基于改进形态学Top-Hat算子的图像边缘检测

基于数学形态学理论,提出在形态学灰度图像梯度的基础上,结合改进的Top-Hat算子变换进行图像边缘检测方法.对改进的形态学Top-Hat算子原理进行说明,通过实验和传统的形态学Top-Hat算子图像边缘检测方法进行了比较.实验结果表明,改进的方法不仅增强了图像阴影细节,而且有效避免了图像原有细节的丢失.     

基于灰度形态学的烟叶图像边缘检测

烟叶图像的边缘提取是利用计算机进行烟叶检测与分级的关键步骤。为了能够在提取边缘的同时保留图像的边缘细节信息,该文针对CCD获取的烟叶原始图像,利用灰度形态学的算法,构造了全方位的结构元素进行边缘的提取。实验证明,基于灰度形态学腐蚀变换的边缘检测算法是有效的。     

灰度图像边缘检测中的形态学方法

介绍了用形态学进行灰度图像边缘检测的算法,分析了其几何意义;用计算机实现了形态学方法对灰度图像的边缘检测,并与用传统的Ｌａｐｌａｃｅ算子、Ｓｌｂｅｌ算子进行边缘检测的结果进行了比较。     

多方向灰度形态学边缘检测算法

本文介绍了基于灰度形态学的多方向边缘检测算法.基于边缘的多方向特征,构造了多方向的结构元素,并将边缘检测的过程与形态学开闲滤波相结合,提出了一种新的边缘检测算法.该算法在较好地检测图像边缘的同时很好地抑制了噪声.     

一种面向一维图象序列的目标检测和快速跟踪算法的研究

针对工业视觉系统中的一维目标图象序列,提出了一种作用于扫描行基的自适应阈值分割和基于相关性评判准则的目标快速跟踪算法,并将算法用于运动带钢表面的缺陷目标跟踪,仿真结果表明该算法具有跟踪精度高,执行速度快的优点。     

基于灰度均衡的指纹图像分割算法

针对MBF200芯片指纹采集器采集的指纹图像的特点,提出了一种新的指纹图像分割方法。该方法简单实用,能快速而有效的分割指纹图像,符合指纹识别系统的实时性要求。首先对指纹图像进行灰度均衡处理,然后根据图像的灰度特征对指纹图像进行分块分割,最后应用数学形态学修复指纹图像的前景边缘。使用该方法对研究室自行设计的MBF200半导体指纹采集器采集到的指纹图像,进行大量的测试。实验结果表明,该方法对这种类型的指纹图像分割是有效的。     

基于遥感图像融合的目标检测算法

在一些遥感图像中由于目标不清晰或背景复杂,使得目标的检测变得困难.图像融合可以把来自多传感器的图像信息综合起来,提高对图像信息分析和提取的能力.通过把同一目标的不同传感器获得的图像数据利用小波包变换进行融合,这种方法能够很好地将多源图像的细节融合在一起,得到目标较为清晰的融合图像.在此基础上利用数学形态学的方法进行目标检测,得到了满意的效果,证明了这种方法的有效性.     

基于最近邻加权灰度均值算法的高压线目标检测

视觉导航算法的设计是高压线路巡检机器人领域的一项关键技术,为了解决当前目标检测算法准确率低、抗干扰能力弱、小目标检测效果差等问题,提出一种最近邻加权灰度均值算法,用于提取目标的感兴趣区域(ROI).采用相线直径匹配的方式对ROI边框进行精细调整,依据特征提取与机器学习理论实现ROI分类.实验结果表明,该算法具有很高的ROI提取精度,分类器对于正样本的召回率最高可达99.83％,可有效地指导高压巡检机器人进行线路巡检工作.     

一种基于图像灰度的红外目标识别算法

针对红外图像背景复杂、识别率不高的问题,提出了一种新的基于图像灰度的红外目标识别方法.首先在形态学理论的基础上设计了一种多级形态学目标检测算子,并结合区域生长法检测目标区域;其次在候选目标区域的基础上引入sigmoid函数进行区域筛选,缩小了下一步目标搜索范围,并利用Haar小波方法从区域纹理入手,综合考虑了目标区域及其周边8方向邻域的相似性关系,明确了图像目标识别中对红外实时图目标的提取;最后运用目标模板的先验知识进行目标识别.实验结果表明,该算法的目标识别率相对于模板匹配算法和otsu阈值检测算法得到了极大提高,对于复杂地面红外图像目标的匹配识别具有一定应用价值.     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

一种快速的视频刚体运动目标检测算法

检测速度慢、准确度低是传统视频运动目标检测方法普遍存在的问题,为克服以上缺点,结合帧间差分和变分水平集方法提出一种新的运动目标检测算法。通过改进的帧差法快速初始化运动区域,并将其作为初始水平代入无需重新初始化的水平集演化方程进行演化,利用强度和光流信息控制水平集演化最终停止在目标边界处。实验结果表明,该算法具有检测速度快、准确性高的特点,是一种有效的视频刚体运动目标检测方法。     

