基于机器视觉的镭射膜跑偏检测

针对镭射膜纵切过程中的跑偏问题,提出一种基于机器视觉的检测方法。用CCD摄像机采集具有几何特征的镭射膜图像,对预处理后的图像采用改进Canny算法边缘检测并创建ROI区域,利用Hough变换得到特征直线,调用相关算法并计算出镭射膜跑偏角度。实验结果表明,改进Canny算法能够检测到较为完整的边缘细节,具备较强的自适应性,Hough变换对镭射膜的特征提取效果良好,为计算跑偏角度提供了较为准确的依据。     

基于TOF深度图像修复的输送带煤流检测方法

传统的带式输送机煤流检测装置中,核子胶带秤存在一定安全和环保隐患,电子胶带秤检测精度易受输送带张力、刚度等因素的影响;而基于超声波、线激光条纹、双目视觉等技术的非接触式检测方法存在实时性差、测量误差较大等问题。提出了一种基于飞行时间(TOF)深度图像修复的输送带煤流检测方法。通过TOF相机获取输送带运煤图像;对TOF图像进行均衡化处理,采用帧差法和边界跟随算法去除背景噪声,获得感兴趣的煤料区域;针对TOF深度图像因边缘处存在飞行像素噪声与多径误差噪声而导致的边缘信息不准确问题,提出强度图像引导的深度图像修复算法,通过Canny边缘检测算法寻找深度图像和强度图像的相似边缘,基于强度图像的有效边缘信息对深度图像边缘处的不可靠数据进行校正,并进一步基于Navier-Stokes方程和中值滤波器得到高精度深度图像;对煤料区域进行像素级分割,并建立煤料体积计算模型,结合输送带速度得出输送带煤流。实验结果表明,该方法的检测误差不超过3.78%,标准差不超过0.491,平均处理时间为83 ms,满足实际生产要求。     

决策边缘特征检测算法DSUSAN

在SUSAN边缘特征检测算法的基础上,分析研究其存在的缺陷,提出决策边缘特征检测算法DSUSAN,给出了DSUSAN算法的检测过程,并利用Matlab软件进行原始图像、加噪图像的对比实验.结果表明,该算法在检测边缘细节特征上比SUSAN算法有较大改善;同时,该算法未明显增加运算量,具有检测准确、高效、易于实时运算的优点,算法的噪声抑制能力也较好.     

图像主特征直线的检测算法

直线特征的检测是计算机视觉与图像处理的基本任务之一。主特征直线是图像中最显著而且被人们最为关心的一些直线。本文提出了从图像中自动检测主特征直线的算法。首先利用图像分割算法分析得到图像的特征边缘,然后用短线段逼近这些边缘像素,接着用动态聚类算法对这些线段进行聚类,并用直线拟合聚类中的线段得到所有可能存在的直线,最后根据直线有效性度量找到其中有效性最高的直线就是主特征直线。最后本文给出了主特征直线在图像自动修复和自动美学构图中的应用实例。     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

基于a'trous小波分解的图像边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起重要作用。本文对小波变换进行了研究,并且分析了小波变换提取图像边缘的原理。为了高质量地进行图像边缘检测,提出了一种基于二阶B样条小波变换的多孔算法提取图像边缘。算法利用B样条小波对图像函数进行小波变换,提取图像边缘,并采用多孔算法防止图像信息丢失。实验结果表明,和传统的边缘检测算法相比,在边缘精度和噪声抑制方面,该算法是有效的。     

基于改进主动轮廓模型的图像分割方法研究

提出了利用边缘检测提取物体特征的算法,首先利用动态边缘检测算法提取物体的边缘,接着计算边沿到重心的距离,再将特征长度归一化。利用获取的特征训练SVM分类器。最后利用粮食图像对该方法进行了仿真实验。实验表明,提出的方法能有效地提取边缘特征,并且具有较高的分类正确率。     

