基于CCD图像的激光点云数据边界提取法

提出了一种融合激光和CCD图像的点云数据边界提取的方法。首先,将激光点标定到CCD图像上。然后,融合CCD图像数据与激光数据,提出了一种基于图像法的点云数据边界特征的提取方法,采用图像处理中梯度求解方法,对点云中每一点处的法向矢量和曲率进行估计,通过阈值得到候选边界点,再利用曲率极值法得到最终边界点。     

一种组合GAUSS-filter、SOBEL、NMS、OTSU 4种算法的图像边缘检测的FPGA实现

边缘检测是分离图像目标主体和背景的主要依据。通过检测图像上灰度显著变化的像素点集合来确定图像的边缘。目前边缘检测的方法大多综合应用两个算法来提高边缘检测质量。本文在FPGA上综合应用GAUSS-filter、SOBEL、NMS、OTSU等多种算法进行图像边缘检测。将原始采集到的彩色图像转换成灰度图像,先对图像进行高斯平滑处理,消除干扰性噪声;应用SOBEL算法计算图像梯度值,再应用NMS算法处理灰度,挑出轮廓边缘梯度值最大的灰度像素集合;最后应用OTSU算法自适应地确定图像门限阈值进行边缘检测。该方法不仅能刻画出图像的边缘,而且还能对边缘进行细化,实验结果显示对不同的图像都有很好的检测效果。本文所提出的在FPGA上实现的图像边缘检测方法具有准确、实时、高速等特点,能够应用到许多领域中。     

一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。     

一种模糊小目标的自适应阈值分割方法

文章提出了一种基于顶帽变换和边缘检测的强噪声背景下的目标提取方法。模糊背景下图像的目标提取存在一定的困难,必须对图像进行增强处理。文中涉及到的目标具有不同的灰度值,固定阈值法不能保证检测出所有的目标。在原有自适应阈值分割的基础上设计了一种基于顶帽变换和边缘检测的自适应阈值分割方法,首先对图像进行顶帽变换增强图像,再利用Sobel边缘提取算法提取所有可能目标的边缘,利用原图像中对应边缘点的灰度取平均值作为图像分割的阈值来提取目标。实验结果表明:利用检测出的边缘灰度均值作为图像的灰度阈值来分割目标,能有效地提取出模糊小目标。     

线结构光条纹中心提取方法

针对线结构光条纹中心提取的效率和精度影响测量结果的问题,提出一种主成分分析与灰度重心相结合的方法.首先对图像进行高斯卷积并采用阈值分割法初步提取图像中有效的光条纹信息;然后计算光条纹图像的梯度分布和幅值,选取幅值为零的点作为初始点;接着采用主成分分析法得到点的法线方向,沿法线方向在初始点两侧以幅值最大的两点作为边界点;...     

Otsu准则下分割阈值的快速计算

传统Otsu法在确定阈值时需要穷举计算图像中每个灰度值为阈值时的类间方差.文中利用Otsu阈值的性质,提出了一个新算法以快速计算Otsu阈值.新算法搜寻出与两类类内均值的平均值的整数部分相等的阈值,从中确定一个符合Otsu准则的阈值.传统Otsu法在对梯度图像中的小目标分割时分割性能不佳,文中提出了一个Otsu阈值的改进算法,该算法使用快速计算Otsu阈值的新算法递归求解分割阈值.实验结果表明,与传统Otsu算法相比,计算Otsu阈值的快速算法速度更快,而阈值的改进算法对梯度图像中的小目标分割效果更好.     

基于DWT-SVD的彩色图像水印算法

本文根据奇异值分解理论把灰度水印嵌入到彩色图像的DWT分量中。为了既能保证算法的鲁棒性,又能够尽可能地提高不可见性,先将原图像分为RGB三个分量,将水印的信息添加到了RGB空间的B分量上,实验证明水印嵌入到蓝色分量比嵌入到其他颜色分量中可以更好地保持原始图像的感知质量。本文在提取水印时设定了阈值,如果奇异值分解对角线上的值低于这个阈值,就会用上面一行的值代替对角线上的值。实验证明,该方案对JPEG压缩和中值滤波等处理具有较好的鲁棒性。     

基于边缘梯度特征的图像分割

图像的边缘包含了大量的梯度信息,图像中的真实边界点处的梯度强度大于其左右领域的梯度强度值。根据这个特性提出了改进的阈值分割算法,首先利用高斯平滑对图像进行预处理,再利用Krisch算法对图像进行梯度运算得到图像的梯度信息,然后利用改进的二维最大类间方差法根据图像梯度进行阈值分割,最后利用目标和背景的空间关系去除少量误提边缘。实验结果表明,该方法能有效地检测出低信噪比图像中的目标并显著提高了目标检测的概率。     

基于图像预处理和纹理特征的车牌定位算法

为了解决车牌定位过程中拍摄图像背景复杂,噪声大,检测准确率偏低的问题,提出简便有效抗干扰强的车牌定位算法.首先将彩色图像转换为灰度图像,其次设定灰度门限区分图像目标和背景,进行二值化处理,然后使用Sobel边缘检测算子计算图像梯度幅度值,检测图像边缘点,采用局部图像平滑技术中值滤波对图像去除干扰,最后根据车牌区域纹理信息较其它区域丰富的特征,采用投影法,通过水平和垂直方向上投影分布特征的反复提取,准确检测定位车牌.实验结果表明,该方法定位出的车牌区域图像清晰度和准确度较高.     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

