结合形态学的Hough变换虹膜定位改进算法

虹膜定位是在虹膜图像中确定虹膜的内外边界,是虹膜识别过程的首要环节。Hough变换是虹膜定位的经典算法,但对原始图像质量要求高,算法运算时间长。依据人眼图像的灰度特性,结合形态学处理提出一种改进的Hough变换定位新算法。对图像进行灰度二值化运算后进行形态学处理分离出瞳孔,结合Sobel算子边缘检测出瞳孔边界点,通过最小二乘法拟合定位出虹膜内边界;在先验知识和形态学处理的基础上对图像进行Hough变换,定位出虹膜的外边界。实验表明所提出的算法性能比传统Hough变换有较大提高,可用于实际虹膜识别的预处理过程中。     

视觉机器人对于快速道路检测问题的研究

针对复杂环境下视觉机器人道路检测算法的抗干扰性差、速度慢的缺点,为抑制噪声的干扰,提高算法的运行速度,提出了一种基于边缘和区域相结合的道路检测算法。算法先采用Canny算子求出图像的边缘,再根据道路的色彩信息进行自适应的区域分割,然后结合图像边缘信息和区域分割信息确定出道路的边界区域,最后对该区域的边缘图像进行Hough变换检测道路。实验结果表明,边缘提取的检测算法有效地提高了算法的抗噪性能和运行速度,具有更好的道路检测效果。     

基于边缘检测的雨刷片测试图像特征提取

在现代图像处理中,Sobel算子和Hough变换是两种应用广泛的图像边缘检测技术。运用经典的Sobel算子和改进的Hough变换,对雨刷片工作后的水痕图像进行边缘检测和分析,有效地提取出了图像中的圆弧信息。实验表明,改进的算法在保证了检测精度的同时,减少了运算时间,为汽车生产商提供了评判雨刷片质量的依据。     

一种基于彩色图像边缘检测的道路检测方法

针对非结构化道路的特点,提出了一种基于色度差的边缘检测算法。算法将原始图像的RGB颜色空间转化为L*a*b*颜色空间,利用L*a*b*颜色空间中明度与色度分离的特点,通过对色度差的信息融合提取图像道路边缘,排除了大面积阴影、水渍对真实道路边界的干扰,有效地提高了道路识别的准确性。通过Hough变换提取出图像边缘得到道路边缘信息。实验表明,该算法的优点在于对道路形状不敏感,需要先验知识少,能够很好地过滤道路中存在的水渍、阴影等干扰。     

强光照条件下车道标识线识别与跟踪方法

为了实现强光照条件下车道标识线的准确识别和跟踪,采用基于直方图锥形拉伸算法对原始图像进行处理,以提高图像整体对比度,利用SUSAN算法提取出处理后图像中的边缘,对边缘图像利用定向边界跟踪算法进行滤波,利用Hough变换提取出车道标识线参数完成对道路图像中的车道标识线的识别,最后采用建立梯形感兴趣区域来实现对车道标识线的实时跟踪.试验结果表明该方法具有较强的鲁棒性和较好的实时性.     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验;然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验;实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

基于灰度形态学的烟叶图像边缘检测

烟叶图像的边缘提取是利用计算机进行烟叶检测与分级的关键步骤。为了能够在提取边缘的同时保留图像的边缘细节信息,该文针对CCD获取的烟叶原始图像,利用灰度形态学的算法,构造了全方位的结构元素进行边缘的提取。实验证明,基于灰度形态学腐蚀变换的边缘检测算法是有效的。     

基于数学形态学与小波变换的边缘检测算法

针对传统边缘检测方法去噪效果不理想的情况,分别对数学形态学和小波变换基本理论进行了分析,提出了一种基于数学形态学和小波变换的边缘检测方法。首先利用数学形态学基本运算对含有噪声的图像进行滤波,然后利用小波变换原理提取图像边缘。通过Matlab仿真分析,对比其他几种边缘检测算法,验证了该方法能够有效地检测出图像的边缘。     

形态学高帽变换与低帽变换功能扩展及应用

数学形态学广泛应用于图像处理和模式识别领域。对形态学高帽变换与低帽变换功能进行扩展,提出了假高帽变换的概念和低帽变换的新方法。用形态学滤波对原始图像进行平滑处理,由形态学膨胀运算调整结构元素尺度,依据检测图像边缘熵确定权值进行融合。改进了传统形态学边缘检测算法,改善了亮背景上暗物体的边缘提取,对数字图像进行处理,满足了实际需求。实验结果表明,该算法能有效抑制噪声,且边缘清晰准确,效果优于经典的边缘检测算法。     

改进的彩色图像边缘检测算法仿真研究

研究彩色图像边缘检测准确性问题,因图像边缘保护能力较差,且图像在传输过程中特别容易受到噪声的干扰,造成了图像边缘模糊等问题缺陷.针对传统边缘检测算法存在的边缘分辨率较低的问题,提出了数学形态学彩色图像边缘检测改进算法.首先将采用数学形态四运算,膨胀、腐蚀、开、闭等变换以及组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进型形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性.仿真实验结果证明,改进的算法能有效提取准确的边缘信息,且又具有很强的抗噪性,为图像边缘检测提供了参考.     

