基于MMX^TM技术的图象边沿和边沿交点的快速提取

介绍了Ｉｎｔｅｌ最新推出的ＭＭＸ＾ＴＭ技术及其在图象边沿和边沿交点提取快速算法实现中的应用。边沿提取的速度可达３０帧／秒。     

彩色图像的边沿提取研究

针对彩色图像边沿提取处理时，不能套用比较简单而成熟的黑白图像处理文提出应用０ＨＴＡ－Ｋ－Ｌ变换，将含彩色图像调色板转换为彩色特征坐标，然后分别按三种特征单色化为２５６级黑白灰度Ｘ１，Ｘ２，Ｘ３，并分别进行常规边沿提取，最后将三图叠加，即可得清晰且细胞的边沿轮廓图。     

基于单边沿触发器的双边沿时序电路设计

从同步时序电路的逻辑功能入手,介绍了基于单边沿触发器的双边沿同步时序电路设计方法,并引出脉冲倍频器,最后给出了基于单边沿触发器设计双边沿时序电路的方法。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

基于字符阶梯边沿调整的文本水印算法

提出一种新的字符特征类二值文本图像水印算法。该水印算法通过调整二值文本图像中非水平笔画与非竖直笔画的阶梯边沿,来改变每行文本图像上下两半部分黑色像素数总和之比值,并利用比值关系来达到嵌入一位水印比特的目的。水印检测和提取时只要识别出这种比值关系就能解码出水印比特信息。将该水印算法分别施用于中文和英文两类语种的文本图像,实验结果表明该算法具有良好的视觉不可见性,以及对尺度放缩、加噪、剪切、多次打印扫描等操作和攻击的鲁棒性。     

基于边沿检测的Maxicode边界定位算法

提出了一种新的基于边缘检测的方法，实现对Maxicode边界的精确定位。该算法不需要对图像进行复杂的计算，如傅立叶变换，图像旋转（坐标映射），矩不变等，它充分利用了Maxicode本身的特点，包括中心定位标志、方向模块、条码四周的静区等，并用相对简单的计算来实现对Maxicode的定位。     

基于神经网络的特征结构并行提取算法研究

为并行实时地提取数据协方差矩阵的信号特征结构,从特征结构并行提取的约束优化问题表示入手,利用梯度方法和迭代法构建了可实时并行提取信号特征向量矩阵的直接神经网络求解法和基于能量函数的神经网络求解算法,并形成了相关迭代学习算法.理论分析表明当数据样本足够大时,算法的迭代结果就是数据协方差矩阵信号特征结构的一个良好估计,同时计算机仿真亦验证了算法的有效性.另外,仿真试验亦表明可以通过调节加权矩阵D的对角元来控制算法的收敛速度.     

计算机视觉模型的研究与发展

按照什么模型发展计算机视觉是当前急待明确桑有富争议的问题。本文介绍了 以Ｍａｒｒ框架为基础的传统高觉模型并分析了它潜在的问题，阐述了目的视觉模型的特点及一些研究课题，在此基础上，提出了我们对通用视觉与目的视觉之我的一些看法，最后对计算机视觉进一步研究应重视的领域提出一些建议。     

基于蚁群算法的甲状腺结节超声图像边沿检测法

甲状腺结节超声图像一般较为模糊不易判断识别，该文基于蚁群算法，提出了一种新的甲状腺结节超声图像边沿检测方法。针对超声图像特点，算法对信息素及食物源的设置进行了改进，阐述了该算法，同时将检测结果与Canny算法和Sobel算法的结果进行了比较，实验证明该改进的蚂蚁算法提取出了清晰的甲状腺结节的边沿。     

基于自治体搜索和区域相关性的图像边沿检测算法

图像分割在图像工程中位于重要位置 ,广泛应用于各个领域。提出了基于自治体搜索和区域相关性的图像边沿检测算法 ,算法中有 4个种类的自治体 ,分别完成 0°、4 5°、90°和 135°方向上相邻区域灰度相关性和其几何特征相关性的比较 ,来判别图像中的边沿点 ,完成边沿检测。利用该算法对样本图像进行处理 ,取得了较好的实验结果。此外 ,将该算法与同类算法 (例如 Prewitt算子、Sobel算子、Canny算子 )进行了比较 ,比较结果说明本文算法在某些方面具有一定的优势。     

一种改进型多尺度DDCM主动轮廓模型边界检测算法

尽管主动轮廓模型 (Active contour model) ,或称 Snakes,近年来已经在计算机视觉和图象处理领域得到了广泛的应用 ,尤其在边界检测方面也表现出良好的性能 ,但是由于传统的 Snakes图象边界检测对初始轮廓线的位置十分敏感 ,因而限制了它的更广泛应用 .为了克服这一问题 ,提出了一种改进型多尺度 DDCM主动轮廓模型的边界检测算法 ,该算法是首先通过分阶段改变轮廓曲线的内力 ,使轮廓曲线的曲率能自适应地进行多尺度调整 ,进而改变了轮廓线的柔性和刚性 ,使之能够更好地与目标边界匹配 .实验结果证明 ,该算法在计算速度和边界检测精度上 ,均优于传统的主动轮廓边界检测算法 ,因而具有一定的实用价值 .     

