改进的Freeman链码在边缘跟踪 及直线提取中的应用研究

针对传统链码用于边缘跟踪过程中易产生边缘断裂,提出一种改进的Freeman链码用于边缘跟踪及直线提取。该算法在链码跟踪过程中,记录链码起点,优先跟踪位于边缘方向上的点。对当前点,先进行基于Freeman链码八邻域内跟踪,在八邻域内没有边缘点的情况下,再进行八邻域外链码跟踪。然后对跟踪后得到的边缘链码进行分裂提取直线链码。实验结果表明,该算法不仅能有效提取直线,而且能提取曲线边缘,并且保持完好的边缘连续性,避免后续直线合并。      

一种采用HOG特征的直线段提取方法

直线段特征是广泛应用于图像分析与处理领域的一种特征,直线段提取是基于特征的模式识别和图像匹配的一个重要步骤,直线段提取方法的优劣直接影响到高层次图像处理的复杂度和处理的效果。针对目前直线段提取方法中存在的直线段端点不准确和直线段断裂问题,提出了一种新的基于HOG特征的直线段提取方法。该方法利用矩阵的行、列积分运算实现对原始图像特定方向直线段的投影,根据矩形函数的一阶导数性质将确定直线段端点位置的问题转化为对列方向向量的求导问题,从而更能有效提取出图像中的直线段。理论分析和实验结果表明:该方法能够快速、准确地提取直线段,在一定程度上解决了经典方法中直线段断裂及端点不准确问题。     

一种有效的基于边缘图像的机场跑道识别算法

边缘特征是图像的最底层特征,解决好边缘检测问题对多数目标识别系统都有重要的意义.针对机场跑道的直线段特征,提出了一种有效的基于边缘图像的机场跑道识别算法.首先,将方向小波变换用于目标的边缘检测,得到定位准确、边缘完整、冗余信息少的边缘图;然后两次遍历该图,改进Hough变换在提取直线段的同时,获得直线段端点坐标,精确定位出跑道位置.实验结果表明了该算法的有效性和准确性.     

基于直线提取的机场跑道识别方法

针对红外机场跑道图像的结构特点,提出了一种机场跑道识别和提取跑道中心点的算法。首先对红外图像进行空域滤波;然后采用Sobel算子提取边缘图像;接着提取所有可能的直线段,并计算它们的参数;接着对找到的直线段进行连接性测试,得到最终的直线提取结果;最后从找到的所有直线中搜索平行直线对,从中识别出机场主跑道的边缘,计算出跑道中心点。大量的仿真实验证明这种方法可以红外图像中准确、快速地识别出机场跑道和提取跑道中心点。     

X射线安检图像中直线段特征提取方法

<正>针对薄片型物体在X射线安检图像中呈现的噪声大、边缘弱特点，提出一种X射线安检图像中直线段特征提取方法。首先，利用基于图像局部熵的各向异性扩散滤波方法对X射线安检图像进行滤波处理，在降噪的同时还可以很好保持图像中的弱边缘，然后，设计一种图像边缘单像素细化准则和一种曲线跟踪方法，最后，利用Douglas-Peucker算法提取直线段特征。实验结果表明，与其他直线段特征提取方法相比，本文提出的方法不仅可以显著减少直线段断裂问题，而且能够有效保留直线段间的交点，为后续薄片型物体的分割和识别奠定了基础，具有一定的实用价值。     

基于蚁群搜索的直线检测算法

提出一种直线检测的蚁群搜索算法,以解决常用的直线检测方法抑制噪声能力不强、检测直线不连续的缺点.此算法首先进行边缘检测获取边缘点;然后利用边缘信息引导蚁群迭代搜索可能的直线边缘,根据直线的搜索长度更新蚂蚁运动路径上的信息素分布,使搜索逐渐向长直线收敛;最后,依据搜索路径的信息素遗留提取图像中的直线边缘.多组标准图像的实验表明:该算法能够有效地从图像中提取直线,同时具有较强的噪声抑制能力.     

