强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

基于Canny算法的自适应边缘检测方法

针对传统Canny边缘检测算法自动化程度不高的缺点,提出一种自适应算法.改进的Canny算法通过尺度自适应调整的高斯滤波器对原始图像进行平滑滤波,保留边缘信息并去除噪声的影响.对经过非极大抑制后的图像梯度直方图采用最大类间方差方法对检测和连接边缘的高低阁值进行了自适应设定.理论和实验结果表明,改进的Canny算法简单易实现,满足了原算法的最优化准则,并且提供了边缘的自动化检测能力,得到了良好的检测结果.     

基于SLIC分层分割的无人机图像极小目标检测方法

针对无人机可见光图像目标小、对比度弱的问题,本文提出一种基于简单线性迭代聚类（Simple linear iterative clustering,SLIC）分层分割的极小目标检测方法。首先使用预处理方法提高原始图像的对比度,并利用Top hat融合方法进行初始分割以确定目标区域,其次利用SLIC方法完成目标精细分割,并采用改进的具有噪声的基于密度的聚类方法(Density-based spatial clustering of applications with noise,DBSCAN)对SLIC分割结果进行超像素聚类,最后提取目标的邻域熵等多种底层特征,使用特征匹配方式检测目标,获取最终检测结果。本文提出了一种全局检测和局部检测相结合的检测策略,极大提高了检测速度。仿真结果表明,本文方法可以有效提高无人机小目标的检测性能,加速检测速度。     

基于Walsh-Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。论文提出了一种新的基于Walsh-Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单,而且检测到的边缘多于传统的边缘检测方法。     

基于灰度图像边缘检测的3D游戏路径搜

着重研究了3D游戏中路径搜索算法。其路径搜索算法内容包括障碍认知与标志、A^＊路径规划、高度代价函数与路径最短相结合的,由计算粒度引出的基于静态障碍物体碰撞检测的动态路径规划。该算法在实际的游戏引擎中进行了测试,其效率和实时性都满足要求。     

基于模糊聚类的缺损图像的边缘检测

模糊聚类算法(FCM)应用于数字图像的边缘检测已取得了较好的效果。通常情况下要进行检测的图像是完整的,但也存在边缘不完整或模糊的情况,这时原来的FCM算法就难以直接应用。该文提出了不完整数据的模糊聚类算法,对原FCM的算法公式进行了修正,并将其应用到局部域上有缺损的图像边缘检测中。实验结果表明,修正后的算法能较精确地恢复边缘缺损部分的信息,并实现其边缘检测。     

基于灰度图像边缘检测的3D游戏路径搜索*

着重研究了3D游戏中路径搜索算法。其路径搜索算法内容包括障碍认知与标志、A*路径规划、高度代价函数与路径最短相结合的,由计算粒度引出的基于静态障碍物体碰撞检测的动态路径规划。该算法在实际的游戏引擎中进行了测试,其效率和实时性都满足要求。     

基于斜Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。提出了一种新的基于斜Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单、计算速度快,而且对于处理灰度渐变图像是有优势的。     

基于局部特征的图像边缘检测

针对传统边缘检测对噪声较敏感且不能准确定位的不足,分析了图像边缘邻域像素之间的关系,提出了基于局部特征的图像边缘检测方法,建立了判断该像素点是否位于边缘上的准则函数。本方法以像素点为研究对象,检测的边缘可能为噪声点或伪边缘点,因此利用图像边缘连续性和噪声点孤立性的特点,运用形态学提取图像边缘并克服了噪声对边缘检测的影响;然后运用形态方向梯度去除伪边缘点。实验结果表明该方法能够准确地检测出图像的边缘,并克服了传统利用微分算子检测边缘的不足。     