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。     

异型冲压工件边缘检测算法研究

为了不断提高产品质量和生产效率,冲压工件缺陷自动在线检测技术在生产过程中显得日益重要。针对这一需求,提出了基于小波分解的神经网络和快速模糊算法相融合的异型冲压工件边缘检测算法。神经网络算法的引入,克服了快速模糊算法在图像边缘检测时高频信号得不到有效利用和检测速度较慢等问题。在提高算法效率的同时,增强了算法的适应性。与经典的边缘检测算法相比较,得到的处理图像更加清晰完整。     

一种基于模糊划分的边缘检测算法

基于信息论中最大熵原理，提出了一种新的基于模糊划分的边缘检测算法，并介绍了模糊概率和用条件概率与条件熵来定义模糊划分熵的概念以及模糊划分的原理。该算法是利用自然划分以及梯度图像模糊划分的关系，在条件概率与模糊划分熵的基础上，通过最大模糊熵原则来实现图像分割中最优阈值的自动提取，以实现图像的边缘检测。通过不同类型测试图像的边缘检测结果比较表明，该算法用于边缘检测能获得很好的效果。     

Inspection Analysis for Edge Detection of Small Objects Using CAItech''''s 3D Laser Comparator

in many industrial situations, edge detection of 3-D objects is frequently required.Typical examples are found in dimension control and machine vision applications .As technology advances, the capability of computers has greatly improved. This paper describes our system used to inspect objects and the method used to find the edges for those objects with planar and cylindrical faces from a huge set of cloudy points. First the systems are based on opto-electronic techniques and hence are non-contact. The system is designed for a small objects less than 2 x 2 x 2 cm. The edge resolution is based on the principle of spacial geometry of a triangle in the cartesian coordinate system. The system can be considered scanning linearly with a rotation stage of a mirror,on the other hand the object circumferentially rotate on a turntable. After obtained surface profile of 3-D objects,we then apply for a geometrical method to find the edges. The performance of the systems is demonstrated with different sizes test objects.     

基于GPN径向基神经网络的边缘检测方法

在基于神经网络的边缘检测模型中,大部分模型的检测效率不高,检测效果也有待提升.本文受人眼视觉系统特性的启发,提出了一种新的基于GPN （Gaussian Positive-Negative）径向基神经网络的边缘检测方法.首先,本文构造了一种新型的基于GPN径向基神经网络,将图像中经高斯滤波预处理后的每个像素点作为GPN径向基神经网络的中心点,并将其输入神经网络;然后,在每层之间使用卷积神经网络的部分特性进行处理,经过扩展层和隐层计算后输出结果;最后根据输出结果利用轮廓跟踪的方法将边缘提取出来.本文在检测效果以及效率这2个方面进行了相应的数值实验.针对合成图像以及部分灰度不均匀图像,相较于脉冲耦合神经网络模型、遗传神经网络模型以及卷积神经网络模型,本文模型在效率上得到了提升,且边缘的连通性更好.实验结果表明,本文提出的基于GPN径向基神经网络的边缘检测方法是一种新的、有效的边缘检测方法,比传统的神经网络边缘检测方法效率更高,且在检测效果上也有所提升.     

基于自适应免疫遗传算法的边缘检测

为了使检测的图象边缘结构定位好 ,并且产生连续的精细边缘 ,同时能滤除边缘图象中的噪声干扰 ,基于费用函数最小化方法 ,提出了一种自适应免疫遗传算法用于图象的边缘检测 .为了保持群体中个体的多样性 ,同时加快算法的收敛速度 ,该算法中交叉、变异和免疫算子采用了自适应变化而非固定的概率 ,同时免疫算子采用了几何形式的退火选择方案 .由于该算法能够有效地利用局部边缘结构的一些先验知识和特征信息制作成免疫疫苗 ,其局部搜索能力较经典的遗传算法有很大的提高 .该方法用于灰度图象时产生了令人满意的检测效果 ,并对噪声有较好的抑制作用     

基于小波变换的多尺度边缘检测

基于Ｍａｒｒ边缘检测算子，以高斯函数的一险峰 ２阶导数作为小波，提出具有２个可变参数的多尺度图象边缘检测方法。本文所提出的多尺度边缘检测方法适应于计算机视觉分级识别中边缘检测的需求。     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

一个新的边缘检测策略

梯度阈值的选择以及弱边界的检测是二维图像边缘检测技术中存在的复杂问题。为了克服这两个问题,本文提出一个新的边缘检测策略。根据新的策略,二维图像被看作连续函数在二维规则网格上的离散采样,而真实边界线被看作分布在二维规则网格中的连续隐曲线。我们首先从图像中检测及追踪那些包含连续边界线的网格。然后根据这些网格确定离散的边缘。由于新的策略可以利用连续边界的连通特性有效地去追踪那些未检测出的边界,因此新的边缘检测策略可以比较好地克服上述两个复杂问题。