基于欧氏距离的拐点检测算法

拐点是数字图像中的一个重要信息载体，提出一种新的拐点检测算法，该算法并非寻找连续空间中曲率的离散近似计算方法，而是源于离散曲线的外观特征，推导出离散曲线上拐点处k个点对间欧氏距离平方和局部最小这一重要性质。基于该性质，本算法首先利用Freeman链码的性质过滤掉物体边界上明显不可能成为拐点的象素，然后在剩余的边界点中通过寻找该局部最小值定位出拐点。给出了本算法与四种著名拐点检测算法的对比实验。     

基于图像边界跟踪的顶点矩阵算法

分析传统图像边界跟踪中存在的问题,根据Freeman链码跟踪方法提出一种改进的基于像素顶点矩阵的边界跟踪方法,定义图像的像素顶点矩阵,并利用像素顶点矩阵跟踪边界,制定边界跟踪的搜索规则,同时抽取边界的顶点链码,生成围线树结构,用像素顶点的链码值表示边界。实验结果表明,该算法优于一般的链码跟踪方法,具有广泛应用性。     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

基于K邻域链码拐点的胶囊端面缺陷检测算法

针对目前空心胶囊端面缺陷图像采集困难等问题,提出了一种特殊照明的方式对胶囊端部进行成像。将图像锐化、改进后的局部自适应阈值、轮廓提取用于胶囊端面图像的预处理,并针对胶囊端面缺陷漏检率高、检测效果差等问题,提出了一种基于K邻域链码的拐点检测算法,统计出胶囊端面缺陷图像中的拐点个数并做出缺陷判别。实验结果证明,该检测算法实时性好,对常见的5种颜色的胶囊漏检率和误检率均控制在2%~9%。     

一种嵌入局部信息的快速KFCM聚类分割算法

针对核空间模糊局部C-均值聚类分割算法时间复杂性过大而不适合实时场合图像分割需要的问题,提出了一种核空间局部模糊C-均值聚类分割的快速算法。利用像素与其邻域像素之间的空间距离信息和灰度方差信息构造一种加权共生矩阵;将图像像素的一维直方图以及像素与邻域像素之间的二维共生直方图相结合构造了一种新的核空间模糊C-均值聚类分割目标函数,并对其推导获得隶属度和聚类中心迭代表达式;将图像像素采用该算法聚类所得隶属度进行邻域滤波处理,以便改善该算法的抗噪性能。实验结果表明,该分割算法相比核空间局部模糊C-均值聚类分割更有利于实时场合和大幅面图像分割的需要。     

基于单位统计曲率特征匹配的红外目标检测方法

针对机器人在隧道施工环境中,由于阴暗强光等因素导致红外图像中的目标检测失败,提出一种基于单位统计曲率特征匹配的红外目标检测方法;采用最小二乘法对目标的曲面进行拟合,根据拟合曲面计算出目标中各像素的高斯曲率和平均曲率,使用曲率代替梯度构造图像特征描述符并建立曲率平面,根据曲率分布的密度将其划分为多个单位区域,对每个单位中的像素使用统计信息来生成稳定的单位统计曲率特征矩阵,通过计算矩阵之间的欧氏距离得到目标的相似性,识别红外图像中待检测的目标;对该算法与现有其它算法对标准图像数据集和实际施工隧道中的栈桥的检测准确率进行对比评价,结果表明,该算法的检测准确率最高,满足了工程上隧道机器人行进中识别栈桥的使用需求.     

基于差分链码曲率的转炉火焰边界弯曲度计算

转炉火焰图像边缘弯曲程度能表征炉内铁水碳含量的多少,准确计算曲线弯曲度,对火焰图像判断转炉吹炼终点有重要的意义。提出一种基于差分链码曲率的边界弯曲度计算方法,定义了基于差分链码的火焰边界曲率计算公式;为了保证曲率公式的有效性,对火焰原始图像作分割、标记、二值化、形态学边界提取等预处理;利用多边形近似方法重建了火焰边界的二值图像,有效克服了边界小尺度拐角对曲率公式的影响。实验结果表明,该方法与边界圆形度及火焰骨架曲率计算的方法相比,所提取出的特征值能明显区分吹炼的不同阶段,且计算速度快,具有较高的实用价值。     

基于马尔科夫链的显著性区域检测算法研究

显著性检测算法常通过计算像素之间的差异来确定显著性,但是对像素的选取通常是固定的,容易忽略图像中物体的边界信息,导致最终检测结果中目标的边界比较模糊。借鉴生物视觉注意机制,提出了一种新的基于超像素和马尔科夫链的显著性区域检测算法,将图像分割成若干个超像素,使用Wasserstein距离衡量超像素之间颜色、方向和位置的差异来建立马尔科夫链,将显著性检测问题转换为马尔科夫链上的随机游走问题,使用它的平稳分布作为图像的显著度。实验结果表明,相对于两种经典算法,所提出的算法在主要目标及其边界的提取精度等方面取得了较为满意的效果。     

一种新的基于链码的填充算法

将计算机图形学的栅栏填充算法移植到链码的填充算法中，发展出了一种新的基于链码的填充算法。利用边界Freeman链码，定义了一种新的边界点分类方法，通过对边界上的左右端点到栅栏间的像素取补填充该区域，算法能填充任意复杂图像区域，不需要辅助内存空间和标记边界色。与现有的算法进行了对比实验，实验表明该文提供的算法对于图像具有填充速度快、效率高等优点。     

多先验融合的显著性检测

为解决基于背景先验的显著性检测算法在检测复杂背景图像时存在误检问题,提出多先验融合的显著性检测算法.首先,将图像分割成四种不同的超像素尺度,根据流形排序算法计算出不同尺度的边界显著图,并进行线性融合得到最终边界先验;其次,利用边界信息得到背景种子,进而利用距离和元胞自动机融合得到背景先验;然后通过颜色归一化处理,计算出...     

