尺寸测量中的边缘检测算法研究

主要介绍了一种改进的边缘检测算法及相应计算模板和公式，并对算法的误差进行了分析。因为传统的边缘检测算法在理论上较成熟，但在实际应用时可操作性较差。所以针对零件图像测量的实际应用情况，使用基于Sobel算子的改进的方向算子，对灰度图像进行处理得到梯度图像。综合应用其他算法，实现了对目标边缘的准确检测。然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算，对目标边缘进行亚像素精确定位。在文章的最后，用实例说明了本算法的可行性。     

基于改进SUSAN原则的车辆检测方法

为解决汽车辅助驾驶系统中目标车辆检测的实时性和鲁棒性问题,提出一种基于单目视觉的车辆检测系统,将改进的SU—SAN(Smallest Univalue Segment Assimilating Nucleus,即最小核值相似区)算法应用到车辆边缘检测中;采用自适应双阈值法检测车底阴影。结合车道线参数动态规划车辆初始检测区域;在检测区域中,采用改进的SUSAN算法定位车辆边缘,生成车辆假设;最后根据车辆的纹理、形状和位置特征来验证车辆假设;为改善系统性能,采用Kalman滤波算法对检测到的目标进行跟踪;使用实际采集的道路图像序列对系统进行测试。实验表明,该系统能够及时准确地检测前方目标车辆。     

基于多尺度边缘和局部熵原理的前方车辆检测

提出一种基于多尺度边缘和局部熵原理的前方车辆的检测算法。该算法利用车辆图像的边缘和纹理等视觉特征,根据摄像机参数得到远、中、近距离的三个尺度的图像,用一种改进的边缘检测算法分析每幅图像的边缘,得到车辆的感兴趣区域ROI,最后通过应用局部熵原理来排除错误的结果。对同一帧序列用文中算法和传统算法进行测试,文中算法提高了检测的正确率,并减少了误检的数量,该算法同时适用于静止和运动的车辆,并且对中远距离车辆有较好的检测效果。     

多时空配送任务驱动的无人车队车辆数优化方法

为解决快递终端配送多时空任务驱动下的最小无人车队车辆数配置问题,提出一种随机优化方法。首先,分析服务时长和等待时长对无人车队行驶路线规划的影响,从而构建最短路径模型;然后,基于二维时空网络构造服务序列网络;其次,通过网络转换将最小无人车队车辆数配置问题转化为网络最大流问题,并建立以车队车辆数最小为目标的最小车队模型;最后,针对模型特征设计一种融合Dijkstra算法和Dinic算法的Dijkstra-Dinic算法来对最小无人车队车辆数配置问题进行求解。在四种不同规模的服务网络中进行仿真实验,实验结果表明：在不同成功服务率下,最小无人车队车辆数与服务网络规模呈正相关,但随等待时长的增加而减少并趋向于稳定;所提算法中所引入的One-stop算子大大提高了搜索效率,所提模型和算法适用于大规模服务网络中的最小车队计算。     

基于欧氏距离图的图像边缘检测

图像边缘检测技术直接影响以目标识别为目的的后续图像处理操作,有效地提取出图像中所携带的目标信息是图像边缘检测的主要目的.为了实现目标轮廓的有效提取,提出一种基于欧氏距离图的图像边缘检测算法.该方法计算图像内像素点之间的欧氏距离,得到图像的距离图,距离图很好地描述了图中景物的外部轮廓;对距离图进行改进的Canny算子边缘检测,可以有效地得到图中物体的轮廓.与一般的边缘检测算法相比,本文算法能够抑制过于细小和琐碎的细节,并能够准确地提取目标的整体轮廓信息,为后续目标识别奠定了良好基础.     

基于多尺度边缘和局部熵原理的前方车辆检测

提出一种基于多尺度边缘和局部熵原理的前方车辆的检测算法.该算法利用车辆图像的边缘和纹理等视觉特征,根据摄像机参数得到远、中、近距离的三个尺度的图像, 用一种改进的边缘检测算法分析每幅图像的边缘,得到车辆的感兴趣区域ROI,最后通过应用局部熵原理来排除错误的结果.对同一帧序列用文中算法和传统算法进行测试,文中算法提高了检测的正确率,并减少了误检的数量,该算法同时适用于静止和运动的车辆,并且对中远距离车辆有较好的检测效果.     

