基于图像边缘形态的激光打印机自动分类系统

为解决分类爬虫对激光图像数据爬取能力有限的问题,设计基于图像边缘形态的激光打印机自动分类系统。利用分布式自动图像编程框架,规范划分打印机激光电源电路、图像打印分类模块的作用范围,完成自动分类系统的硬件运行环境搭建。在此基础上,以激光打印图像边缘二值形态作为约束标准,处理打印机自动分类程序的中断请求,并对边缘图像节点进行通信连接,完成自动分类系统的软件运行环境搭建,两项结合,实现基于图像边缘形态激光打印机自动分类系统的顺利应用。模拟运行环境,设计对比实验结果表明,与普通打印机分类系统相比,应用新型自动分类系统后,分类爬虫对激光图像数据的覆盖面积超过80%,最短分类响应时间缩短至1.8 ms,基础爬取能力得到有效提升。     

嵌入式技术的光照不均图像边缘检测系统

为提取清晰、完整的光照不均图像轮廓，设计嵌入式技术的光照不均图像边缘检测系统。图像采集模块使用CMOS图像传感器采集光照不均图像，运用通信接口模块，将采集的图像传输到内嵌EP9315处理器的嵌入式模块，利用基于Canny算子的光照不均图像边缘检测方法，提取光照不均图像的完整轮廓，并通过HDMI显示模块，将实时光照不均图像和处理后边缘图像展示给用户，实现光照不均图像边缘检测。实验结果表明：该系统将CMOS图像传感器的帧频设置为300 fps,可采集到质量较高的光照不均图像；该系统的光照不均图像平滑处理和边缘检测能力均较为理想，且对于光线极差的夜间光照不均图像也能呈现出较优良的边缘检测效果。     

基于改进的K-means聚类算法水下图像边缘检测

边缘检测被广泛用于图像分析与处理中,由于水的吸收和散射效应,传统的边缘检测算法对于水下图像得不到较好的效果。在此应用一种新的方法来得到较准确的水下图像边缘,首先,将原始图像使用暗原色先验算法进行处理得到较清晰的水下图像;然后,使用梯度幅值边缘检测算法检测出初始边缘,在初始边缘上检测出端点,使用改进的K-means聚类算法对端点进行分类,从而确定背景和目标灰度值接近的区域作为窗口;最后,在窗口内使用梯度幅值检测边缘,通过多个窗口的并集得到最终边缘。实验结果表明,边缘检测效果得到明显的改善。     

基于FPGA的实时边缘检测系统

提出一种基于FPGA的实时边缘检测系统,运用Verilog语言实现了系统的数据采集、存储和显示.并针对目前边缘检测易受噪声影响的缺点,采用一种结合中值滤波和改进的Sobel边缘检测的图像预处理算法.通过与经典Sobel边缘检测算法处理后的图像相比较.证明所研制的系统对图像噪声干扰有较强的抑制能力,且提取的边缘定位较准确...     

边缘协同的轻量级隐私保护分类框架

针对边端计算环境下存在感知图像数据泄露与隐私保护分类框架计算低效的问题,提出一种边缘协同的轻量级隐私保护分类框架(PPCF),该框架支持加密特征提取和分类,在边缘节点协同分类过程中实现对数据传输和计算过程的隐私保护.首先,基于加性秘密共享技术设计一系列安全计算协议;在此基础上,两台非共谋的边缘服务器协同执行安全卷积、安...     

小波变换在遥感图像处理中的应用

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行降噪和边缘检测处理的方法。然后详细介绍了基于小波变换的图像降噪和图像边缘检测原理,并对具体的遥感图像进行降噪和边缘检测处理,实验结果表明小波变换降噪结果优于中值滤波和均值滤波降噪结果,基于小波变换的边缘检测可有效地检测遥感灰度图像的边缘,其边缘检测结果优于Canny算子。     

光学非接触式双目图像计算机测量系统的研究

论文介绍了一种双目图像测量系统.这种测量系统能实现物体的非接触测量.其内容包括:系统软、硬件组成;图像预处理和边缘检测、二值化处理、细化处理和边缘连接五部分.其测量系统结构简单,计算速度快,有一定的实用价值.     

基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类

针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性.     