遥感图像中无水桥梁识别新算法

 给出了边缘密度和线段复杂度的定义,并提出一种遥感图像中无水桥梁的识别新算法.首先对图像进行边缘提取,计算像素点的边缘密度,根据边缘密度进行图像分割,接着采用Hough变换提取直线,利用线段复杂度等确定疑似桥梁区域,然后计算疑似桥梁区域像素点的纹理特征,并构成一个特征矢量,最后将此特征矢量送入BPNN进行分类,统计该区域所有像素点的分类结果以判决是否属于桥梁.实验结果表明,该算法能够较好地识别出遥感图像中的无水桥梁目标.     

基于数字图像处理的直线型铁轨的自动识别

在铁路交通安全检测系统中,铁轨的识别是障碍检测物的关键。提出适合轨道数字图像的直线型铁轨自动识别算法。首先基于轨道图像的亮度特征和直线特征,综合应用Hough变换和边缘提取算法,检测出大量离散的共线像素点。然后建立直线方程,使检测到的直线连续化,根据线段斜率特性和线段长短滤除多余的线段。最后根据提取到的铁轨边缘轮廓得到图像中的铁轨位置信息,为铁路图像信息提取分析打下基础。用MATLAB编程实现了该算法,通过大量仿真实验验证了该算法的有效性。     

一种改进的安全带图像特征提取方法的应用

针对基于支持向量机(SVM)的安全带佩戴视觉检测系统,提出一种改进的安全带图像特征提取方法。通过基于Freeman链码的最小二乘圆弧拟合法识别方向盘边缘圆弧,在安全带边缘特征约束条件下使用快速Hough变换确定备选安全带边缘直线段,进而深入分析方向盘边缘圆弧中点与备选安全带边缘直线段的平面几何关系,并以此为基础构造特征向量,完成对安全带图像特征的提取。实验数据表明,最终获取的特征向量能准确地表征原始图像中的安全带图像特征,适合作为SVM分类器的输入参数。     

一种高分辨率遥感影像建筑物提取方法

采用了一种基于独特像元的快速自动提取建筑物的方法,如线与线之间的交叉点。首先,在预处理阶段采用边缘保留双边滤波器降低噪声,提高建筑物边缘的对比度;其次采用EDLines线段探测器实时准确地提取建筑物线段;最后,采用图表搜索感知分组的方法分层次组织预判线段为候选矩形建筑物。实验证明,该方法可以实现遥感影像建筑物的准确和快速提取。     

噪声图像中提取边缘的蚁群搜索算法

该文提出一种边缘引导的蚁群搜索算法,以解决常用的边缘提取方法抑制噪声能力不强,提取边缘不连续的缺点.此算法首先进行边缘检测获取由真实边缘和噪声组成的可能边缘点;然后利用可能边缘信息引导蚁群迭代搜索局部边缘曲线,并根据蚂蚁搜索曲线的长度更新其行走路径上的信息素分布,使搜索逐渐向真实的边缘收敛;最后,依据信息素遗留提取真实的边缘曲线.相对传统的蚁群算法,该文利用边缘信息引导蚁群搜索,增强了搜索的目的性,提高了算法效率.多组噪声图像的实验表明:该算法能够有效地从噪声图像中提取物体的真实边缘,在最大限度地保留细节信息的同时抑制噪声.     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。     

模糊连通度分割算法在探地雷达图像分析中的应用

对基于相对模糊连通度的交互式图像分割方法进行简化,并将改进后的算法应用到探地雷达图像的分割中,提高了地下目标物体的提取速度.此外,还提出一种探地雷达图像的预处理方案,通过小波局部软阈值去噪算法来抑制探地雷达回波中的干扰信号,再利用窗宽/窗位调整算法突出图像中目标的灰度信息,使图像中的目标得以增强.从而得到一种快速有效的地下目标物体提取方法.用实测探地雷达图像所做的测试实验取得了令人满意的结果.     