融合边缘检测的三帧差分运动目标检测

传统的三帧差分运动目标检测算法易出现空洞及虚假边缘等现象。为了对其进行改进,提出了一种融合边缘检测的三帧差分运动目标检测算法。首先对三帧连续图像采用Canny边缘检测算子快速提取边缘图像,然后对三帧连续的边缘图像进行改进的三帧差分运算,最后通过阈值分割和形态学处理完成对运动目标的提取。实验结果表明,该算法计算简单,连通性好且准确率高,可满足实时检测的要求。     

基于摄像机与激光雷达的车辆识别技术

提出了一种基于摄像机与激光雷达的车辆识别方法;该方法首先建立一个ROI(感兴趣的区域),对该区域内的雷达数据进行滤波及聚类处理;聚类后通过计算类的宽度排除一部分不可能是车辆的障碍物,再通过坐标转换得到可能是车辆的障碍物在图像中的位置,然后通过图像处理的方法进行识别;对于图像中可能是车辆的区域首先进行边缘检测,确定了车辆边缘后通过计算车辆区域的信息熵对障碍物进行车辆验证;实验表明,该方法能够有效地检测前方目标车辆,且每一帧数据的处理时间在8ms～17ms之间满足实时性的要求.     

基于改进的Laplacian算子的图像边缘检测

分析了图像边缘特性以及Laplacian算子检测图像边缘的基本原理,并对经典Laplacian算子进行改进,提出了一种新的边缘检测算法,以便准确地检测出图像中的目标边缘,利用该改进算法来检测图像的边缘。     

全景图像海天线提取及舰船目标自动检测

为实现海洋环境下全景摄像机自动目标检测,提出了一种全景图像海天线提取算法及海天线上舰船目标检测方法;首先,分析了全景图像中海天线的成像特点,使用基于分区的自适应阈值Canny边缘检测算法进行边缘检测,并对海天线边缘进行双阈值梯度方向过滤;然后,对图像边缘进行细化,提出了基于最长曲线法的海天线边缘提取算法并进行椭圆拟合得到海天线边缘成像椭圆方程;最后,介绍了根据海天线椭圆方程对海天线上舰船目标进行检测的方法;使用3种不同海洋环境下拍摄的图像进行了实际测试,实验结果表明:该方法可有效地检测出复杂海天背景下的海天线及海天线上舰船目标,海天线提取成功率可达95%以上,对径向成像高度超过10个像素的目标识别成功率可达90%。     

基于运动矢量场时空滤波的车辆检测算法

基于计算机视觉的车辆检测系统是智能交通系统的基础部分,以实时获取的视频图像为基础,通过计算机视觉的有效算法,可实现对视频中的车辆目标进行位置检测;现有车辆检测算法存在复杂度较高和检测不准确的缺陷;提出了一种基于运动模式分类和运动矢量场滤波的车辆检测算法,在计算复杂度较低的条件下实现了车辆检测,对干扰遮挡和较小目标等情况,有较好的检测效果。     

基于最大目标函数的医学图像边缘检测

鉴于医学图像特点和传统算法的缺点,提出一种新的医学图像边缘检测算法,该算法通过考察3×3模板的理想边缘结构特征,将模板像素沿边缘方向分为两个集合,通过距离度量函数构造适当的目标函数,计算四个方向的目标函数值,从而获得最大目标函数值,并与给定的阈值比较,应用非极大抑制方法,判别该象素是否为边缘点,最后进行双阈值连接,可得到单像素边缘图像。仿真结果表明,该算法能够有效检测医学图像边缘,所检测出的图像边缘细节丰富,单像素宽,定位准确。     

基于Canny算法的改进Kirsch人脸边缘检测方法

针对Kirsch边缘检测算法的不足,提出了一种基于Canny算法改进的Kitsch人脸边缘检测算法.该算法先对原始图像用高斯滤波器平滑,计算其梯度图像.然后将梯度图像用改进后的Kitsch算法进行计算,并根据和两个阈值进行边缘提取.试验结果表明,采用该算法提取人脸边缘不容易受噪声的干扰能检测到真正的弱边缘,效果优于经典Kitsch边缘检测算法.     