自适应聚焦损失的图像目标检测算法

现代目标检测算法仍然存在由现有目标检测架构引起的正负样本不平衡和训练数据引起的难易样本不平衡。现有方法一般采用基于类别频率的重采样或基于类别预测概率的重新加权,虽然减轻了类别的不平衡问题,但是引入了新的超参数,为每个训练任务需要进行大量的手动调整超参数。为此在现有Focal Loss损失函数基础上提出了一个新的损失函数自适应聚焦损失（Adaptive Focal Loss）,使模型聚焦于对训练过程贡献更大的困难样本,并且可自适应地调整超参数。根据训练过程中每批图像标签中的正负样本数量计算出自适应的加权因子来实现对正负样本的动态平衡。根据训练过程中不同阶段各类真实标签的期望概率计算出自适应的调制因子来自适应地平衡难易样本。为验证方法的有效性,在PASCAL VOC2007测试数据集中平均精度均值达到80.75%,相比较于原算法提高了3.45个百分点。在PASCAL VOC2012测试数据集中平均精度均值达到77.17%,相比较于原算法提高了1.87个百分点。实验结果表明,把Adaptive Focal Loss作为网络的损失函数,相比于原始的Focal Loss损失函数检测精度有所提升,并具有较大的实用价值。     

一种基于边缘图像的快速物体检测方法

为提高物体检测速度,提出一种利用边缘快速检测物体的方法。首先,求取图像中每一个像素的边缘模值和方向,依据模值定位边缘位置,依据位置和方向进行边缘分组;然后,通过计算边缘组的相似度来对候选的包围盒进行投票;最后,统计多尺度滑动窗口上各候选包围盒的投票得分,依据包围盒得分对包围盒进行过滤,再依据包围盒重合度对包围盒进行合并,并依据合并的包围盒数量判断其是否为物体,最终得到图像中各物体的包围盒。实验结果表明,相对于目前最新的物体检测算法相比,该方法的运算效率最高,且检索率和精确度高。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

基于图像风格转换的水下图像显著性检测算法

由于水下显著性检测数据集不足,导致基于深度学习的水下图像显著性检测网络容易出现过拟合的问题,从而影响显著性检测网络的性能.针对上述问题,本文引入图像风格转换方法,提出一种基于CycleGAN的水下显著性检测网络.网络生成器由图像风格转换子网络和显著性检测子网络构成.首先,通过无监督的级联方式对风格转换子网络进行风格转换...     

视频序列中二值图像的快速目标检测方法

针对视频序列中二值图像目标检测时间效率不稳定的问题,提出一种快速目标检测方法,其主要步骤包括逐层膨胀、填补空洞、逐层腐蚀和检测目标。理论分析与实验结果证明,该算法的时间效率、时间稳定性和检测质量较高,其最差时间效率与采用3×3结构元素的形态学闭算子相当。     

基于改进的无锚框目标检测算法的涡检测

在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用,涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题,因此涡检测具有一定挑战性。本文从计算机视觉的角度出发,提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题,对两种不同类型涡的数据特性进行分析,并提出了基于可变形卷积（Deformable convolutional network, DCN）的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证,实验结果表明改进后的模型检测精确率显著提高,并在细长涡的检测精确率上有显著提升,有效地平衡了各类型的涡检测性能。     

噪声图像形态边缘检测的改进算法

研究了数学形态学在图像边缘检测中的具体应用，针对脉冲噪声污染的图像，深入分析了已有的抗噪型形态学差分算子的优缺点，结合对多方位形态学结构元素在边缘检测中应用的研究，提出了一种改进算法。实验表明，改进算法可以很好地去除噪声，同时较好地检测出图像边缘，改进效果明显。     

噪声图像形态边缘检测的改进算法

研究了数学形态学在图像边缘检测中的具体应用,针对脉冲噪声污染的图像,深入分析了已有的抗噪型形态学差分算子的优缺点,结合对多方位形态学结构元素在边缘检测中应用的研究,提出了一种改进算法。实验表明,改进算法可以很好地去除噪声,同时较好地检测出图像边缘,改进效果明显。     

基于重心的一种灰度图像边缘检测算法

本文提出一种基于重心的灰度图像边缘检测算法,将灰度图像中每一像素的灰度值,作为该像素的“质量”、三维空间中的Z坐标。判断某像素是否为边界点,取决于在以该像素为中心点的矩形区域内重心偏移量的大小。该算法具有一定的抗噪性,与采用canny算子的边缘检测算法相比较,本文算法对B超灰度图像的实际检测效果更好。