多尺度宽线检测方法

针对基于非线性滤波的宽线算子的不足,提出了一种多尺度宽线检测方法。基本宽线检测算子采用单个尺度模板检测图像中的宽线,导致仅能检测宽度小于模板半径的宽线特征,且在多条宽线交叉处检测效果较差;与之不同,多尺度宽线检测方法首先采用多个不同尺度的模板进行检测,然后在多个尺度归一化的检测结果中取最大响应值,再通过阈值分割、滤波处理等后处理步骤得到最终的检测结果。分别利用仿真图像和实际图像对多尺度宽线算子进行了性能测试,实验结果表明,多尺度宽线检测方法克服了基本宽线算子的不足,较好地检测出了图像中的宽线特征。     

改进的字符图像细化算法

针对现有并行细化算法中存在的细化不完全、二像素宽斜线细化畸变等问题,提出一种改进的细化算法.首先对二值图像构造了一组保留模板和消除模板,采用算术逻辑运算对图像进行初步细化,并结合保留模板匹配将二像素宽斜线予以保留;再利用消除模板匹配进一步删除斜线上的冗余像素,得到8连接的单像素图像.针对字符图像的实验结果表明,文中算法能够有效地避免二像素宽斜线的细化畸变,保持了原图像的拓扑结构,实现图像的完全细化.     

基于Prewitt理论的自适应边缘检测算法*

利用Prewitt基本原理定义了新的算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Prewitt算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。通过实验比较,所提算法能够自适应地生成动态阈值,并在保持Prewitt算法具有抑制噪声性能优点的     

基于光流法的快速车道线识别算法研究

为提取无人驾驶车前方车道线信息,提出一种使用光流法的快速车道线识别算法。首先,根据连续视频帧之间的时间相关性,运用光流法检测车辆前方背景的相对移动。然后,利用车辆背景中特征点的移动方向和距离,对本帧图像中车道线的位置进行粗略定位,从而缩小本帧图像中车道线的检测区域,加速车道线识别算法。最后,通过对车道线像素点的处理,给出车道线类型信息。该算法提升了车道线检测算法的效率,降低了复合算子车道线检测算法的时间复杂度。在720*480像素下,算法实现了13.5Hz的处理速度,相较仅使用复合算子的处理算法提升了39.6%的处理速度,且算法检测效果良好。实车实验证明了算法的有效性和实时性。     

自适应偏心窗口平滑滤波图像修复

提出一种自适应平滑滤波数字图像修复新算法,采用变动中心的非线性平滑滤波算子,克服了固定中心点算子产生的边缘模糊问题。为了兼顾处理效果和计算效率,根据待修复的像素是位于图像平滑区还是边缘突变区,自适应地切换处理方法。实验表明,该算法对2种类型的像素均能取得较好的修复效果。提出用“分块校验和”方法在需要保护的图像中嵌入脆弱数字水印,一旦图像受损,即可精确得到损坏像素的定位模板,在修复中不再需要人工干预。     

一种改进型Canny边缘检测算法

边缘检测是提取图像特征的首要条件。文章提出了一种改进型Canny边缘检测算法。首先在边缘梯度计算时,将二维滤波模板分解为两个一维滤波模板,实现并行处理,提高运算速度;引入双阈值法则同时保证图像中强边缘点和弱边缘点的提取,并基于非局部最大值抑制原理检测边缘点,大大提高了边缘检测的精度和准确度;最后采用形态学算子实现对检测边缘进行细化处理,实现了单像素级细化边缘提取。实验结果表明,该算法在保证实时性的同时,具有很好的检测精度和准确度。     

基于自适应预测的高光谱遥感图像无损压缩算法

针对高光谱遥感图像细节丰富纹理复杂、空间相关性弱、难于压缩的特点,充分利用高光谱遥感图像的谱间相关性,使用多个波段的像素来自适应预测当前波段的像素。因为待预测像素的最优预测是其条件期望,用分段积分的方法将条件期望转化为可计算的表达式,并与其它波段的像素关联起来。选取与待预测像素有较强因果关系的相邻像素自适应地估计出各参数的值,得到残差图像,消除了大部分的谱间冗余和空间冗余,再用JPEG-LS进一步去除残差图像的空间相关性。实验表明,该算法能有效去除高光谱图像间的相关性,较其它压缩算法压缩比有很大提高,且算法简单,便于硬件实现。      

基于整数小波和三维自适应的高光谱图像无损压缩算法

考虑到高光谱图像小波子图的谱间相关性,提出了一种新的基于整数小波的三维自适应预测高光谱图像无损压缩算法。首先用5/3整数小波将高光谱每个谱段图像做小波分解,对不同谱段的相同子带,设计一种新的线性预测器。用与待预测像素有较强相关性的相邻像素自适应地估计预测系数的值。消除了大部分的谱间冗余和空间冗余后,再用JPEG-LS进一步去除残差图像的空间冗余。实验表明,该算法能有效去除多光谱图像间的相关性,较其他压缩算法压缩比有很大提高,且算法简单,便于硬件实现。     

基于Sobel和LoG相结合的边缘检测与细化方法

鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。     

Zernike亚像素图像矩边缘检测算子方向角模型研究

基于Zernike图像矩的理想边缘模型,深入研究了方向角模型与亚像素判据间的关系。利用Zernike矩定义及其旋转不变特性,提出一种新的基于4阶方向角的Zernike矩亚像素边缘检测算子。为了提高边缘算子定位速度,首先基于9×9尺寸模板对Zernike图像矩0～4阶正交复数多项式进行了计算,推导出基于4阶方向角的边缘检测算子参数模型。最后将边缘算子应用在理想图像与实际图像上,检测结果表明:相比于传统的Zernike矩算子,基于4阶方向角的边缘检测算子具有更高的检测精度。     