基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

不同光照条件下遥感图像边缘检测方法研究

开展遥感图像边缘检测时，若不能考虑不同光照条件对遥感图像的影响，会影响图像边缘检测时的检测精度，为提升图像检测效果，提出不同光照条件下遥感图像边缘检测方法研究。该方法首先分析不同光照条件下遥感图像影响因素，并对图像实施畸变校正、去噪等处理；使用图像的融合技术对图像实施模糊化处理，实现图像的增强降低光照条件对图像检测的影响；最后通过Zernike边缘检测方法识别图像边缘点，完成图像的边缘检测。实验结果表明，本方法在开展遥感图像边缘检测时，平均梯度为0.133,信息熵为4.213,检测时间为1.352 s。     

基于灰度梯度和反正切函数拟合的亚像素边缘检测算法

在数字图像处理和机器视觉中,边缘检测是一个基本问题和关键环节,因此,精确地检测图像边缘是非常必要的。本文提出了一种基于灰度梯度和反正切函数拟合的亚像素边缘检测算法。首先,通过Canny算子粗略提取输入图像的边缘;然后对初步得到的边缘像素逐点提取灰度梯度方向,以提取的梯度方向为坐标轴正方向建立灰度梯度直角坐标系;最后利用最小二乘法,采用反正切函数拟合图像边缘的灰度梯度,获得亚像素边缘位置。利用Microsoft Visual Studio 2008平台进行实验,结果表明：与基于小波变换及基于Zernike矩的亚像素边缘检测方法相比,本文所提算法定位精度较高,检测速度较快,能够更完整地检测出图像的平滑边缘。     

再论煤炭的科学开采

针对煤矿井下采集到的图像对比度低、光照不均和细节信息弱等问题,提出一种基于色相-饱和度-明度（Hue-Saturation-Value,HSV）颜色空间的煤矿井下低光照图像增强方法。该方法基于图像的HSV空间,通过对低光照图像的亮度通道V通道的主要结构和边缘细节分别进行对比度增强,这样可以更好地抑制图像细节丢失,同时可以较好地再现原图中的轮廓和纹理细节。首先,将输入的煤矿井下低光照图像转换到HSV空间,利用相对全变分滤波（RTV）与改进的边窗滤波（SWF）,分别对提取的V通道图像进行主要结构提取和轮廓边缘保留,对其非线性灰度拉伸后利用主成分分析融合技术（PCA）重构V通道图像,即融合V通道图像的主要结构和精细结构,最后合成图像,完成图像增强。通过实验验证,提出的基于HSV空间的煤矿井下低光照图像增强方法,在色彩和边缘模糊处理等方面表现良好,在煤矿井下工作面等环境中,对图像进行定量和定性实验,结果表明,与6种方法相比,增强图像的对比度、自然度和图像细节方面表现更好。     

基于神经网络的红绿灯识别研究

交通灯的识别对人工智能以及无人驾驶都有着举足轻重的作用,本文研究交通识别中的红绿灯判断,用于改善驾驶员疲劳以及维护交通秩序从而提高驾驶安全系数减少交通事故的发生.通过机器视觉采集红绿灯交通信号图,运用Mat-lab进行图片处理截取红绿灯区域,提取每张图片的121个像素点RGB值,运用1和2分别表示绿灯和红灯,建立红绿灯...     

基于机器视觉的洗涤清洁度判识

主要阐述了机器视觉在洗涤污水图像处理的应用。首先介绍了使用的机器视觉的基本原理,实验中如何用CCD采集洗涤污水图像,图像边缘的检测及算法,用拟合直线的边缘点及拟合直线的好坏来确定边缘检测的质量及其阈值;根据边缘点坐标截取图像,给出了两种洗涤污水清洁度的确定方法,得出了实验结论。     

驾驶员疲劳检测中的彩色图像增强算法

为解决因驾驶室光照不均引起的图像质量下降问题,提出一种新的基于Retinex的驾驶员视频图像增强算法。首先将图像从RGB空间转换到YCbCr空间,保持Cb和Cr分量不变,对Y分量进行高、低频分解,低频分量部分包含图像全部光照信息;利用多尺度Retinex(MSR)算法对低频部分进行光照补偿,然后对Y分量进行拉普拉斯锐化和高斯平滑滤波,增强图像细节和消除噪声干扰;最后将处理后的Y分量与原来的Cb、Cr分量进行逆变换生成新图像。实验表明,与传统算法相比,本文算法能对驾驶员视频图像起到增强效果,同时也能很好地增强图像细节信息,有利于系统对驾驶员状态进行疲劳检测。     

