基于小波变换与灰色系统理论的图像边缘检测

多尺度边缘综合一直是多尺度思想中较难解决的问题。本文将灰色系统理论与多尺度边缘检测思想相结合．提出基于灰色关联分析和梯度方向的图像边缘宽度计算策略,并根据边缘宽度自适应地调整样条小波的滤波尺度参数,从而实现对有噪图像进行自适应尺度边缘检测。仿真结果表明本文算法不仅能有效地抑制噪声,而且对细节边缘和模糊弱边缘均有较好的检测效果。     

基于灰色关联分析和Canny算子的图像边缘提取算法

基于灰色关联分析和Canny算子,提出了一种有效的边缘提取策略。相对于传统边缘检测方法中的梯度图像,首次提出灰色关联度图像的概念,并对两种图像进行了对比和分析。指出并讨论了灰色序列方向对边缘方向的敏感性,采用不同方向的灰色序列可以得到和梯度方向算子相似的效果。由各方向序列下的灰色关联度图像进行边缘方向判断,沿各方向进行非极小值抑制,对灰色关联度图像进行细化,然后设定自适应高低阈值进行边缘连接。实验表明该算法具有很好的处理效果。     

基于天空分割的去雾算法在目标检测中的应用

针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不同区域建立去雾模型,用于自适应去雾;将恢复后的图像应用到道路目标检测算法中,进行去雾效果验证和道路目标检测。实验结果表明,该算法提高了雾霾环境下目标检测的准确率。     

基于GHT的多目标检测自适应终止算法

针对广义霍夫变换（Generalized Hough transform,GHT）在多目标检测时存在的难以自适应终止的问题,提出基于霍夫空间局部峰值变化率的GHT多目标检测自适应终止算法。该算法主要依据待检测图像的霍夫空间中目标区域的局部峰值之间差异较小,而有目标区域与无目标区域的局部峰值之间差异较大的规律,使得GHT类算法可以自适应终止。该算法的主要步骤为：首先通过GHT算法获得目标在原始图像中的累计匹配分布,并对分布结果进行降序排序,再根据累计峰值的平均变化率自适应地检测出多个目标识别结果,并终止算法。实验表明,相对于传统算法,该算法在没有明显增加算法复杂度的情况下,能够准确地检测出图像中存在的多目标信息,并且能够实现多目标检测算法的自适应终止。     

双背景模型自适应运动目标检测算法在交通监控系统中的应用研究

针对现有运动目标检测算法不能满足复杂场景需求,提出一种基于高斯混合模型和时间平均模型改进的双背景模型自适应运动目标检测算法。对视频图像背景进行简单背景和复杂背景自适应判别,并建立相应的背景模型。双背景模型获取的运动目标区域信息更完整、清晰。实验表明,与传统检测算法相比,新算法在去除区域孔洞、目标区域完整性具有较好性能和优越性。     

视频图像中的运动目标检测

视频图像中的运动目标检测是计算机视觉领域的重要研究内容。文章提出了一种基于背景差分的运动目标检测算法，采用高斯模型描述每一被观察的像素，建立自适应背景模型，运动检测后对图像进行阴影检测和噪声去除，消除背景扰动、阴影等带来的影响。实验结果表明该方法是有效的。     

利用时空背景模型的快速运动目标检测方法

为了弥补运动目标检测中传统混合高斯背景模型仅对单个像素建模、运算耗时的不足,通过提取背景时间统计特征和空间区域特征建立模型,针对模型中的高斯分量采用一种改进的分量个数自适应算法,并在此模型基础上,提出一种自适应迭代分块目标检测方法。通过包含区域信息的背景模型检测目标,减少在同一背景区域中目标的误判和漏判。将自适应迭代分块检测算法与背景的区域信息结合,可以在不降低检测精度的前提下大大提高算法执行速度。实验结果表明,相对于传统算法,本文检测法检测结果信噪比更高,目标更加完整,运行速度平均提高了22%。     