一种基于亚像素边缘特征的医学图像融合方法

一种新的基于亚像素边缘特征的图像融合算法。该算法通过使用一种亚像素边缘检测算法提取图像的亚像素边缘特征,采用奇异值-迭代最近点法(SVD-ICP)实现轮廓间配准和利用小波极大值融合算法实现图像融合。     

面向复杂光照条件的桥底裂纹检测与测量算法研究

桥梁底面裂纹隐蔽且不易观察,利用仰视摄像头自动检测桥梁底面裂纹对桥梁的安全监测具有重要的作用.和桥面裂纹检测的摄像头位置不同,桥底面检测的摄像头仰视观测裂纹受到桥墩等遮挡、环境光照反光等复杂的光照影响,现有的裂纹检测算法性能难以满足实际应用需求.针对这一问题,文章提出了一种光照鲁棒性的桥底裂纹检测与测量算法,首先利用全局自适应光照调整采集图像的亮度,然后利用多幅图像拼接获得底面的全横截面图像对桥底面可视化,最后提出增强型的边缘检测算法分割出裂纹的边缘位置,并利用裂纹的几何结构进行优化,在此基础上计算出裂纹的长度和宽度,实现裂纹的自动检测和测量.实验数据表明,文章提出的算法在裂纹检测的准确度上优于对比算法,表明了该算法在实际场景中的有效性.     

基于分形特征和阈值分析的图像边缘检测

针对传统的边缘检测算法对噪声敏感且伪边缘较多,提出一种基于分形特征和阈值分析的图像边缘检测方法。该方法利用改进的毯覆盖算法计算出图像的分形特征,将图像的灰度分布映射到分形维数空间上,再根据提取的分形特征图进行阈值分析,获得高低两个阈值,将像素值分为非边缘、弱边缘和强边缘3类,再对弱边缘像素进一步加以判断。实验结果与其他算法相比较表明,该算法检测出来的图像边缘伪边缘和噪声最少。     

Shot Partitioning Based Recognition of TV Commercials

Digital video applications exploit the intrinsic structure of video sequences. In order to obtain and represent this structure for video annotation and indexing tasks, the main initial step is automatic shot partitioning. This paper analyzes the problem of automatic TV commercials recognition, and a new algorithm for scene break detection is then introduced. The structure of each commercial is represented by the set of its key-frames, which are automatically extracted from the video stream. The particular characteristics of commercials make commonly used shot boundary detection techniques obtain worse results than with other video content domains. These techniques are based on individual image features or visual cues, which show significant performance lacks when they are applied to complex video content domains like commercials. We present a new scene break detection algorithm based on the combined analysis of edge and color features. Local motion estimation is applied to each edge in a frame, and the continuity of the color around them is then checked in the following frame. By separately considering both sides of each edge, we rely on the continuous presence of the objects and/or the background of the scene during each shot. Experimental results show that this approach outperforms single feature algorithms in terms of precision and recall.     

基于FPGA与Sobel算法的实时图像处理

如今,图像处理算法的复杂度越来越高,图像处理的数据量越来越大,图像处理的实时性显得十分重要。为了解 决图像预处理、视频流数据实时性存在的问题,给出了一种基于FPGA和OV5640以Sobel算子进行边缘检测的图像采集与处 理系统设计方法,FPGA将OV5640摄像头采集到的视频流数据传送至SDRAM,由Sobel算子模板处理后通过VGA显示视频 图像。该设计基于Intel公司的Cyclone IV系列FPGA芯片EP4CE10F17C8进行了验证。实验结果表明,基于FPGA和Sobel边 缘检测算法,使用流水线设计和乒乓操作,可实现视频流数据处理的实时性。     

