一种非均匀光照图像字符二值化小波分析法

图像二值化阈值的选取是灰度图像二值化处理中的关键，本文提出一种基于小波边缘检测的图像二值化方法。通过对图像进行二进小波变换，在最佳尺度上寻找出图像字符的边缘点，再根据边缘点处的灰度值来确定出二值化的阈值。应用于光照不均匀的多噪声车牌图像二值化，取得了良好的效果。     

基于Hough变换实现圆的快速检测方法

为了快速正确的检测出图像中的圆,在传统Hough变换圆检测的基础上,利用圆是中心对称的几何特征,提出了一种新的基于Hough变换实现圆检测的方法,该方法运用Otus阈值分割技术将测试目标从检测图形中分离出来,运用Canny边缘检测器对图像进行边缘检测,检测后对图像进行筛选,排除明显不可能为圆的图形,之后对待检测图形,以过圆心的直线为对称轴对图像上的三点进行对称选取,计算出圆心坐标值和半径值,运用Hough变换在参数空间中对值进行投票,累加计数求出峰值。实验结果表明,该方法降低了计算复杂度和对计算空间的需求,与当前应用最广的RHT,以及SHT圆检测方法相比,运行速度快、精度高,抗噪性能好。     

高精度直线检测算法研究与误差分析

针对图像处理中直线检测精度不足、运算速度慢等问题,对直线检测算法和精度进行研究,提出一种新的高精度直线检测算法。首先,基于任意两点计算直线参数值并以直线拟合的像素数目作为参数点的累加值;其次把累加值大于阈值的参数点保存在数据链表中并根据局部极大值或阈值判断直线;最后对算法的直线检测精度进行分析,建立直线拟合的误差模型。通过对0°到45°斜率角的直线检测进行误差分析发现,当直线段的长度为400像素时,斜率角的典型误差小于0.03°,当直线段的长度为600像素时,斜率角的典型误差小于0.01°。新算法与Hough、最小二乘算法比较,不但精度高,运算速度快,而且受噪声影响小。     

基于仿真模板的Hough变换直线检测

Hough变换直线检测是遥感图像理解、分割和处理中常用的直线特征自动检测技术之一,其运算过程中所需数组的大小决定了参数空间的采样多少,直接关系到计算精度和速度.在此提出的模型仿真、模板调用方法,简便快捷地实现不同数组大小的多次试验和比较,找到满足实际精度和速度要求的数组参数;将仿真模型、仿真过程和所得参数做成易于调用的模板,供检测系统使用.应用中只需将遥感图像像素坐标映射到模型的定义区间,调用后再将结果映射回图像空间.此方法使Hough变换直线检测的调试、修改和移植变得容易,经实际应用证实本方法方便高效.     

基于霍夫变换与最小二乘法的车道线检测方法

基于传统图像处理方法,利用图像预处理、ROI分割、霍夫变换和最小二乘法等技术进行车道线检测。对图像进行预处理,图像预处理包括对图像二值化;然后通过高斯滤波对图像进行边缘检测。为提高执行效率和和提高准确性,使用15°俯视角度下显现的ROI区域进行检测,并利用霍夫变换检测车道线。通过设置阈值和参数调整,得到车道线的峰值点,并使用最小二乘法拟合直线。在图像中绘制检测结果,包括车道线和霍夫变换峰值点。使用该方法,对高速道路、城市道路、省道等3种路线上的5个实验组进行实验,其中高速道路和省道的准确率分别为95%、98%,城市道路的准确率为75%。结果表明：所提方法在特定环境下能够较为有效地检测车道线,具有较好的鲁棒性和准确性。     

结构光直线光条图像特征的三步法提取

提出一种三步法直线光条图像特征自动提取方法。计算光条各点的HESSIAN矩阵以确定其法线方向,在法线方向利用泰勒级数展开求得光条中心点的亚像素图像坐标,利用光条中心点的空间位置连续性约束,将相邻光条中心点连接成曲线。采用直线近似方法将曲线拆分为独立直线。将位于不同独立直线上的共线点进行融合,构成新的融合直线,通过融合直线长度约束和近似直线的角度约束,分割出单一直线光条的中心点,采用最小二乘直线拟合方法得到结构光直线光条的方程。通过对真实图像的试验,结果表明,提出的三步法直线光条提取方法,能够自动提取出复杂背景中的直线光条,为线结构光视觉测量的现场应用奠定基础。     

