智能车交通灯识别

实现圆形交通灯识别是智能车智能化重要的一步,该文提出了一种智能化识别算法。首先对交通灯利用颜色阈值方法进行图像二值化,对图像形态学处理;然后利用交通灯被一个矩形框包围这一形状特征,确定交通灯的范围以及亮灯的位置;最后利用模板匹配,完成交通信号灯的识别。     

基于特征图像方法的运动物体检测

在传统特征图像方法基础上,提出一种基于分块边缘特征图像的运动物体检测算法.该算法对背景图和叠加图进行分块处理,分别提取出背景图与叠加图的最大特征向量,求得背景图与叠加图的各块投影系数,进行运动物体的匹配检测.在实际处理时,采用了canny算子获取边缘图的方法来进行检测,以消除光照等外界干扰对检测的影响.     

引入Harris角点检测的运动图像边缘轮廓提取

对运动目标图像进行边缘轮廓特征提取,提高运动图像的电子稳像性能,从而准确实现运动目标的检测和识别.提出了一种基于Harris角点检测的运动图像边缘轮廓提取算法,对运动图像进行仿射不变闭合区域增强处理,采用Kalman滤波和运动状态相邻帧补偿的方法进行运动图像Harris角点检测,提高相邻两帧之间边缘轮廓的角点检测能力,实现了运动图像边缘轮廓的提取和稳像处理.仿真结果表明,用该方法进行图像边缘轮廓角点提取的准确度高且稳健性好.     

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

基于小波变换与多帧平均法融合的背景提取

利用虚拟检测圈法对道路交通视频进行处理,可以检测出道路上运动车辆的车速.而虚拟检测圈法首先需要得到准确的视频道路背景图像.针对交通道路视频,在背景提取算法仿真分析的基础上,利用小波变换,将提取到的背景图像进行一级小波分解,得到各分量图像.通过对水平分量、竖直分量及对角分量进行去噪处理后,再采用小波重构得到最终的背景图像.采用该方法所得背景图像能有效地减少主要背景提取算法中存在运动车辆轨迹的缺点.     

基于形态学的红外图像边缘检测

为了提高红外图像边缘检测的性能,提出了一种基于形态学的红外图像边缘检测算法,改进了仅依靠单一方向和采用固定方向权重的边缘检测算法.通过使用多方向结构元素对图像边缘进行提取,采用方向自适应权重进行加权融合,得到图像边缘检测的结果.实验结果表明,该方法能够有效地抑制图像中的噪声,提取的图像边缘更加完整,提高了红外图像边缘检测的效果.     

基于小波域相关算法的半易损水印技术

给出了一种在小波域中嵌入有意义半易损水印的算法,该算法利用特征向量对图像进行的几何变换,能够在不需要原图的情况下对数字图像水印进行提取认证.该算法一方面具有良好的鲁棒性,在图像遭受几何攻击以后仍能检测到水印信息;另一方面具有较好的敏感性,既允许对图像进行一般性处理,又能检测并反映出被篡改区域.实验结果表明:该算法不但对常见信号的处理操作具有很好的鲁棒性,而且还具有良好的抗几何攻击能力.     

B样条函数的火箭弹图像边缘检测算法

本文研究一种基于B样条函数提取火箭弹图像边缘的检测算法.该算法的基本思想是利用B样条函数先对火箭弹图像进行拟合,然后求拟合曲面的二阶导数,根据二阶导数的零交叉点来检测图像的边缘.通过该算法与几种传统边缘检测算法的实验对比,证明了基于B样条函数的边缘检测算法可以较好地解决火箭弹图像边缘的提取精度与图像噪声的抑制能力之间的矛盾,较目前常用的算法在火箭弹图像边缘检测方面有更大的优势,该算法得到的目标图像边缘清晰、分割效果好,同时该算法简洁、易于实时处理,在火箭弹图像边缘检测方面有较好的应用前景.     

基于Wavelet snake的SAR图像中水岸边缘检测算法

利用àtrous小波变换、图像块生长和wavelet snake算法相结合,提出了一种检测SAR图像中河岸边缘的新算法.为了检测河流的边缘,首先利用小波变换对SAR图像进行小波分解,得到较低分辨率的图像,降低闪烁和噪声的影响;然后用图像块生长提取河流的初始边缘;最后把初始边缘作为Snake算法的起始点,利用wavelet Snake算法提取河流的精确边缘.在实验中,利用该算法提取了淮河SAR图像中的一段水岸边缘.     

基于各向异性扩散滤波的边缘提取算法

针对Canny边缘检测算法在滤波方面的不足,提出了一种基于各向异性扩散滤波的边缘提取算法,用各向异性扩散的平滑方式代替Canny算法中的高斯滤波,弥补Canny算法中滤波方法的不足.研究了各向异性扩散的P-M方程,得出了其离散化形式,并确定了其中分量的表达式,进而用Matlab编程实现了对图像的各向异性扩散处理.通过误差和结构相似度评定,得出经过各向异性扩散处理的图像滤波效果优于高斯滤波.对经过两种滤波方法处理后的图像用Canny算法提取边缘,通过灰度值比较,验证了各向异性扩散处理在边缘特征保持方面优于高斯滤波.     