Similarity relation matrix-based color edge detection

A novel edge detection algorithm for color images was described in this paper. In the proposed method, smoothness of each pixel in color image is firstly calculated by means of similarity relation matrix and is normalized to maximum gray level. In other words, color image in three-dimensional color spaces is mapped into one dimension. Accordingly the edges are performed in such a way that pixels lower than thresholds are assigned to be edge. Thus with proposed method, edge pixels in a color image are detected simultaneously without any complex calculations such as gradient, Laplace and statistical calculations.     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。     

基于红外图像的地面自主车导航的道路边界检测

讨论了用于地面自主车(ALV)视觉导航的红外道路图像的特点, 论述了红外道路图像的预处理策略和方法, 分析了一些常用的图像处理方法在处理红外道路图像时的缺陷, 指出由于温差的渐变性, 红外道路图像的路边检测特别适合使用阈值穷举法, 并给出了在温度渐变的路边上边缘强度的求取方法和使用二阶微分算子得到边界线段的精确位置的方法。同时使用了边缘信息和灰度信息来提取道路边界信息, 阈值穷举法和二阶微分算子得到的道路边界线段相互融合, 得到候选的道路边界线段, 在ALV 的实际应用中取得了很好的效果。     

基于红外图像的地面自主车导航的道路边界检测

讨论了用于地面自主车（ALV）视觉导航的红外道路图像的特点,论述了红外道路图像的预处理策略和方法,分析了一些常用的图像处理方法在处理红外道路图像时的缺陷,指出由于温差的渐变性。红外道路图像的路边检测特别适合使用阈值穷举法．并给出了在温度渐变的路边上边缘强度的求取方法和使用二阶微分算子得到边界线段的精确位置的方法。同时使用了边缘信息和灰度信息来提取道路边界信息,阈值穷举法和二阶微分算子得到的道路边界线段相互融合。得到候选的道路边界线段,在ALV的实际应用中取得了很好的效果。     

基于红外图像特征与K-means的边缘检测

为解决红外图像边缘模糊导致边缘提取困难的问题,提出一种基于边缘特征与K-means结合的红外图像边缘检测方法。首先将人眼视觉特性与红外图像边缘点处的灰度分布特点结合,构造出反映其结构特征的数据集;再利用K-means将数据集分为边缘点和非边缘点,提取出图像边缘;最后利用二步法将边缘进行细化,以便实现红外图像边缘检测。实验结果表明:该方法能够通过自适应阈值提取出红外图像的完整外部轮廓,并保留内部边缘信息,对弱边缘起到良好的提取效果,并有效抑制噪声干扰。     

航空图像中阴影区域的检测

航空图像中的阴影区域可以提供大量的关于目标形状、相对位置、表面特性、高度的相关信息,本文首先对阴影的特征进行了研究,认为阴影对图像的影响是使所投射地表的表面光照强度降低,但不改变原有地表,目标表面的光照特征,如纹理特征及光照强度方向统计特征等。阴影区域内的灰度方差一般小于其他非阴影区域,不同阴影区域之间的灰度值具有较强的一致性。然后,本文利用基于二维直方图的最大熵门限化方法求得边缘图像,并对边缘图像进行了细化和跟踪,删除那些对比很弱、或者虽然对比度较强,但是不满足光照条件的边缘,得到阴影边缘。在门限化过程中使用了邻域函数和过渡区域,既保留了弱边缘,又最大程度地抑制了噪声对边缘的干扰。根据阴影边缘构出假想的阴影区域,并统计这些区域的灰度直方图,求得阴影区域的灰度区间。根据该灰度区间可以得到阴影区域,这些区域具有对比度较高、至少有一侧比较规则、光学性质类似的特点。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

基于非线性复扩散耦合冲激滤波器的图像放大算法研究简

为了提高放大算法的适应性,采用改进的非线性复扩散和自适应冲激滤波器,提出了一种图像放大方法。根据像素局部方差进行自适应改变扩散门限,扩散图像的虚部除以扩散时间以消除扩散时间的影响,特别是初期扩散近似线性扩散的特性,得到改进的复扩散模型耦合冲激滤波器进行无噪图像放大。对于噪声图像放大,根据像素局部方差进行自适应非线性复扩散,耦合局部方差约束的冲激滤波器增强模糊的图像边缘和细节。自适应非线性复扩散通过局部方差和图像二阶导数相结合分辨边缘和噪声,对噪声进行平滑的同时保持边缘,克服了复扩散不能分辨噪声和边缘的缺陷,同时保持复扩散保护斜坡结构,免除阶梯效应的优点。仿真实验验证了所提算法不仅对无噪图像有较好的放大效果,而且对一定范围的噪声图像也有较好的放大效果。     

基于模糊三值模式的矿物浮选泡沫图像边缘检测方法

针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.