边缘检测技术在工件中心位置识别中的应用

图像的边缘检测技术是图像处理的重要内容,利用边缘检测结果对图像进行分析,找出图像中工件的中心位置往往是实际工作中的主要内容。在边缘检测中,利用改进的LOG算法结果,对有矩形、有圆的工件图像进行了中心识别,并给出了各种算法与实际中心坐标的误差对比,为机器人抓取工件及其他作业中的定位奠定了理论基础。     

基于外耳轮廓边缘信息的人耳识别

提出一种用Hausdorff距离表示入耳边缘特征的人耳识别方法.首先对原始人耳图像进行预处理,用基于灰度形态学梯度和局部阈值分割的边缘检测方法提取外耳轮廓边缘;然后用标准方差和边缘线段间长度差改进的Hausdorff距离表示人耳特征向量;最后采用支持向量机算法完成人耳识别.实验结果证明,该方法能获得更高的人耳识别率.     

基于OpenCV的边缘检测算法在仪表识别中的应用与改进

介绍一种Canny边缘检测算法的改进方法,采用自适应确定阈值,研究了在仪表LCD数字显示图像的边缘检测应用,Visual C 使用OpenCV类库作为基础函数库,程序经测试,边缘检测处理效果好,处理速度快。     

边缘检测算子在车标识别中的应用

在数字图像知识的指导下,研究车标的边缘检测算法,分析Sobel算子和Laplacian-Gaussian微分算子的处理效果.针对以上两种算子的不足之处,提出一种改进的Sobel算子.     

MATLAB在图像边缘检测中的应用

简要介绍了边缘检测技术,结合实例详细分析了MATLAB在图像边缘检测中的具体应用方法。     

边缘检测技术

边缘检测是一种重要的图像预处理技术,介绍了几种图像轮廓提取技术,如Roberts、Sobel、Prewitt、LOG、Canny等边缘检测算子,比较了这几个边缘检测算子的处理结果。     

图像边缘检测算法比较研究

图像的边缘检测是图像处理领域的经典研究课题之一.边缘检测结果的正确性将直接影响到机器视觉系统对客观世界的理解.文章介绍了几种常用的边缘检测算子,并对各种算子的实验结果进行比较.     

基于概率密度梯度的边缘检测

提出了一种新颖的基于概率密度梯度的边缘检测算法.新算法通过估计图像中各像素点的概率密度梯度得到图像的概率密度梯度场,然后根据图像的边缘点在概率密度梯度场中具有两侧梯度方向相反的特性实现边缘检测.与现有的算法相比,新算法检测得到的边缘点具有尺度不变性,并可以直接从图像中检测出具特定尺寸区域的轮廓,完好地保持物体的形状.     

图像边缘检测技术在车库停车线识别上的应用

以Sobel边缘检测算子为基础,提取车位图像中的边缘像素,以优化封闭四边形算法结合Hough算法,实现车库停车线的快速自动识别。所采用的算法无需预设停车线的颜色,能有效收敛于实际停车线边缘,具有较强的抗干扰性能。     

应用几何矩和边缘检测的手势识别算法

提出了一种结合几何矩和边缘检测的手势识别算法。手势图像经过二值化处理后,提取手势图像的几何矩特征,取出几何矩特征7个特征分量中的4个分量,形成手势的几何矩特征向量。在灰度图基础上直接检测图像的边缘,利用直方图表示图像的边界方向特征。最后,通过设定两个特征的权重来计算图像间的距离,对30个字母手势进行识别,识别率为90％。     

侧面轮廓与人耳特征相结合的人耳检测与识别

为实现人耳的自动检测与识别,提出了结合侧面轮廓特征、人耳统计特征以及人耳与侧面轮廓的位置特征进行人耳检测与识别的方法。该方法分为离线的训练阶段和在线的检测与识别阶段。在离线阶段,通过训练得到一个综合特征向量,包括人脸侧面轮廓特征、人耳统计特征以及人耳相对于侧面轮廓的位置特征。在线的检测与识别过程分为两步：第1步是用侧面人脸轮廓进行粗检测,第2步是用人耳的统计特征和相对于侧面轮廓的位置特征进行精确定位和识别,即在定位的同时实现人耳的识别。实验结果表明,上述方法具有速度快、效率高和鲁棒性好的特点。     