采用多结构元素模板的形态学边缘检测新算法

边缘检测是图像处理和计算机视觉中的基本问题。为了能有效地捕获目标的主要特征,提出了一种基于Ostu阈值分割和数学形态学的灰度图像边缘检测新算法。利用Ostu算法找到一个最佳的阈值,根据这个阈值把灰度图像二值化,构造四个不同方向的3×3或5×5的结构元素模板,采用数学形态学中的腐蚀算法利用元素模板来腐蚀二值图像。自适应地均衡腐蚀结果,检测出图像边缘。仿真和分析表明同传统边缘检测算法相比新算法运算量小,检测的边缘轮廓清晰,连续性好,可以很好地提取图像中富含的边缘信息,且抗噪声性能较好,假边较少,适用性强。     

基于遗传算法和数学形态学的道路识别方法

随着将智能车辆适用环境拓展到乡村道路、荒漠、越野环境等非结构道路,机器视觉导航的难度进一步加大,成为当今人们研究的重点。文章针对智能车辆行驶的复杂道路环境提出一种新的道路检测与识别的算法。该算法采用了遗传算法对道路图像进行分割,并在此基础上对已分割图像进行数学形态学处理,然后利用canny算子进行道路边缘检测,最终得到准确清晰的道路边界信息。实验结果表明,该方法可以有效地分割出道路区域,对多种复杂路况具有良好的适应性。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

基于非张量积小波变换的足迹边缘提取算法

文章针对张量积小波图像边缘检测方法不能有效保留边缘信息的情况,提出了一种注重边缘保护的足迹边缘提取算法。该算法将非张量积小波变换和形态学理论引入到足迹边缘检测中,并利用合理的融合规则融合足迹边缘,使得到的合成图像清晰、全面地再现足迹边缘,为侦察人员确定犯罪分子提供有利的依据。     

一种面向SAR图像的多窗口道路边缘检测算法

道路作为一种重要地物信息,在城市规划等领域中起着不可替代作用。合成孔径雷达（SAR）具有全天候等成像特点,因此基于SAR图像已有许多道路边缘检测算法。提出一种多窗口道路边缘检测算法,来解决相干斑噪声引起的道路边缘误检率高完整性差等问题。该算法首先以加权局部熵的大小为基础,评估SAR图像中像素点落在道路上的概率,然后以该概率为依据,确定每个像素点多窗口融合的权值。最后,对不同大小窗口的边缘检测结果进行加权融合。通过对不同区域的SAR图像切片进行实验,结果表明加权融合后得到的道路边缘的完整性及对噪声的抑制效果均有所提高。     

基于最大熵和形态学的边缘检测

利用最大熵图像分割理论和形态学方法相结合,提出了一种新的灰度图像的边缘提取方法。以一维最大熵和二维最大熵为例,分别与形态学方法结合进行了实验对比。试验表明,该方法与传统边缘检测方法相比,能够在无需参数输入的前提下自动提取出图像边缘,且检测到的边缘都是单像素线条;可以在尽量保留图像最大信息量的基础上,快速准确地提取出单像素封闭边缘。     

一种基于形态学的边缘检测算法

在对含有噪声图像进行边缘识别时,为了提高识别精度,提出一种基于形态学的边缘检测算法。准备两种不同尺度的形态学结构元素,并对图像进行形态学降噪处理;用不同类型的形态学结构元素对处理后的图像进行边缘检测,获得不同结构元素下的边缘图像;根据每张边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行合成。这样,即使在有噪声干扰的条件下也能获得较为理想的图像边缘。实验结果展示了该算法相对于其他边缘检测算法的优势,突出其在保持图像边缘清晰的同时还具有较强的噪声去除能力,有力地说明了该算法的有效性和实用性。     

一种形态学多小波变换多聚焦图像融合方法

给出了一种形态学多小波变换多聚焦图像融合方法.该方法利用不同的小波对待融合图像进行小波分解,采用形态学灰度形态梯度边缘检测算子对低频子图像进行边缘检测,以更好地保存图像边缘细节信息;采用加权平均方法选择高频系数.对两组多聚焦图像进行实验表明,采用这种方法能够更好地保留图像边缘信息,融合效果明显优于传统的图像融合方法.     

一种新的高分辨率SAR图像道路提取算法

针对高分辨率SAR图像中道路目标难以有效提取的问题,提出一种新的高分辨率SAR图像道路提取算法,它结合了参数化内核图割和数学形态学算法。利用参数化内核图割对高分辨率SAR图像中的道路目标进行初级分割,用数学形态学填充空洞,平滑道路边缘;基于道路的几何特征,使用矩阵度、改进的长宽比、复杂度等因子去除虚警;针对处理过程中出现的道路断裂情况,利用数学形态学提取道路目标的中心线,同时根据线段邻近性、方向一致性准则对其断裂部分进行连接,用数学形态学还原道路宽度,得到道路提取结果。实验结果表明该算法不用进行SAR图像预处理,也可以有效抑制相干斑噪声,并且能准确、较为完整地提取道路目标。     

一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。