基于离散Beamlet变换的线特征检测算法

提出一种基于离散Beamlet变换的快速新型线特征检测算法,可检测出任意方向、位置、长度的线性信息,并使线性特征的完整性和准确性都得到很好的保持。给出一种带有方向信息的多尺度的Beamlet基,利用Beamlet多尺度分析的思想,对传统的基于Bresenham直线生成的算法进行改进,通过设计偏差函数与优化的二进递归分解结合,对图像进行快速离散Beamlet变换。通过简单算法对图像的线特征进行提取,实验验证了该方法使用效果优于其他传统特征检测算法。     

改进的Beamlet与Canny相结合提取复杂图像线特征

传统Beamlet无结构算法在提取图像线特征时不仅存在重叠模糊的缺陷,而且在提取复杂图像线特征时不能有效地检测出目标信息,细节特征更是难以刻画。针对这些问题,提出将改进的Beamlet无结构算法与Canny算子相结合的方法提取复杂图像的线特征。首先,对图像进行Beamlet变换,通过改进Beamlet无结构算法,采用新的能量统计和制定新的划线规则,以保证每个二进方块最多有一条最优基;然后,对图像用Canny算子检测边缘,通过选取较大的Sigma,只检测明显的大边缘;最后,两者结合得到图像的线特征。从检测的线特征的线型连接程度等方面对该算法的性能进行了评价,并与现有的方法进行了比较,实验结果表明,该方法克服了两种方法单独提取线特征时存在的断裂、重叠、模糊和虚假边缘的缺点,有效地提高了复杂图像线特征提取的准确性和连续性。     

一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。     

基于Beamlet变换的线特征检测

线特征是图像的重要特征,其检测效果直接影响模式识别和分类。基于调和分析的思想,给出一种带有方向信息的多尺度的Beamlet基,对图像进行Beamlet变换。试验结果表明,该线特征检测方法不仅能提取无噪声图像中的直线和曲线,而且对强噪声图像中的直线和曲线提取效果也很好。     

一种旋转、尺度和平移不变的曲线描述方法

利用Beamlet基容易计算长度的特点,先求出Beamlet曲线的长度,然后根据二叉树层次方式来分割曲线,并将各分割点依次连接成直线段,再计算出所有两两相邻直线段之间的一系列的夹角,得到曲线的Beamlet夹角链码,最后利用两条曲线的Beamlet夹角链码的差异度来度量它们之间的相似性。该方法不仅具有旋转、尺度、平移不变性以及较好的鲁棒性,而且计算量小,匹配速度快。通过实验结果和算法分析,证明了该方法的合理性和有效性。     

面向复杂光照条件的桥底裂纹检测与测量算法研究

桥梁底面裂纹隐蔽且不易观察,利用仰视摄像头自动检测桥梁底面裂纹对桥梁的安全监测具有重要的作用.和桥面裂纹检测的摄像头位置不同,桥底面检测的摄像头仰视观测裂纹受到桥墩等遮挡、环境光照反光等复杂的光照影响,现有的裂纹检测算法性能难以满足实际应用需求.针对这一问题,文章提出了一种光照鲁棒性的桥底裂纹检测与测量算法,首先利用全局自适应光照调整采集图像的亮度,然后利用多幅图像拼接获得底面的全横截面图像对桥底面可视化,最后提出增强型的边缘检测算法分割出裂纹的边缘位置,并利用裂纹的几何结构进行优化,在此基础上计算出裂纹的长度和宽度,实现裂纹的自动检测和测量.实验数据表明,文章提出的算法在裂纹检测的准确度上优于对比算法,表明了该算法在实际场景中的有效性.     

一种改进的复杂图像线特征提取方法

针对传统Beamlet变换无结构算法在提取图像线特征时存在的线断裂、重叠、模糊等问题,提出了一种提取复杂图像线特征的改进方法。该方法首先利用小波变换对图像进行预处理,以突显细节特征;接着对预处理后的图像进行Beamlet变换,得到变换系数集合;然后在阈值化时,定义了新的能量统计,在可视化时,制定了新的划线规则,并使两者结合,以确保每个二进方块最多只用一条最优基表征;最后将所有方块中的最优基作为线特征提取出来。实验结果表明,与传统算法相比,在没有明显增加计算量的前提下,该改进方法对线条丰富和边缘复杂的图像的线特征提取,表现出明显的优势。     

飞机发动机叶片裂纹自适应检测算法的研究

发动机叶片裂纹检测是机务维护的重要内容,能否快速准确地检测叶片裂纹,对于缩短战场抢修时间、保障飞机的完好率具有重要的意义.本研究采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;基于边缘检测的小波滤波方法能动态的确定分解层次,有效抑制了噪声点的影响,提高了图像的视觉效果;自适应阈值分割是通过迭代的方法寻找图像的最佳分割阈值,能自动、可靠地检测裂纹的位置、长度等特征.仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求.     