人耳识别技术研究进展综述

人耳识别是一种新的生物特征识别技术,目前,研究尚处于起步阶段,有关的理论和方法还很不完善。文章首先介绍了人耳自动系统的构成,然后分析了现有的各种人耳识别技术,最后提出了展望。     

人耳识别技术研究综述

介绍了一种新的生物识别技术--人耳识别.首先对人耳生物识别系统进行介绍,并与其他生物识别技术进行比较;重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术,如PCA方法、基于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析方法.通过对各种识别方法的分析和比较,总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技术需要考虑的几个重要方面,最后提出了展望.     

小波分析在人耳图像边缘检测的应用研究

人耳识别作为新的生物特征识别技术,首先要解决作为基础的边缘检测和特征提取等图像处理方面的问题。传统边缘检测方法大多以各种微分算子为基础,结合模板及门限、平滑等手段提取边缘,或以传统微分算子为基础的改进算法,但都或多或少存在噪声敏感性较大或边缘保留不完整的缺点。论文采用二维非张量积样条小波的方法用于边缘检测,可以完整探测、准确捕捉到边缘点的位置,并且具有滤波作用,尺度j的自由选择可以有效提高边缘检测的效果。     

基于轮廓合成的人耳图像边缘检测

人耳识别技术作为一种新的研究在生物特征识别领域提出一种新思路。边缘检测是图像特征分析识别的基础,检测质量直接影响系统识别率。本文针对人耳图像的局部特征和识别要求提出一种基于轮廓合成的边缘检测方法。该算法对采集到的图像预处理,将Sobel算子与阈值法得出的边缘图像合成,最后根据统计结果用去除干扰技术处理非边缘。这种方法得出的耳朵边缘图像清晰完整无干扰,比单一采用其他方法效果好,为后续特征提取及识别提供较好基础。     

人耳识别中的图像归一化研究

人耳识别系统中,需要根据特征提取的要求实现图像的自动归一化,并且选择合适的依据使归一化后的结果具有一定的有效性和合理性。提出了一种新的外耳长轴标记法,根据外耳长轴将人耳统一到标准的尺寸和角度;运用主动形状模型算法,实现了外耳轮廓的自动搜索,且对算法进行了改进,调整了模型的初始位置。实验证明,改进后的主动形状模型(ASM)能更快速准确地收敛,且归一化的方法能够合理地将人耳标准化,为后续的特征识别提供了保障。     

一种自适应梯度幅值的边缘检测算法

提出了一种基于Otsu自适应梯度幅值的边缘检测算法。鉴于传统基于梯度幅值的自适应边缘检测算法中单阈值所带来的边缘断裂问题,分别使用传统Otsu算法和迭代Otsu算法进行自适应阈值,能保证图像梯度幅值的方差最大的情况下求得最优阈值,从而准确的检测边缘像素;针对梯度幅值边缘检测算法中边缘较宽的问题,在Otsu自适应梯度幅值检测算法检测到的边缘图基础上,使用经典的并行细化算法进行了边缘细化;最后,通过实验结果与对比分析,验证了算法能准确定位边缘和获得完整的边缘信息,实现了较好的边缘检测效果。     

一种基于边缘检测的局部阈值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法.该方法将整幅灰度图像分成小块,在每个小块中利用梯度算子对小块中的边界点进行检测,寻找出小块内的所有边界点;然后沿着这些边界点的梯度方向找出最临近的点,以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割.该算法计算复杂度较低,避开了灰度直方图阚值分割方法中“谷底”难以确定的问题,同时照顾到了图像的局部灰度特性.     

融合Haar型局部特征的人耳识别算法

人耳具有丰富的结构特征,针对单一特征描述影响人耳识别率的不足,提出一种融合Haar型局部特征的人耳识别算法。算法采用符合人耳外部形状的椭圆形LBP算子与HOG算子,分别提取图像的纹理特征和边缘特征,将两种特征进行融合。利用Haar特征运算快捷的优势,引入到LBP和HOG特征提取中。通过分别设计的4组Haar编码模式,构建椭圆形LBP算子与HOG算子。对改进算法进行实验与分析,实验结果表明了算法的有效性和实用性。