3D物体检测的异构方法

3D物体检测是计算机视觉的一个重要研究方向,在自动驾驶等领域有着广泛的应用.现有的前沿工作采用端到端的深度学习方法,虽然达到了很好的检测效果但存在着算法复杂度高、计算量大、实时性不够等问题.经过分析发现3D物体检测中的“部分任务”并不适合使用深度学习的方法进行解决,为此提出了一种基于异构方法的3D物体检测方法,该方法在检测过程中同时使用深度学习和传统算法,将检测过程划分为多任务阶段：1)利用深度学习方法从被检测图片中获取被检测物体的mask、物体类别等信息;2)基于mask,利用快速聚类方法从雷达点云空间中筛选出目标物体的表面雷达点;3)利用物体mask、类别、雷达点云等信息计算物体朝向、边框等信息,最终实现3D物体检测.对该方法进行了系统实现,称之为HA3D(a heterogeneous approach for 3D object detection).经实验表明：在针对汽车的3D检测数据集KITTI上,该方法与代表性的基于深度学习的3D物体检测方法相比,在检测精度下降接受范围内(2.0%),速度提升了52.2%,精确率与计算时间的比值提升了49%.从综合表现上来看,方法具有明显的优势.     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

基于周期性晶格的3D打印模型轻量化方法

为了获得3D打印模型节材效果和优化的物理力学性能,从晶格的形状多变性出发,提出了一种基于晶格的3D打印轻量化结构生成方法,由此产生的轻量化结构用来替代给定模型的实体空间.首先,提出了一种通用的晶格描述方法,进而对晶格的几何和拓扑特征进行个性化设计.其次,通过在模型包围盒内周期性排列晶格单元,构造出了实体建模所依附的拓扑...     

基于线阵CCD图像亚像素级别边缘检测方法

研究线阵CCD采集一维图像亚像素级别边缘检测方法;该方法经过图像平滑滤波、基于梯度算子边缘粗定位、拟合区间搜索、最小二乘直线拟合边缘精确定位几个步骤,定位出线阵CCD图像边缘位置;基于FPGA的图像采集卡接收基于DSP的图像处理卡下发的控制指令,接收CCD图像数据,并且负责图像数据的平滑滤波和梯度值计算,粗定位出边缘位置,然后把边缘粗位置坐标,以及截取粗定位的边缘点附近段数据上传给图像处理卡,以供后者进行下一步拟合区间搜索和最小二乘拟合精确定位出边缘位置;通过图像采集卡的前期处理,可以大大减少其与图像处理卡之间的通讯数据量,FPGA+DSP这种分工处理模式发挥了各自处理芯片的优势,大大提高了运算处理效率;实验结果表明,该算法检测精度达到亚像素级别,3σ小于0.5像素,处理时间小于90μs。     

基于改进蚁群算法的轨道图像边缘检测方法

针对轨道图像边缘检测效果不佳的问题,提出一种基于改进蚁群算法的边缘检测算法.在蚁群的路径选择中加入搜索热度因子,考虑轨道边缘的连续性和完整性后,结合灰度梯度值、像素点的相位角度和蚂蚁移动的方向性,重新设计了启发函数.动态调整了局部信息素更新公式,并基于混沌扰动改进了全局信息素更新公式.通过仿真实验验证了算法的有效性.     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数，用该乘积与原图像进行卷积运算，然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声，而且很好地检测出了图像的真实边缘。     

3D打印设备对设计类高校教学的促进作用

在我国不少设计类高校已经开始接触3D打印设备,在教学和实验中起到一定的作用,但是仅限于部分专业。文章通过对3D打印设备的分析,指出它将对设计类高校的多个专业教学起到巨大的促进作用,值得大力发展和尝试。     

基于图像分割的人脸检测

人脸检测作为人脸识别中的关键问题之一,近年来受到了越来越多的关注。通常采集到人脸信息非常丰富,无法直接判断脸部信息和背景信息。因此,需要一种有效的方法来解决图像的分类问题。数据挖掘中的聚类分析方法能对大量数据进行有效划分,为人脸检测中的图像分割提供了新的研究思路。     

基于密度聚类算法的入侵检测研究

本文联系异常检测和数据挖掘,从理论上着重分析了在入侵检测系统中应用基于密度聚类算法的必要性和有效性,从TCPDump网络数据和系统日志中提取分析后生成特征数据,通过Clenmine中CEMI实现定制的基于密度的改进DBSCAN算法进行测试,结果表明利用该算法可以较好地识别分布式拒绝服务攻击等多种入侵行为。