基于概率密度梯度方向的角点重定位技术

由于各种外界因素的影响,角点检测算法检测的角点可能出现位置偏移。在分析该现象的基础上,提出对角点进行重新的定位。首先,通过计算角点的二阶模板值来进行角点模糊定位;其次,引入像素点的概率密度梯度方向,通过比较角点和角点邻域内的像素点的概率密度梯度方向的关系来判断错误角点,并找出所有的候选替代点;最后,根据角点和候选像素点之间的关系,寻找出新的角点。通过实验对比发现该算法能正确地对发生位置偏移的角点进行重新定位。     

SUSAN角点检测算法稳定性改进研究

SUSAN算法在图像旋转和有噪声的情况下是比较稳定的角点检测方法,但也有漏检和误检的问题。针对其缺陷,提出改进的角点检测方法。改进的办法是将原方法的SUSAN核同值吸收区,替换为在响应圆域内与核像素点灰度值相同,且与核像素点邻接连通的区域。通过改进,避免了原方法漏检和误检的问题,仿真试验结果证明改进方法的正确性和有效性。     

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明：在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升     

使用多弦长曲率多项式的角点检测算法

在弦到点的距离累加(CPDA)技术和曲率积的基础上,提出了多弦长曲率多项式的角点检测算法。首先利用Canny边缘检测器抽取边缘,然后对于不同弦长下边缘轮廓曲率局部极大值点,计算曲率的和;对于非极值点,计算曲率的积。该方法不仅可以显著增强曲率极值点的峰值,而且避免了曲率积对一些角点平滑。最后,为了降低人为设定门限带来的错检或漏检,利用局部自适应阈值去判别角点。实验结果表明,与其他的角点检测算法相比,该方法具有很强的鲁棒性,它的平均检测准确率提高了14.5%,而且在角点数重复率准则上平均性能提高了12.6%。     

图象角点检测的矢量场方法

提出一种新的图象角点检测方法。该方法利用电磁场理论表达图象特征，进而从特征图象中提取出角点。Ｃａｎｎｙ边缘图象中的边缘被视为电流密度源而产生磁场。根据电磁场理论，可计算出相应的矢势。提出图象的角点位于该矢势图的鞍点和基于模板匹配的鞍点检测算法，并给出实际的角点检测结果。     

Harris角点检测的优化算法

针对Harris角点检测算法中提取出较多的伪角点和计算量大的问题,提出了一种基于Harris角点检测的改进算法. 为抑制Harris角点检测中的伪角点数目并且提高算法的效率,首先加入预筛选得到候选角点,在计算水平和垂直方向梯度时,对于梯度较小的像素点进行预处理,在进行非极大值抑制时采用自适应阈值,提高算法自适应性,最后利用USAN对角点进行进一步选择. 实验结果表明,改进的Harris角点检测算法不仅提高了检测精度和效率,而且对噪声具有一定的鲁棒性.     

基于B样条尺度空间的鲁棒多尺度曲率积角点检测

本文在B样条尺度框架下提出了一种多尺度曲率乘积角点检测算法. 根据在各个尺度下的轮廓的曲率, 建立了尺度积函数. 在各个尺度下的曲率乘积经阈值变换后的局部极大值定义为角点. 通过尺度积, 根据CNN评价标准, 角点的定位精度和检测性能得到显著的提高. 实验也证明本文算法对边缘细节具有很好的鲁棒性并获得了良好的检测结果.     

Multi-scale curvature product for robust image corner detection in curvature scale space

The paper proposes a new corner detector based on scale multiplication. The algorithm starts with extracting the contour of the object of interest, and then computes the curvature of this contour with Gaussian derivative filters at various scales. Local extremes of the product of the curvatures at different scales are reported as corners when the value of the product exceeds a threshold. The proposed detector is based on the well-known curvature scale-space, but improves on it in two ways: first, since the finest scale is part of the scale product, there is no need for coarse-to-fine corner tracking. Second, since many scales are involved, false positive/negative detections are unlikely even with a single threshold. Finally, the comparison between the proposed approach and other corner detectors shows that our approach is more competitive with respect to CCN and ACU criteria under similarity and affine transforms. Moreover, a number of experiments also illustrate that the scale product corner detection has more robustness for noise.     

用HOUGH变换改进的曲率法识别平面轮廓图元

针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对提出的方法分别进行了特征点检测精度与检测速度对比实验和特征点检测能力测试实验。实验结果表明,提出的方法图元识别准确、检测速度快、通用性好。