基于卷积神经网络的胸环靶面畸变校正算法

实弹射击是部队的基础军事训练项目。现有报靶系统中基于计算机视觉的弹孔识别定位系统由于具有快速、精确、安全、人员成本低等优点而被广泛应用到该项目中。然而,计算机视觉系统处理的图像通常受镜头加工工艺以及相机轴向与被测对象所在平面不垂直的影响,导致被测对象的图像产生畸变,最终会给弹孔坐标位置的精准定位带来误差。为了提高基于计算机视觉的自动报靶系统的报靶精度,提出一种基于卷积神经网络的畸变校正算法,只需一张胸环靶面的模板图像即可模拟出大量训练数据集。训练完成后,输入一张畸变图片就可以得到该图片的畸变参数,并利用该参数完成对图像的畸变校正。与传统校正算法的对比结果表明,该算法校正效果较好,有利于提升基于计算机视觉的自动报靶系统的报靶精度。     

基于核距离加权的k-最近邻红外小目标检测

城市复杂背景边缘给空中红外小目标检测带来的非线性、非平稳热辐射信号影响严重。在采用k-最近邻分类判别决策的基础上,提出了一种基于核距离加权的k-最近邻红外小目标检测算法。该方法将每个预测窗口内的原始数据核映射到高维空间中进行分类,再对各近邻进行距离加权,遍历图像后得到预测结果。实验结果证明了该方法在抑制背景、增强目标方面都有较好的效果。     

基于视觉感知模型修正的彩色图像边缘检测

在彩色图像边缘检测过程中,准确检测低照度区域的细节边缘是一个难题.提出了一种基于视觉感知模型修正的彩色图像边缘检测方法.由于视觉感知彩色空间中的色调分量具有圆形特性,导致伪边缘问题,利用色调距离计算色调图像的梯度以去除伪边缘,并根据饱和度的非线性函数控制色调分量的梯度,最后利用修正的视觉感知模型计算矢量梯度以获取彩色图像的边缘.实验结果表明,新的彩色边缘检测方法较现有方法能提高彩色图像的边缘检测精度,尤其对于低照度区域的细节边缘具有较好的响应.     

基于改进的同态滤波与SMQT相结合的磁瓦表面缺陷图像增强算法研究

针对磁瓦表面缺陷图像整体光照不均匀、对比度 较低、纹理细节信息不清晰等问题, 提出了一种改进的同态滤波与连续均值量化变换(successive mean quantization transform,SMQT)相结合的磁瓦表面缺陷图像增强算法。首先,使用改进的巴特沃斯传递 函数替换传统同态滤波中的传递函数,使其将图像分解成高频图像和低频图像;然后,使用 SMQT算法非线性拉伸高频图像的灰度范围使其扩展到整个灰度级区域,从而达到对高频图 像进行增强的目的;最后,将低频图像与处理后的高频图像进行融合得到增强图像。实验结 果证明,所提算法有效改善了磁瓦表面缺陷图像的光照不均匀、提高了图像的对比度、增强 了图像的纹理细节信息,使得图像的缺陷部分和细节部分更加清晰可见。     

Deformable shape finding with models based on kernel methods.

In this paper, a new kernel-based deformable model is proposed for detecting deformable shapes. To incorporate valuable information for shape detection, such as edge orientations into the shape representation, a novel scheme based on kernel methods has been utilized. The variation model of a deformable shape is established by a set of training samples of the shape represented in a kernel feature space. The proposed deformable model consists of two parts: a set of basis vectors describing the sample subspace, including the shape representations of the training samples, and a feasibility constraint generated by the one-class support vector machine to describe the feasible region of the training samples in the sample subspace. The aim of the proposed feasibility constraint is to avoid finding some invalid shapes. By using the proposed deformable model, an efficient algorithm without initial solutions is developed for shape detection. The proposed approach was tested against real images. Experimental results show the effectiveness of the proposed deformable model and prove the feasibility of the proposed approach.