一种基于扩展目标的直线边缘特征提取方法

为了能够快速而精确的提取图像中扩展目标的直线边缘特征,本文提出了一种基于块遍历的直线提取方法,该算法是先通过块遍历整个图像,然后按照直方图把块分类并进行二值化,再通过链码得到相同单像素直线的多个块表示,然后通过这些直线的斜率和截距进行分类,最后对分类结果求均值,仿真结果表明该方法不仅能正确地提取直线特征且提取的直线可以达到亚像素精度。从运算量和复杂性来看,其综合性能要优于经典霍夫变换方法但却可以得到很好的直线提取结果,从而为硬件实现打好了基础。     

基于块遍历的直线边缘特征提取

为了能够快速而精确地提取图像中扩展目标的直线边缘特征,提出了一种基于块遍历的直线提取方法.该算法先通过块遍历整个图像,然后按照直方图把块分类并进行二值化,再通过链码得到相同单像素直线的多个块表示,然后通过这些直线的斜率和截距进行分类,最后对分类结果求均值.仿真结果表明,该方法不仅能正确地提取直线特征且提取的直线可以达到亚像素精度,其角度定位精度超过0.01 rad.从运算量和复杂性来看,其综合性能要优于经典霍夫变换方法,可以得到很好的直线提取结果,并为硬件实现打好基础.     

一种基于改进Hough变换的直线快速检测算法

针对传统Hough变换计算量大、耗费内存空间、参数空间峰值点被次峰值点包围、易造成漏检或误检等缺陷,提出一种改进的Hough变换直线快速检测算法。首先检测图像中相邻的像素点并进行聚类,形成一些相连的像素点的集合,然后将聚类后的像素点进行感知编组,细分成比原聚类线段更接近直线的线段,最后对每段近似直线用随机Hough变换进行检测,从而精确地检测出图像中相应的直线。实验表明,与传统Hough变换相比,改进后的算法计算量小,节省内存,无需先验知识,且抗干扰性有显著提高,并降低了误检率和漏检率。     

视觉测量中椭圆特征亚像素提取方法的研究

椭圆是视觉测量中重要的基元特征。建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由随机Hough变换提取椭圆边缘像素点,最后采用基于最小二乘原理的椭圆拟合边缘提取方法,得到亚像素级被检测椭圆。对像面椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面椭圆亚像素提取算法具有较高的精度和稳定性。     

工业CT含噪图像中的裂纹探测

提出一种基于快速Beamlet变换的工业CT含噪图像的裂纹探测方法。首先,分析图像在单尺度下的Beamlet组成以及Beamlet间的相互关系,设计出一种快速Beamlet变换。基于快速Beamlet变换,引入一个关于吻合度的控制量,并结合Beamlet自身的多尺度树型结构,采取"自上向下"寻找目标函数最优值的思路,得到裂纹的探测结果。最后,结合探测结果的相邻区域的像素特性,提取出含噪裂纹的区域边界。分别对含有裂纹的CT图像,以及叠加方差为0.1的高斯白噪声图像,叠加强度为0.1的椒盐噪声图像进行探测实验。结果表明,与基于Laplace、Canny或小波的探测方法相比,该方法能有效探测到工业CT含噪图像中的裂纹。因为Beamlet是以线基的方式分析图像数据,所以该方法对噪声干扰具有很好的抑制能力,成功实现了工业CT含噪图像中的裂纹探测。     

基于Hough变换的焊缝位置检测技术

对Hough变换的应用技术进行了细致的分析,归纳出了图像域参数与变换域参数的三种对应关系,减少了Hough变换运行时一些盲目的搜索和计算,提高了算法的运行效率。在累加器设计上,应用了三元组数据结构,压缩了累计器的数量。应用Prewitt边缘检测方法和中值滤波技术将图像转换为二值图像,使边缘部分得以增强,噪声得到抑制。在此基础上,提出了一种新的焊缝位置检测方法,该方法不仅能检测出焊缝的偏离距离,而且能检测出焊缝偏离的方向。仿真与实际运行结果表明该方法检测精度高,抗干扰能力强。     

