一种两点间直线搜索的输电线检测方法

在无人机应用于输电线巡检背景下,为了方便后续的输电线故障检测与分析,提出了一种两点间直线搜索的输电线检测方法。首先,通过方向可控滤波器对无人机图像进行分割。然后,通过所提出的基于圆搜索(CBS)直线段检测方法进行直线段检测。最后,通过所提出的连接算法进行直线段连接。通过在人造图像上的直线段检测实验,证明该方法是一种有效的直线检测方法。随后,通过在实际场景的无人机图像上进行实验,证明该方法是一种有效的输电线检测方法。     

面向图像角点特征取证的人工智能检测仿真

角点是展现局部图像特征的关键要素,但传统图像角点特征取证检测方法精度低,无法有效的解决角点特征图像中模糊、缺失等问题。为此,对面向图像角点特征取证的人工智能检测进行研究。通过在不同干扰情况下对图像做简化处理,完成特征取证。采用掩模平滑方法将提取出图像角点做增强处理,最后利用人工智能中链码和与差算法对图像做检测。结果表明,面向图像角点特征取证的人工智能检测精准度较高,可以有删除假图像角点,使用结果更贴近真实情况,具有较高鲁棒性。     

基于边缘检测的载带压痕检测

为了检测编带后的烫封质量,提出了一种基于边缘检测的载带压痕检测方法;该算法将边缘检测与链码技术相结合,先通过拉普拉斯高斯边缘检测算法得到初始边缘,然后对提取到的边缘进行链码追踪,根据提出的合并准则对获得的链码进行合并,再利用判据和先验知识对合并后的边缘进行判定,确定压痕位置,通过直线拟合和参数化获得压痕直线方程,通过直线方程计算出压痕尺寸;通过大量的实验,表明该算法能够有效地实现载带压痕的检测问题,并具有较好的鲁棒性.     

对Freeman链码分析的角点检测算法

针对传统的基于轮廓曲线的角点检测算法需要计算曲率和选取阈值的不足,提出一种对Freeman链码分析的角点检测算法,首先通过图像边缘检测,轮廓提取得到轮廓的Freeman链码,当链码发生变化时分析其连续前后多个点的链码是否符合一定的规则来判定角点,无需经过传统的角点阈值选取,曲率计算等步骤.实验通过与He&Yung、CPDA、Fast-CPDA和ARCSS角点检测器比较,结果表明本文算法在角点检测时准确率（ACU）最高;在变换实验中,本算法的平均重复率（AR）最高,由此可以得出本算法具有良好的角点检测性能.     

一种基于轮廓分析的图像特征点检测方法

图像特征点检测是图像匹配、目标识别以及运动估计等领域的一项关键技术.本文对图像轮廓二维信息进行降维处理,提出了一种特征点质量评价因子.利用该因子并结合文中给出的特征点提取准则对图像轮廓链码进行分析,提取特征点.该方法避免了常规的基于链码的特征点检测方法中曲率的计算,提高了检测速度.试验证明该方法具有较好的实时性和定位精度.     

一种引入角点特征的遥感图像道路提取方法

道路是遥感图像中的一种重要目标，遥感图像自动道路提取成为一个重要的研究方向。该文在对现有道路提取算法总结分析的基础上，提出一种引入角点特征的遥感图像道路提取方法，针对城市道路网的结构特点，建立了道路模型，并对算法的结构和策略进行了描述。在提取道路直线特征和角点特征基础上得到道路段，然后根据道路之间的几何关系对独立道路段进行连接得到最终结果，有效解决了以往道路提取算法中道路交叉点断裂的问题。另外为了得到准确的道路角点信息，还对该文算法中用到的角点检测方法进行了改进。最终实验结果分析表明该文道路提取算法的有效性。     

基于Hough变换的平行直线检测改进算法研究

根据经典Hough变换检测空间直线的原理,提出了一种基于Hough变换的平行直线检测改进算法,将采集到的图像进行二值化处理,再使用Sobel算子对该二值化图像进行边缘检测,对边缘检测得到的图像进行Hough变换和峰值点检测,由峰值点得到直线段图像,最后使用本文提出的改进算法计算出所有直线段的斜率,利用斜率相等来判定平行直线.通过对比实验证明,该算法能得到更高的精度,并缩短了运行时间.     

曲率尺度空间与链码方向统计的角点检测

针对曲率尺度空间角点检测中,由于选择的尺度不同,会造成角点的漏检测,以及检测到错误角点的问题。提出一种基于曲率尺度空间与链码方向统计的角点检测方法。首先在较低的曲率尺度空间上检测出候选角点集;再通过自适应阈值及链码方向统计的方法删除错误角点。该方法采用较低的曲率尺度可检测出更多的角点,降低了角点漏检测率;通过计算椭圆角点自适应阈值可删除椭圆角点;采用Freeman链码方向统计可剔除伪角点;从而提高角点检测精度。通过实验充分验证了本文提出的角点检测算法比其他角点检测算法具有的高效性和准确性。     