一种改进复杂场景下小目标检测模型的方法

复杂场景下小目标检测是目标检测领域的研究难点和热点。传统的two-stage和one-stage检测模型都是通过预先设定锚点框与真实目标框的交并比（intersection over union,IoU）阈值来划分正负样本集,同时这组预定义的固定锚点框还用于获取候选框,进而得到检测结果。然而,在复杂场景下,预先设定的IoU阈值会带来正负样本不均衡问题;针对小尺寸目标（船舶）检测,预定义的锚点框也很难保证覆盖目标的位置和密度,因此限制了检测模型的准确率。为了解决上述问题,提出自适应锚点框（adaptive anchor boxes,AAB）的方法优化目标检测网络,采用基于形状相似度距离的聚类算法生成锚点框,提高目标区域定位技术;采用利用聚类的锚点框计算自适应IoU阈值（adaptive threshold selection,ATS）,划分正负样本,保证样本均衡。对复杂场景下的小目标（船舶目标）进行检测,实验结果表明,采用自适应锚点框方法和自适应阈值选择方法的目标检测模型在复杂场景中检测均能提升准确,对比faster R-CNN、FPN、Yolo3和pp-Yolo,融合了上述新方法的模型均提升了检测准确率,分别提升了9.6、2.6、9.8和9.9个百分点。     

基于二维IFS-CFAR算法的海杂波微弱目标检测

一直以来,统计与分形理论是分别应用在目标检测中的;CFAR检测方法采用自适应门限代替固定门限,能根据被检测点的背景噪声、杂波和干扰的大小自适应地调整;文章首先介绍了CFAR恒虚警目标检测方法,给出2D-IFS二维迭代函数系统)预测误差算法;其次运用2D-IFS方法计算了雷达回波的预测误差,结合CA-CFAR统计学目标检测提出一种新的海杂波微弱目标检测方法;最后采用实测海杂波数据进行验证,仿真结果表明文章所提方法对低目标回波信杂比具有良好的检测能力。     

基于二维主成分分析的运动目标检测

运动目标检测是计算机视觉研究的重要领域,在视频监控和智能交通等领域应用广泛.本文提出了一种自适应的运动目标检测方法.该方法采用二维主成分分析建立背景模型,通过比较重建图像和原图像的差异来检测运动目标.为了自适应动态变化的复杂背景,该模型由增量算法在线更新.实验结果表明,提出的方法可以在复杂变化的动态背景环境下进行有效的运动目标检测.     

自适应不同条件的车牌检测算法

车牌检测(License Plate Detection, LPD)是自动车牌识别中(Automatic License Plate Recognition, ALPR)主要步骤,针对不同条件下车牌检测速度慢和检测精度低的问题,提出了一种改进改进自适应形态闭和开操作的车牌检测算法,该算法首先采用局部直方图对车牌图像均衡化处理,使用自适应形态闭操作对所有灰度化区域进行平滑处理,之后引入局部自适应阈值处理,能得到平滑图像和被分离的车牌,最后采用形态学开操作,将外部区域和车牌数连接部分分离。实验结果表明,所提方法的检测精度高于其他算法,同时,平均检测时间少于其他算法,适合不同条件下实时车牌检测。     

量子衍生图像边缘检测方法

利用量子比特表示图像像素的灰度,用双量子位叠加态来描述两像素之间的关联,通过线性厄米算符在该量子叠加态中的平均值来判断像素的边缘特征,由此建立了一种新的图像边缘检测方法,并从概率论的角度对该方法的合理性给予解释。理论和计算机仿真结果均表明该方法具有视觉补偿功能,能检测出图像中高亮度和低亮度区域的灰度微弱变化引起的边缘效应。     

一种在低照度情况下自适应滤波牌照定位算法

提出一种在低照度情况下进行自适应滤波牌照定位算法.该方法首先设计一种×字形窗口的自适应中值滤波改进算法,对车牌灰度图像进行中值滤波滤除噪声.接着采用Sobel边缘检测器进行车牌边缘检测;再将Sobel算子卷积结果采用最大类间方差法阈值分割算法对图像进行预分割,将图像分割为目标和背景;接着采用模糊分割方法求得最终分割阈值...     