一种基于逆透视变换的车道线检测方法

该文基于逆透视变换技术提出了一种车道线检测方法。将道路图像映射为逆透视图,用二维高斯滤波器对图像进行滤波,然后进行阈值处理;用Hough变换提取车道线的线条曲线,利用三阶Bezier样条曲线拟合算法进行直线拟合,获得车道线的检测结果。实验表明,该方法在图像较清晰的情况下,检测近距离的车道线获得了较好的效果,适用于平坦路面下的白色和黄色等车道线检测。     

特征弦约束随机Hough变换在椭圆检测中的应用

为了提高复杂图像中椭圆/类椭圆的检测效率及精度,提出了一种基于特征弦约束的随机Hough变换(RHT)思想的椭圆检测改进方法,借助特征弦的几何约束及特征弦端点的法向约束,大幅度降低RHT的无效采样和累积次数。通过对边缘图像中像素点的有效分布进行分析,建立用于存储特征弦的端点信息的二维数组累加器,在边界点提取之前利用椭圆幂剔除虚假椭圆中心的干扰,不仅能够提高空间采样点的可靠性,同时降低无效采样点的累积概率。实验表明,该算法具有更高的运行速度和检测精度,同时对于形变较大,轮廓缺失严重及噪声具有较强的抵抗能力。     

基于快速Beamlet变换的CT含噪线性裂纹探测算法

目的：工业CT分析物体内部缺陷时,其图像或多或少都存在噪声。裂纹是缺陷中常见的一种,且呈现出一定的线性或分段线性特性。因此,对含噪情况下的线性裂纹进行有效探测是成功分析裂纹属性的第一步。方法：该文提出一种基于快速Beamlet变换的CT图像含噪线性裂纹探测算法。首先分析图像在单尺度下的Beamlet组成,以及Beamlet间的相互关系,设计出一种快速Beamlet变换。接着在快速Beamlet变换基础上,通过引入一个关于吻合度的控制量,并结合Beamlet自身的多尺度树型结构,采取“自上向下”寻找目标函数最优值的思路,进而得到线性裂纹的探测结果。最后结合探测结果的相邻区域的像素特性,提取出含噪线性裂纹的区域边界。结果：对含有线性裂纹的实际CT图像,以及叠加方差为0.1的高斯白噪声图像,叠加强度为0.1的椒盐噪声图像分别进行探测实验,结果表明,与基于Laplace、Canny或小波的探测方法相比,该算法能有效探测到含噪CT图像中的线性裂纹。结论：因为Beamlet是以一种线基的方式在分析图像数据,所以该算法对噪声干扰具有很好的抑制能力,能成功探测到含噪情况下CT图像的线性裂纹,为后续分析裂纹属性打下坚实的基础。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

Automatic segmentation of fluorescence lifetime microscopy images of cells using multiresolution community detection—a first study

Inspired by a multiresolution community detection based network segmentation method, we suggest an automatic method for segmenting fluorescence lifetime (FLT) imaging microscopy (FLIM) images of cells in a first pilot investigation on two selected images. The image processing problem is framed as identifying segments with respective average FLTs against the background in FLIM images. The proposed method segments a FLIM image for a given resolution of the network defined using image pixels as the nodes and similarity between the FLTs of the pixels as the edges. In the resulting segmentation, low network resolution leads to larger segments, and high network resolution leads to smaller segments. Furthermore, using the proposed method, the mean‐square error in estimating the FLT segments in a FLIM image was found to consistently decrease with increasing resolution of the corresponding network. The multiresolution community detection method appeared to perform better than a popular spectral clustering‐based method in performing FLIM image segmentation. At high resolution, the spectral segmentation method introduced noisy segments in its output, and it was unable to achieve a consistent decrease in mean‐square error with increasing resolution.     

应用颜色聚类图像块的多舰船显著性检测

由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。     

机器视觉中矩形几何提取和校正

为了提高从图像中提取矩形的效率和精度,提出了一种实用的基于Hough变换和最小二乘拟合相结合的矩形几何提取和校正算法。该算法通过Hough空间累加器的最大值检测出直线;在检测到的直线邻域内,通过最小二乘法拟合得到更精确的直线;由4条直线得到4个交点,并按各个点与中心点的位置关系进行排序;由4对对应顶点,可求出一个透视变换矩阵;最终将四边形内的所有点映射到一个矩形区域内。实验结果证明算法在效率和精度上取得了一个较好的平衡。     

基于蜂群优化投影寻踪的高光谱小目标检测

为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。