基于统计模型和活动轮廓的运动目标检测与跟踪

提出了一种静止背景视频序列中运动目标的检测与跟踪方法.对连续两帧图像序列作差分计算,对差分图像的灰度分布建立混和高斯模型(GMM),采用期望最大化(EM)算法估计模型参数,并引入基于GMM模型的边界检测算子,进而构造运动边界图像.改进静态图像轮廓提取算法GVF-Snake,利用运动边界图像修改GVF-Snake的能量项,使其能够提取视频序列中运动目标的轮廓.采用一种根据目标区域自动初始化轮廓的方法解决Snake初始轮廓需要手工设定的问题,采用一阶差分预测算法加快轮廓收敛速度.利用改进的GVF-Snake算法对运动目标进行检测与跟踪,结果表明,该算法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.     

链码跟踪直线提取算法在道路标志判断中的应用

为了准确快速提取和识别道路中的标志线,提出了一种基于链码的道路标志线提取与识别算法.道路中的标志线在图像处理中可以作为直线处理,整个提取算法分为3个步骤:首先,通过对道路图像的预处理去除噪声,利用Canny算子提取边缘;然后,对边缘图像进行链码编码并进行直线判断;最后,对属于同一条直线的直线段进行线段连接,过滤短的非道路标志线.实验表明,该算法可以准确快速地识别城市道路中的标志线和道路边缘,达到了实时准确的要求.     

基于改进SUSAN算子的图像边缘检测算法

首先介绍了SUSAN边缘检测算子的原理;然后对算法中灰度差阈值的选择方式进行了改进,采用一种自适应选取阈值的方法取代算法中人为的设定阈值,使其在各种不同对比度的图像中都能正确提取出图像边缘;最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较.实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点.     

基于边缘检测终止条件的区域生长算法

提出了一种边缘检测和区域生长分割算法相结合的病灶区域提取的新方法.通过最大最小曲线流保留边缘算法对图像进行平滑去噪,利用区域生长算法对图像进行分割.采用Canny算子做为分割的终止条件.实验证明,该方法能够精确的提取出病灶区域.     

基于缺陷特征与种子填充的轮毂缺陷检测方法

基于轮毂缺陷目标的尺度特征,利用纵横两个方向的"山峰"定位,获得轮毂铸件缺陷像素小块,并提取出缺陷目标区域;对目标区域进一步提取种子点,建立生长障碍,对种子进化处理以及图像二值化,利用改进的种子填充法将缺陷用二值图像完整清晰地表达出来,实现基于缺陷目标特征与种子填充法的轮毂铸件缺陷检测方法.以实际检测中4种常见的不同类型缺陷、不同结构部位、不同背景等的轮毂缺陷图像作为实例,对100幅缺陷图像进行算法验证.实验结果表明,该算法不需要对图像进行预处理,可以检测各种缺陷类型,对对比度低、高噪声、产品结构和图像背景复杂、光照不均匀的图像也能进行处理,不需要标准参照图片,运算速度满足工业应用的要求.     

燃烧器射流图像几何参数提取的研究

提出一种燃烧器射流图像分析及特征参数提取的新方法．在实验室,通过基于示踪剂的可视化手段,获取了燃烧器出口冷态射流图像;用Visual C＋＋语言编程,对图像进行了图像灰度变换、中值滤波、边缘检测、二值化,图像分割与轮廓提取等处理,设计并优化了燃烧器射流流场分析及特征参数提取算法,提取了射流的边缘轮廓;并实现了对描述射流特征参数的定量提取．     

车辆行车实时目标区域特征提取及分类训练

为了实现前方车辆智能实时检测,文中提出了一种基于梯度方向直方图特征和支持向量机的前方车辆检测的区域检测算法.采用一种改进Hough变换直线检测算法提取图像感兴趣区域;对图像感兴趣区域的梯度方向直方图(HOG)特征进行了提取,利用支持向量机(SVM)训练得到的分类器进行前方车辆的检测.实验结果表明:文中提出的区域检测算法能有效实时、准确检测前方车辆;车辆检测用时较梯度方向直方图和支持向量机直接检测算法降低了30%,识别率提高了1.6%.     

一种基于改进SUSAN算子的钨矿初选算法

以改进SUSAN算子为核心的钨矿石初选算法是一种针对性较强的算法.此算法采用改进的SUSAN算子的边缘提取方法,利用形态学开运算估计背景,与原始图像全局灰度进行几何运算来减弱背景的复杂纹理和噪声对图像的影响,以此来改善目标边缘提取的效果,并结合SUSAN基于图像灰度相似性比较的边缘检测算法.它不需梯度的计算,具有算法简单、定位准确、抗噪声能力强等特点,提高了算法效率,实现二者的优势互补,提高图像边缘检测的效果.