基于运动矢量的行车障碍自动检测算法研究

为了实现对车辆前方行人及车辆等威胁车辆正常安全行驶的危险障碍的检测,达到保证行车安全的目的,文章根据MPEG视频码流中运动矢量的特点,提出了一种新的行车障碍自动检测算法。该算法利用成熟的MPEG编解码技术对车辆前端摄像机所采集的视频图像序列进行编解码,输出MPEG码流格式的视频图像序列,通过分析解码的MPEG视频码流中运动矢量的规律,来制定判别行车前方障碍物的规则,并最终确定危险区域的范围。算法仿真结果表明,该算法具有较好的实践效果和一定的实用价值。     

一种改进Otsu法在Kirsch边缘检测中的应用

针对灰度图像的Kirsch边缘检测特征不明显以及Otsu方法自动获取最佳阈值耗时等缺点,探讨了一种改进的Otsu法,并将其应用到Kirsch边缘检测中。首先通过Kirsch算法初步检测出图像边缘,然后运用蚁群算法与Otsu算法相结合求取最佳阈值并进行二值化处理。对试验结果和数据的分析,得出所提出的方法能够有效地检测出图像边缘,同时节约运算时间,具有一定的自适应性。     

视频对象自动分割算法

提出了一种基于小波变换和运动边缘检测的自动视频对象分割方法。该方法对相邻帧分别进行二维小波变换，在小波域进行变化检测和Canny边缘提取，返回空间域后得到鲁棒的相邻帧差分边缘模板。结合当前帧边缘、背景边缘和前一帧的运动边缘，检测出当前帧对象的运动边缘，从而实现对视频对象的提取。通过实验验证，该算法对目标的整体运动和局部形变都有较强的适应性。此外，算法还具有快速、简便、准确性高的特点。     

时空结合的近景运动目标检测

运动目标检测是智能视频监控中图像序列分析的基础和研究热点,针对时域算法在检测近景大目标缓慢运动时,仅能检测出目标边缘、内部存在大量空洞等完整分割问题,提出了一种结合时空特征的近景运动目标检测算法。该算法在时域运动历史多模态均值背景模型的基础上,运用图像空域信息研究前/背景分割技术,通过能量最小化模型、网络构造及网络流理论,把目标检测转换成最大流/最小割问题。实验表明,该算法能在复杂环境中克服光照缓慢变化、背景扰动和摄像机轻微抖动,有效转换前/背景,准确完整地分割大运动目标。     

边缘面积值绝对差数累积运动检测算法

运动目标检测是一种基于图像处理技术发展起来的新技术,它是计算机视觉、视频信息处理等应用领域的重要研究课题。针对摄像头固定,只对视场内的目标进行检测这种情况,提出利用两帧图像之间运动目标边缘面积值的差数累积来检测是否运动的算法。该算法主要作用是能减低因背景亮度变化而引起的误判。     

一种基于矩不变的深度获取计算方法

针对传统矩不变深度信息获取方法在实际应用中普适性不足,且边缘检测效果不理想的问题,提出一种改进的矩不变深度信息获取方法。首先通过改变像距和光圈参数来获取不同位置的两幅图像,然后用基于图像梯度和灰度标准差相结合的方法检测出每幅图像的边缘,最后根据梯度图像占整幅图像的比值来计算深度信息。实验结果表明该算法提升了边缘检测的效果,减少了计算量,提高了距离估测的准确性和实时性。     

基于运动点团的鱼眼图像中多目标检测方法研究

采用运动点团模式对鱼眼视频序列中的目标检测方法进行了研究和探讨。运动点团模式的运动目标检测分为三个层次,每个层次对应一个具体的检测算法,即基于像素层的背景提取和更新、运动点团层的点团检测和判定及运动目标层的目标标记和跟踪。对三个算法的原理进行了探讨,并结合鱼眼图像的特点进行了算法改进和优化。实验结果表明,以运动点团作为中间检测过程的方法能有效对圆形鱼眼视频序列中的多个运动目标进行检测,特别是图像边缘的大畸变、低分辨率目标,相比传统的检测方法具有更好的检测稳定性和准确性,在大范围智能视频监控中具备很好的实际应用价值。