一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。     

基于视频分析的车辆排队长度检测

本文实现了一个完整的车辆排队长度检测算法。检测算法分为两步：车辆排队检测和队列长度计算。对白天和夜晚不同光照条件采用不同的队列检测算法,并实现了白天夜晚检测算法的自动切换。在白天光照条件下,采用移动检测窗来进行车辆排队检测,在每一个检测窗内,通过三帧差法运动检测和形态学边缘检测进行车辆存在检测两步判断有无车辆排队。针对夜晚场景,提出利用车灯这一显著特征进行车辆排队检测。以图像灰度直方图的相关系数作为距离值,利用kNN分类器进行白天夜晚的识别,实现检测算法的自动切换。队列长度计算通过摄像机标定完成,找到一种仅利用车道线的、简单有效的摄像机标定方法。实验表明该方法可以准确检测出车辆排队并计算出其长度。     

基于联系度态势的图像边缘检测算法

为了使提取的目标边缘精确、连续、清晰以及具有抗噪声干扰能力,这里给出了一种新的基于联系度态势的边缘检测算法.该算法是以Sobel算子为基础,先对图像进行灰度变换,然后运用联系度态势中的同一度和对立度之间的趋势关系,对图像目标实现边缘检测.实验结果表明,该算法不仅计算速度快,而且检测的目标边缘准确、清晰,且对噪声的抑制能力强.     

一种基于低对比度图像的车辆检测算法

提出一种基于低对比度图像的车辆检测算法。对图像分割算法得到的感兴趣区域(ROI)进行预处理,利用Haar小波特征提取算法提取ROI的图像边缘及纹理特征,利用支持向量机对ROI进行车辆检测。实验结果表明,该方法对车辆检测率达到90.6%,误报率为3.8%。通过再学习还可以进一步提高算法的识别性能。     

基于双边缘检测的目标定位技术

为了提高目标定位的准确性,在传统的高斯差分边缘检测和Sobel算子边缘检测的基础上,提出将二者相结合的双边缘检测算法。对原始图像进行2次标准差不同的高斯模糊求高斯差分来代替原本边缘检测图像预处理中的高斯平滑过程;对实验结果较好的高斯差分参数,进行Sobel边缘检测并进行目标定位。实验结果表明,在算法时间开销增加较少的情况下,使用高斯差分算子与Sobel算子相结合进行边缘检测的结果优于Sobel算子单独检测,检测效果较好。     

一种改进的基于视频的车辆检测与识别方法

为了提高基于视频的车辆检测技术在应用中的实时性和准确率,提出了一种应用单目视觉进行车辆检测的方法;首先,提取车道边缘,由车道边缘得到道路区域,根据经验知识在车道区域内确定感兴趣区域,减少车辆检测算法搜索范围;接着基于车辆的对称性特征,阴影和边缘特征对兴趣区域进行过滤,进一步缩小感兴趣区域;最后用离线训练好的AdaBoost分类器对过滤后的图像进行分类识别,检测出动态的车辆;实验结果表明,利用该算法能满足实时性和准确性的要求。     

五帧差分和边缘检测的运动目标检测

为了改进传统三帧差分的运动目标检测方法易出现的空洞和与虚假边缘的现象, 提出了一种基于五帧差分和边缘检测相融合的运动目标检测方法。该算法首先利用优化的Canny边缘检测算法快速提取五帧连续图像的边缘图像, 然后对五帧连续的边缘图像进图像的五帧差分运算, 最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单, 实验结果表明, 该算法准确率高, 连通性好, 能满足实时性检测的要求。