基于灰预测模型的边缘检测新方法

提出了一种基于灰预测理论的边缘检测新方法。该方法基于GM(1,1)模型，根据图像不同区域间灰度级有较大变化的特性，由同行(列)待检测像素之前的若干像素灰度值建立灰预测模型，并利用模型预测此像素灰度值，比较预测灰度值与实际灰度值之间的差值，由差值来判断该像素是否为边缘像素。通过对不同类型测试图像利用本算法进行边缘检测效果比较表明，该算法能取得比较好的效果。     

一种基于Sobel算子和灰色关联度的图像边缘检测方法

把灰色关联度与图像的边缘检测相结合,提出了一种利用Sobel算子作为参考序列,通过计算灰色关联度来检测图像边缘的新方法,并介绍了其原理和算法实现过程。仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于向量排序的图像边缘提取方法

在传统的图像边缘提取的过程中,往往只是注重像素点的灰度值,忽视了相邻像素点间的灰度跃变的方向信息,从而导致了得到的图像边缘的连接性不好,而且缺失了许多重要的细节.结合向量排序统计提出了一种新的边缘提取的方法,利用该方法分别得到图像R,G,B三分量的边缘强度,同时应用非极大抑制和自适应阈值对所得图像边缘进行处理,最后将处理后的三分量边缘信息融合,得到了最终的边缘图像.实验结果表明,该方法很好的保证了图像边缘的连续性和准确性.     

基于动态轮廓模型的维氏显微硬度自动测量

动态轮廓模型是提取图像中物体轮廓的一种有效方法。文章首先对FeAl/ZrO2陶瓷基复合材料的压痕图像进行了自适应阀值分割,然后利用改进的动态轮廓模型对其进行了轮廓提取,得到了压痕的对角线长度,进而计算出材料的硬度。并对传统方法和本文提出的方法的误差做出了对比分析。该方法可以对显微组织维氏硬度试验压痕准确地提取,并自动计算维氏硬度,从而实现了维氏显微硬度测量的高效率与自动化。     

一种改进的Canny算子在机器人视觉系统中的应用

在对传统Canny边缘检测算子深入分析的基础上,利用统计原理研究和分析图像灰度值数据,提出一种改进型Canny算子.与传统的Canny边缘检测算子相比,改进型的Canny算子将边缘点邻域内灰度相似的像素点的灰度平均值代替原灰度值,并引进一种自适应的阈值确定方法,根据灰度值信息确定高低阈值,在保持边缘提取准确性的同时增加了双阈值设置的自适应性.最后将改进型的Canny算子应用于工业机器人视觉系统中,并与传统的Canny算子的实验结果进行比对分析.实验结果表明,改进型的Canny算子更好的权衡了噪声和边缘之间的关系,对待测物体的边缘提取效果更好.     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

基于最近邻链的车牌检测算法

根据车牌字符的几何特征和空间排列规则,提出了一种基于最近邻链的自适应车牌检测算法. 首先,采用自适应阈值分割算法消除光照变化的影响,并采用连通体分析方法消除部分干扰目标; 其次,根据车牌字符连通体的区域特征,将宽度和高度都相近的连通体构造为最近邻连通体对, 并将最近邻对连接为最近邻链,从而检测出所有可能的车牌区域; 最后,利用两组不同长度的方波模板分别对车牌的水平和竖直投影进行匹配, 它能够验证候选车牌区域的有效性,并求解所有车牌字符的最佳切分位置. 实验表明,该算法能够自适应地处理光照不均匀、尺度变化、透视失真、背景干扰以及质量退化等因素的影响, 可以有效地检测出复杂背景中的车牌区域.