图小波变换在图像分割中的应用研究

在图像处理领域中,图像分割占有举足轻重的地位。传统的基于小波变换的图像分割算法,仅在规则域内能够有效地检测出图像的边缘信息。为了在不规则域内能够有效地检测出图像的边缘信息,提出一种基于图小波变换的图像分割算法。首先,将图像转换成图,在图域进行研究;然后,利用图小波变换进行图像分割。实验结果表明,与传统边缘算法相比,该算法用于图像分割,不仅能够有效地检测出图像边缘信息,而且对噪声具有较好的鲁棒性。     

基于图像识别的铝合金机械铰链裂纹检测仿真

为了准确检测铝合金机械铰链中存在的裂纹,提出基于图像识别的铝合金机械铰链裂纹检测方法。针对在现场获取裂纹图像时,会受到外界环境、传输过程中等多种干扰因素的影响,需要对裂纹图像进行预处理,利用灰度直方图对图像的灰度情况进行分析,将其作为依据,对图像进行分段线性拉伸,压缩裂纹图像中灰度两端区域上的噪声,在上述基础上,引入边缘检测方法,边缘检测采用一阶微分的方法进行计算,选用索伯尔算子,将2个模板进行组合形成1个新的梯度算子,将模板在图像上进行移动,分别计算不同位置所对应的的梯度值,获取存在异常区域的图像边缘,以达到铝合金机械铰链裂纹检测的目的。实验结果表明,所提方法能够快速、准确检测出铝合金机械铰链的裂纹。     

基于相位一致性图像处理的岩体裂隙自动检测

提出了一种基于相位一致性检测和分段线迭代连接并去除伪边缘的岩体裂隙自动检测方法。先对原始图像进行相位一致性边缘检测并细化处理,得到包含裂隙特征和伪边缘的分段线,再根据距离和角度原则对分段线迭代连接,裂隙分段线相互连接而不断完整的同时滤除不能连接而变长的伪边缘。实验表明,对于大体积岩体露头面图像的裂隙检测,该方法具有较高的精确性。     

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.     

沥青路面裂缝图像检测算法研究

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。     

基于多方向的各向异性边缘检测算法

针对传统边缘检测算法抗噪性差的不足,提出了一种多方向的各向异性边缘检测算法。该算法构造了4个具有各向异性的5阶差分模板,对其进行归一化处理后,分别对待检测图像进行卷积处理,根据检测算法在各方向上卷积结果的幅值和方向信息得到灰度边缘图,最后采用最大类间方差法确定阈值进行边缘二值化。多组仿真实验结果表明,该方法能有效实现边缘提取,比传统方法具有更高的检测精度和更强的噪声鲁棒性。     

基于图像处理的滑坡后缘裂缝运动轨迹分析

滑坡后缘裂缝运动轨迹分析对于滑坡监测预警至关重要,针对滑坡后缘已有裂缝带,提出了一种基于最大类间算法（OTSU）、Canny算子与目标物体特征识别的滑坡后缘裂缝检测方法,通过对滑坡后缘裂缝图像进行预处理、形态学处理与边缘检测、边缘轨迹比较,获取滑坡后缘裂缝位移情况。经测试,该方法在上位机（基于QT平台开发）上能有效检测滑坡后缘裂缝,并判别理论模型下的运动轨迹,可为滑坡灾害预警提供支撑。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

安全玻璃碎片的检测与识别

碎片状态试验是安全玻璃强制检验的内容之一。将数字图像处理技术应用于玻璃碎片的检测和识别中,主要是为了得到玻璃碎片的形状、尺寸和数量。根据玻璃碎片图像的特点,提出了一种基于边缘检测的图像分割方法,首先进行玻璃碎片缝隙线检测,对传统边缘检测获得的不连通的缝隙线进行了补充和去噪处理,得到与原始图像基本吻合的较粗的缝隙线;然后通过求距离函数并灰度重建、倒置,实现了碎片的容凹处理,进而进行图像分割,完成了玻璃碎片的识别,得到碎片数量以及像素宽度为1的缝隙线。实验结果显示,该算法能准确地刻画玻璃碎片的缝隙线,正确地划分碎片区域。用计算机处理玻璃碎片数字图像可以节省人力,提高检验准确性。     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

一种基于形态学多结构元的自适应边缘检测算法*

基于形态学的图像边缘检测是图像处理的新技术之一,针对形态学单结构元在边缘检测中遗漏边缘信息的问题,提出了基于多结构元的自适应边缘检测算法。实验证明,该算法在检测边缘时能够获得比单结构元检测更多的边缘信息,具有较高的效率和很好的抗噪声能力,是一种有效的边缘检测方法。     

图像边缘检测综述

边缘检测的任务是将亮度变化明显的像素点识别为目标边缘,是计算机视觉低层级问题,并且边缘检测在对象识别和检测、对象提议生成、图像分割有着重要应用。如今,边缘检测已经产生了多类方法,如基于梯度的传统检测方法、基于深度学习的边缘检测算法,还有结合新兴技术的检测方法等。对这些方法进行更精细的分类,让研究者更清楚地了解边缘检测的发展趋势。对传统边缘检测的理论依据及实现方法做出介绍;详细介绍近年来主要的深度学习边缘检测方法,根据使用的方法进行分类,并对其中所使用的创新技术进行说明,如分支结构、特征融合和损失函数。衡量算法性能采用评估指标：单图最佳阈值（ODS）和帧数（FPS）,在基础数据集（BSDS500）上进行对比。对边缘检测的研究现状进行分析和总结,对未来可能的研究方向进行展望。