子和canny算子相比较。该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了两种噪声对边缘检测的影响,取得了较好的效果。     

基于局部区域阈值的玻璃气泡的检测

玻璃气泡检测是安全玻璃强制检测的内容之一。为了实现安全玻璃中气泡的自动检测,必须正确提取玻璃中的气泡。首先求方差图像并二值化来确定气泡在图像中所在的局部区域,在该局部区域内,可认为光照是均匀的,然后运用局部区域阈值法保留较亮的目标,从而逐个提取出气泡。提出了一种根据直方图动态确定全局阈值将图像进行二值化的方法。     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围，提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法，并利用了边缘检测后边缘点的方向信息，作为Hough变换的方向角，可以较快提取出边缘线段，从而通过边缘跟踪获得无噪声点的相似区域，这为进一步提取图像的颜色特征或形状特征提供了良好的基础。