直线生成的像素行算法

直线是图形最基本的元素,其快速生成算法的研究具有重要的理论价值和实际意义。本文在Bresenham算法基础上,充分利用了直线中相邻像素之间的相关性,每次生成一个像素行,大幅度提高算法效率。该算法的直线精确度与Bresenham算法相同,但速度快且易于硬件实现。     

A new hybrid improvement heuristic approach to simple straight and U-type assembly line balancing problems

This paper presents a new hybrid improvement heuristic approach to simple straight and U-type assembly line balancing problems which is based on the idea of adaptive learning approach and simulated annealing. The proposed approach uses a weight parameter to perturb task priorities of a solution to obtain improved solutions. The weight parameters are then modified using a learning strategy. The maximization of line efficiency (i.e., the minimization of the number of stations) and the equalization of workloads among stations (i.e., the minimization of the smoothness index or the minimization of the variation of workloads) are considered as the performance criteria. In order to clarify the proposed solution methodology, a well known problem taken from literature is solved. A computational study is conducted by solving a large number of benchmark problems available in the literature to compare the performance of the proposed approach to the existing methods such as simulated annealing and genetic algorithms. Some test instances taken from literature are also solved by the proposed approach. The results of the computational study show that the proposed approach performs quite effectively. It also yields optimal solutions for all test problems within a short computational time.     

视频信号的能量分析与运动检测

提出一种静止摄像机条件下干扰自适应的运动目标检测方法。将视频中同一像素的像素值的变化看做信号,先计算像素值信号的均值,再计算像素值信号围绕均值波动的能量,最后通过比较波动能量来判断像素点属于前景点或背景点。实验结果表明,与混合高斯模型等常用的运动目标检测算法相比,该方法有更强的干扰自适应性和更高的灵敏度。     

一种基于页眉线的扭曲文档图像快速校正方法

在对文档图像进行光学字符识别时,由于书籍扭曲的存在,识别率会降低。对于 含有页眉页脚线的扭曲文档图像,提出一种快速校正方法。首先分别检测并定位图像中的页眉 线,保存页眉线的坐标信息。根据等比算法计算页眉线上各点在校正时所需向上或向下移动的 距离,然后以此距离为参数扫描图像,计算页眉页脚线之间的各个目标像素校正所需移动的距 离,同时进行像素点的移动重构图像,最终得到校正的图像。实验结果表明,该方法校正效果明显, 对于包含页眉页脚线的扭曲文档图像有较好的校正效果,校正后OCR 识别率大幅度提高。     

Visual pattern matching in motion estimation for object-based very low bit-rate coding using moment-preserving edge detection

This paper proposes an object-based coding method for very low bit-rate channels, using a method based on motion estimation with a block-based moment-preserving edge detector. In most existing object-based coding methods, only the global motion components are transmitted. However, the global motion prediction error is large, even after motion compensation using the discrete cosine transform (DCT), when images contain rapid moving objects and noise. Furthermore, the global motion-compensating method cannot result in small prediction error if the segmented objects consist of subobjects that move along different directions. The technique proposed in this paper involves segmenting moving objects from video sequences and representing objects compactly by visual-pattern approximations of the boundary. A visual pattern is obtained by detecting the line edge from a square block using the moment-preserving edge detector. Since high computational complexity is required for motion estimation using block matching, a fast block-matching method based on the visual patterns is proposed to reduce the burden of the overall coder complexity. Computer simulation results show that the proposed method gives good performance in terms of the subjective quality, the peak signal-to-noise ratio, and the compression ratio.     

基于像素链排序的直线绘制算法*

针对直线生成算法在直线斜率大于0.5时的低效率问题,提出一种基于像素链排序的直线绘制算法。将直线看做是由许多条平行像素链或对角像素链拼接而成,利用逆向生成直线的类Bresenham算法求得各像素链的长度,通过Bresenham算法生成相应直线的位移码对各像素链进行排序,一次判断生成一条像素链。仿真实验表明,基于像素链排序的直线绘制算法生成的直线与Bresenham算法生成的直线精度一致,且计算量显著减少。该算法只有加法和乘法两种整数运算,适合硬件实现,其绘制速度是Bresenham算法的4倍。     

线搜索式角点检测方法的参数自适应设计

针对线搜索式角点检测方法存在全局固定阈值对实际图像的光线不均匀等不良现象适应性不足的问题,提出了有关参数自适应的设计方法.在原角点检测基本方法的基础上,首先根据局部区域的对比度信息,设计了同值收缩核(USAN)阈值的自适应动态产生方法.其次,给出了高斯去噪的实施建议,以提高线搜索式角点检测方法的抗噪性能,并给出了其他参数值的动态取值建议.实验结果表明,在本文的参数自适应设计方法下,线搜索式角点检测变得更为实用方便,比原固定阈值的基本方法更能适应光线不均匀现象,对于内容、品质差异较大的图像无需频繁调整参数,仍能保持很高的正检率水平,同时伪响应也处于可接受的水平.     

一种快速自适应的角点检测算法

基于SUSAN原则提出了一种新的快速自适应角点检测算法,在几个方面进行了改进:以局部自适应阈值代替整个图像的固定阈值,提高了算法的自动处理能力;改进了响应函数,仅通过扫描模板边缘像素获取更多的角点信息,也简化了计算步骤;通过预处理,逐步缩小候选角点的搜索范围.实验证明,这是一种快速有效的角点检测方法.