一种基于树结构的立体图像特征提取算法

针对立体图像匹配中的特征检测问题，提出了一种基于树结构的立体图像中边缘点、直线段、交点和凸多边形区域等特征的检测方案。该方法首先基于改进的Canny算子实现立体图像边缘的检测；基于立体图像的边缘梯度信息，文中提出一种分层并行式迭代式链码跟踪方法实现图像中直线段的检测：为提高检测速度并有利于凸多边形区域特征的检测，基于凸多边形区域的几何定义，通过提取直线段交点并采用树结构实现对已检测的相关直线段信息的遍历处理，最终得到树结构表示的凸多边形区域特征。实验证明，所提方法在结构化环境具有很好的检测精度和实时性。     

Freeman链码角点和面积比角点检测的比较研究

针对Freeman链码角点检测方法和面积比角点检测方法进行比较研究,并提出了一种改进的面积比角点检测方法,该方法在角点检测效果不变的情况下提高了角点检测的实时性。最后给出了计算机仿真研究,研究结果验证了改进算法的有效性。     

基于改进Harris算法的汉字图像角点检测

根据汉字图像的特点,借鉴加速分割检测特征算法的思想,提出一种改进的Harris算法对汉字图像进行角点检测。首先,计算像素值初步判断出非角点并排除;然后,通过计算传统Harris算法中的角点响应函数对剩余的像素进行角点检测;最后,借鉴加速分割检测特征算法的思想对伪角点进行删除。最终检测出的角点是汉字笔画的起点和末端的角点,为下一步特征提取中确定线段的位置和计算线段的长度提供有利的技术基础。通过对一定数量的汉字图像的实验仿真,将本文方法与几种常用的角点检测方法进行比较,本文方法在检测正确率方面有所提高,但在运行时间上没有达到最短,综合考虑正确率和运行时间,本文方法较其他几种方法有所提高。     

二值图像中拐点的实时检测算法

鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k>8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境。     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性，提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘，然后进行细化并填充边界线上的断点，再利用角点的几何特性来确定角点的位置。实验结果表明，这种算法提高了角点提取的正确率、定位精确、实用性强。     

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。     

基于局部方向分布的角点检测及亚像素定位

提出了一种基于局部方向分布的角点检测与定位算法.该算法主要由两步组成,首先利用绝对角点能量和相对角点能量进行角点检测,然后使用最小二乘技术拟合支撑像素方向线的交点得到角点的亚像素位置.实验结果表明,相对于常见的角点检测算法,基于局部方向分布的算法不仅具有更高的定位精度,同时对噪音也有较强的鲁棒性.     

基于LSD检测的无人机视觉着陆定位算法

针对复杂电磁和拒止环境下固定翼无人机自主着陆应用场景,提出了一种基于LSD(Line Segment Detector)的飞机着陆跑道检测和定位的方法;根据机场数据特点,构建机场跑道数据模型,并对数据进行标定和预处理,采用LSD直线检测算法以提高检测时间,采用蒙版技术以提高跑道的检测精度,通过检测得到机场跑道线在图像坐标系下的信息;根据相机成像原理推导出基于线检测的PNP(Perspective-n-Points)定位算法,从而求出飞机相对于跑道的位置;分别在视景仿真环境和真实机场环境进行检测和定位解算,结果表明本文设计的算法满足无人机着陆定位的实时性要求。     

用于线段特征提取的改进Hough变换

线段是符号的一个具有旋转、平移和尺度不变的稳定性特征,正确提取符号的线段特征对于提高符号识别系统的识别率有很重要的意义。针对已有的基于Hough变换的线段提取算法的缺点,该文提出了一种用于线段特征提取的改进Hough变换算法。通过采用“多对一”映射;将Hough变换的投票过程和线段参数的检测过程融为一体;动态管理算法所需的临时存储空间等手段,使该算法具有较好的计算复杂度和空间复杂度。针对数字图像的量化特点,精心设计了用于检测在直线上点的条形区域,从而大大地降低了噪声对线段参数检测的影响,使该算法具有较好的检测性能和鲁棒性。实验表明,该文算法能正确提取出线段的端点坐标及其长度。     

基于主元分析和聚类的直线检测算法

针对现有的直线检测算法中,基于霍夫变换类算法开销大且易产生虚假结果,基于链码跟踪类方法鲁棒性和适应性较差的问题,提出一种新的直线检测算法。对边缘图像做分块链码跟踪产生链码串,然后对链码串做主元分析(PCA)构造线段,最后采用聚类方法合并线段以产生直线。实验结果表明,该算法速度较快,检测结果较理想,且对较复杂、细节丰富的图像也具有良好的检测结果。     

融合LSD算法与深度学习的开关状态检测方法

针对工业复杂环境下设备维保成本高、视觉检测落地周期长等问题,并根据建筑信息模型（Building Information Modeling,BIM）具有与现实场景空间一致,场景视角灵活可调以及可以模拟各类光照条件等优点,提出一种在BIM环境下融合LSD（Line Segment Detector）直线检测与深度学习的设备开关状态检测方法。通过检测图像直线段信息,并基于开关盒边沿特征对直线段进行筛选,实现在图像中框定开关盒位置生成图像数据集,进而输入到YOLOv3（You Only Look Once version3）网络训练生成深度学习模型。将深度学习网络框架部署到边缘设备,在边缘侧对真实环境下开关盒工作状态进行检测。实验结果表明,该方法能够在短时间内实现BIM环境下识别检测机柜设备上的开关盒工作状态,并对真实环境下开关盒工作状态检测具有良好适应性。