基于算术运算的改进细化算法

现有细化算法存在细化不完全及二像素宽斜线过度腐蚀现象,在经典算法基础上提出一种改进算法。新算法采用算术逻辑运算构造辅助判决条件,完善经典算法的删除判决,抑制二像素宽斜线过度腐蚀现象,并增加二次扫描,删除经典算法处理后残留在斜线上的冗余像素,得到8连接的单像素图像,保持原算法算术运算快速的优点。实验结果表明,改进算法能够有效地避免二像素宽斜线的过度腐蚀,保留原图像的特征信息,实现字符图像的完全细化。     

去除图像椒盐噪声的双向预测算法及其改进

在去除图像噪声的同时,如何避免图像细节信息的损失和边缘的模糊,是图像处理技术中的一个难点.针对灰度图像中存在的椒盐噪声问题,提出了基于双向预测算法的去噪方法.首先根据椒盐噪声的特点,判断图像像素是信号像素还是噪声像素.对于信号像素,保持灰度值不变;对于噪声像素,利用双向预测的方法来确定处理后该像素点的灰度值.针对上述方法中存在的不足之处,又提出了一种改进方案.改进方案在对噪声像素处理时,根据像素之间的相关性和像素本身的性质自适应地确定预测器的预测系数,提高了预测算法的去噪性能.实验结果表明,本文算法具有良好的去噪特性及细节保持特性.     

一种基于像素差和菱形编码的图像隐写方法

针对当前大多数图像隐写算法嵌入量低且图像质量差,不能满足大数据时代对大容量的要求,提出一种新的基于像素差和菱形编码的图像隐写算法。利用平滑部分占图像的大多数区域,对传统基于像素差的图像隐写方法进行改进,增加嵌入量,并结合菱形编码方法保持图像质量。对改进算法进行了仿真,与传统的像素差算法相比,提出的算法增加了嵌入容量,保持了很好的图像质量,并提高了安全性。     

一种有效的指纹图像细化算法

OPTA方法是一个经典的指纹图像细化方法,针对OPTA法的不足提出改进的OPTA方法能够得到完全细化的指纹图像,细化后图像纹线扭曲小.但是改进的OPTA方法还存在细化后的图像容易产生毛刺的不足,为此提出一组改进模板,即在改进的OPTA模板的基础上增加一组去除毛刺的模板.实验表明,通过该算法得到的细化指纹图像在保持连通性的基础上光滑无毛刺,取得了更为理想的细化结果.     

基于频谱分析的运动模糊图像参数检测

为了提高运动模糊图像的运动方向和运动像素的检测精确度,本文提出了基于频谱分析的运动模糊图像参数识别的改进算法,从频谱分析的角度出发推导了暗条纹宽度、图像大小、条纹倾斜角度与运动尺度、运动像素之间的关系;采用二次傅里叶变换的方法细化亮条纹,分析并简化了条纹倾斜角与运动方向角之间的关系;分析了频谱中十字亮线产生的原因及位置,提出了去除十字亮线的新方法;然后,对处理后的频谱进行Radon变换,根据变换结果得出模糊图像的运动方向和运动像素。实验证明,该算法能够检测出不同大小模糊图像的运动方向和运动像素,检测误差控制在0.5°、2个像素的范围之内。     

一种改进的边缘细化方法

针对Sobel算子检测出的图像边缘较粗且检测效果受噪声影响大的问题,提出了一种结合自适应平滑滤波并改进原细化算法的方法来抑制噪声并细化边缘。使用新的自适应平滑滤波梯度模板对原始图像滤波,在平滑噪声的过程中锐化图像边缘;在Sobel算子检测出边缘后使用改进的细化算法剔除伪边缘点。试验比较表明:在迭代次数相同的情况下,新的自适应平滑滤波模板比原梯度模板总体效果更好;改进的边缘细化算法在保证与原算法运算时间相当的条件下,保留了更多的边缘细节信息,细化结果更加准确。     

一种改进的边缘细化方法Improved edge thinning method

针对Sobel算子检测出的图像边缘较粗且检测效果受噪声影响大的问题,提出了一种结合自适应平滑滤波并改进原细化算法的方法来抑制噪声并细化边缘。使用新的自适应平滑滤波梯度模板对原始图像滤波,在平滑噪声的过程中锐化图像边缘;在Sobel算子检测出边缘后使用改进的细化算法剔除伪边缘点。试验比较表明：在迭代次数相同的情况下,新的自适应平滑滤波模板比原梯度模板总体效果更好;改进的边缘细化算法在保证与原算法运算时间相当的条件下,保留了更多的边缘细节信息,细化结果更加准确。     

融合超像素聚类与SVM分类的非结构化道路识别算法

为解决移动机器人对非结构化道路识别的准确性、实时性问题,提出了改进的超像素聚类与支持向量机融合的监督修正算法.首先对采集的道路图像进行预处理,仅在此道路的显著性区域内进行图像的平滑处理,然后基于改进的线性迭代聚类算法,将图像分割为内部像素较为一致的若干超像素单元,根据灰度差准则进行超像素的合并,以超像素块作为训练样本集...     

改进邻域平均法在MRI图像去噪处理中的研究

对磁共振成像图像的去噪声处理是医学图像预处理中的重要环节。为了克服均值滤波算法不能兼顾去噪和保持图像边缘细节的不足,提出了改进邻域平均法。先根据相似者相容的原理得到待像素与各模板的关系,从而判断该像素是否为孤立噪声点。然后对孤立噪声点用灰度相近T邻域平均法进行处理,并对非孤立噪声点采用加权平滑模板进行处理。实验结果表明,该算法在去除噪声的同时,还保留了图像的边缘和细节。     

基于视觉图像的微小零件边缘检测算法研究

高精度的微小零件边缘检测中,传统边缘检测算法存在实际应用可操作性较差,检测结果难以达到精度要求等问题.为了提高边缘检测精度.提出了基于Soble算子的改进算法.该算法扩展了Sobel算子边缘检测的模板,并对扩展的梯度方向图进行了细化处理.而后在梯度图像上实现多项式插值亚像素细分,从而完成对目标边缘的精确定位.实验结果表明,该方法的定位精度为0.20 pixel.满足微小零件在实际检测的精度要求.