利用目标直线边缘交点的某型航侦CCD相机图像拼接

针对某型航侦CCD相机图像序列之间的特殊变换关系,提出了一种基于目标直线边缘交点的图像拼接方法。该方法在将相机图像重叠区域分割为较小独立区域的基础上,首先使用Canny边缘检测算子提取各个区域中的边缘信息,并用Hough变换提取边缘中的直线边缘。其次通过提出一种依据直线极坐标参数的区域扩展和选择策略来选择包含完整目标的子图像区域,并提取该区域中目标直线边缘的交点。最终根据提取到的直线边缘交点坐标实现图像配准,且采用双线性插值法融合配准区域,实现了图像的无缝拼接。实际的飞行效果验证了该图像拼接方法的有效性。     

基于图像局部熵的红外图像分割方法

分析了图像局部熵的性质，提出了一种基于图像局部熵的红外图像分割方法。该方法首先进行中值滤波消除图像脉冲噪声，然后计算图像局部熵进行阈值选择提取目标边缘，最后进行边缘连接分割出目标区域。对不同红外图像进行的仿真试验表明了该方法的有效性。     

彩色图像序列中运动目标外轮廓的自动提取

该文提出了一种新的多运动目标精确外轮廓自动提取算法。算法的主要创新点是:采用指数滤波计算彩色图像的梯度强度,改善了彩色图像梯度局部极值点的定位精度,所得到的梯度强度和运动边缘位置信息供随后的轮廓迭代中使用,成功地避免了动态轮廓的过收缩。此外,充分利用轮廓的方向信息,又有效地克服了动态轮廓迭代中的外扩展。从而,算法自动地提取出一个真正紧贴的目标外轮廓。分析和实验表明,该算法抗干扰能力强,对复杂背景及不重叠物体,可以精确定位并提取出各个运动目标的外轮廓。     

基于自适应模板和置信度更新的图像修复算法

去除图像背景中的部分目标,是图像修复技术应用之一。为了修补去除目标后留下的大面积空白区域,文中在基于样本图像修复方法的基础上,引入了自适应思想。首先利用Canny算子检测图像的边缘,再根据图像边缘特征自适应地改变模板块的大小;为了避免误差的累积传递,提出了新的置信度更新方法,使更新后的置信度与累积误差成反比。实验结果证明,文中方法比原方法能更好地修复图像边缘、复杂纹理,并且保留边角,使效果更自然。     

基于显著性区域和蚁群算法的图像检索研究

针对提取到的图像特征受背景信息干扰,不能有针对性地提取到所需要的图像信息影 响检索精度。为了解决这一问题,本文提出一种基于改进VGGNet(visual geometry group network)和蚁群算法的图像显著性区 域检索算法。首先,利用类激活映射(class activation mapping, CMA)算法对图像显著性区域进行提取,剔除图像背景信息;然后使 用训练好的RS-VGG16模型提取图像显著性区域特征来表征图像。引入主成分分析(principal component analysis, PCA)算法,对高维特征 进行降维的同时减少特征信息的损失。最后,引入蚁群算法对检索结果进行优化。在corel_ 5000数据集上,选取基于VGG16网络的图像全局特征检索算法以及传统的BOF (bag of features)图像检索算法进 行对比试验。本文提出算法相较于基于VGG16网络的图像检索算法,平均查准率(mean average precision, MAP)值平均提升约4.36% ,相较于传统的BOF算法,MAP值平均提升约16.99%。实验结果表明本 文提出算法能够很好地去除图像背景信息的干扰,具有更优的检索性能。     

基于模糊熵的自适应图像多层次模糊增强算法

该文对图像模糊增强算法中的非线性变换进行了较深入的研究,发现了其存在的问题,例如变换的强度较小,运算速度较慢,丢失部分灰度信息等缺点.提出了一种新的模糊增强变换算子,该变换算子不但克服了上述缺点,而且具有封闭性、变换强度可调性以及移植性好等优点.并将该算子成功地引入到多层次图像模糊增强算法中,取得了较好的效果;另外,该文针对以往算法需要人工介入设置阈值参数方可进行图像增强的缺点,通过模糊熵的引入,新算法可以自动地选取最佳的阈值参数而不需人为的介入,因而成功的解决了这一难题;最后,将新的多层次模糊增强算法应用于图像边缘检测中,取得了优于现有模糊增强方法的效果.     

基于图像序列的运动目标检测研究

提出一种基于图像序列的运动目标检测算法。采用相位相关算法计算由于摄像机运动而导致的图像背景的平移量和旋转量,引入自适应阈值对待处理图像做平滑处理,进行图像配准处理,最后在差分相乘算法之前采用高通滤波处理,滤除噪声,增强边界以提取运动目标。实验结果表明该方法在工程实践中具有良好的性能和很强的适应能力。