灰度矩边缘精确定位法的测量应用探讨

针对运用图像处理法进行二维尺寸精密测量的关键问题之一——图像目标边缘精确定位,提出了运用一维灰度矩亚像素边缘定位原理,分别计算若干条扫描线边缘,通过统计计算确定直线边缘的方法;在分析图像目标边缘像素灰度分布的基础上,确定了计算用像素点的选取原则;通过试验验证了这种方法的可行性,即采用一维灰度矩亚像素定位和统计计算方法可以进行精确边缘定位,并实现高精度几何尺寸测量;试验表明文中采用的方法定位精度可以达到小于0．01像素的水平。     

一种基于梯度方向信息的运动目标检测算法

运动目标检测是智能视觉监控系统的基本内容。在对现有算法分析的基础上提出了一种基于梯度方向信息的运动目标检测算法。首先利用方向信息提取视频图像序列中每一帧的边缘梯度图,然后通过改进传统帧差算法,采用uint8数据格式处理含有时间关系的两帧图像以此确定运动目标粗略边界,经运动目标连通域识别,最后结合梯度方向信息准确提取运动目标的完整轮廓。实验结果表明,该算法克服了传统帧差算法不能准确定位目标的缺点,在室内外复杂背景下均能准确地提取完整的目标轮廓。     

基于中心定位算法的细胞双光子显微图像分割

细胞双光子显微图像中存在边界模糊不清、噪声严重以及背景复杂等问题,使用现有方法提取边缘的结果不够理想。为此,提出了一种有效定位细胞核、提取边缘的新方法。采取由粗到精的分割策略,逐步提取出细胞核的边缘:首先,用C-均值聚类算法对图像进行分类,大致分出细胞核、细胞质和细胞间质三部分;然后,对分类结果的Canny边缘图进行圆形度计算,准确定位细胞核;最后,采用改进的水平集方法提取出细胞核的边缘。实验结果表明:对于背景复杂、干扰较多的细胞双光子显微图像,该方法可以精确地定位细胞核,所提取的细胞核边缘也较为精确。     

激光光斑有效区域检测技术

在对激光的能量分布分析前需要提取光斑的有效区域。激光远距离传输后,在大气作用下,光斑会发生变形和弥散现象,造成光斑的质心和几何中心不重合。利用Cany边缘检测技术,先确定光斑的边界,再通过Hough变换算法进行圆检测,可以提取出近场完整光斑和远场弥散光斑的有效区域。对实际光斑的定位计算验证检测技术的有效性。     

一种光斑图像的阈值分割和光斑中心坐标的计算方法

工业测量中经常需要从获取的光斑图像中提取光斑区域,计算光斑中心的坐标。针对光斑图像具有背景区域较暗且面积大,目标(光斑)区域较亮且面积小的特点,提出了一种适用于光斑图像的阈值分割方法,计算单个光斑中心坐标的重心法,以及采用连通区域标记和区域大小排序计算多个光斑中心坐标的方法。与其他阈值分割方法比较后的实验结果表明,所提出的方法可更好地分割光斑图像,与期望的人工选取的阈值最接近,计算得到的光斑中心坐标准确,且运行时间较短。     

一种光斑图像的阈值分割和光斑中心坐标的计算方法

工业测量中经常需要从获取的光斑图像中提取光斑区域．计算光斑中心的坐标。针对光斑图像具有背景区域较暗且面积大,目标（光斑）区域较亮且面积小的特点,提出了一种适用于光斑图像的阈值分割方法．计算单个光斑中心坐标的重心法．以及采用连通区域标记和区域大小排序计算多个光斑中心坐标的方法。与其他闽值分割方法比较后的实验结果表明,所提出的方法可更好地分割光斑图像。与期望的人工选取的闽值最接近．计算得到的光斑中心坐标准确．且运行时间较短。     

模糊边界矩特性研究

研究了图像边界矩的模糊不变性,推导出模糊边缘带区域不变矩中Φ₂^(Fe) ~Φ₇^(Fe)与该图像所对应的清晰图像的边界不变矩Φ₂~Φ₇一致的结论。利用该结论,对模糊图像提取边界不变矩特征时,可不必首先精确提取其精确边缘,方便了边界不变矩特征的提取,提高了边界不变矩特征提取的鲁棒性。仿真实验结果也验证了结论的正确性。     

Zernike矩和曲率的圆形中心亚像素定位

提出了一种基于Zernike矩和曲率不变的圆形标记椭圆图像中心的亚像素精确定位方法。首先采用多结构元多尺度形态学边缘检测算子提取椭圆图像的像素级边缘并滤除噪声,其次构造出椭圆图像的Zernike矩求解模型并结合曲率不变性计算出椭圆的亚像素边缘,最后利用最小二乘拟合对椭圆中心进行精确定位。实验结果表明：该方法具有计算速度快、定位精度高的优点,可用于高精度视觉测量。     

图像分割算法在胃溃疡图像上的应用

主要研究了对胃溃疡图像中溃疡轮廓进行精确提取的问题。首先要解决对胃溃疡图像进行图像分割时,复杂多变的背景噪音对分割效果的影响,利用小波变换的多尺度特性对胃溃疡图像进行边缘提取,获得不同尺度下的边缘提取图。通过不同尺度下的边缘效果和溃疡边界的连通性,将不同尺度下获取的边缘再次进行对比和提取,把降低噪音的影响和保持边界连续性有效的统一起来,得到效果更佳的边缘提取图。同时利用梯度矢量流模型将轮廓收敛至溃疡的边界上,并对轮廓内的面积进行计算得到溃疡的面积。计算结果显示,利用小波变换和梯度矢量流模型后得到的溃疡面积,已经能够达到临床医学的要求。     

一种结合梯度锐化和重心法的光条中心提取算法

在基于线结构光的视觉测量系统中,激光条纹中心位置的准确提取是影响系统精度的关键因素之一。本文分析了光条中心提取算法的研究现状,并比较了现有算法的优缺点,提出了一种结合梯度锐化和重心法的光条中心提取算法,该算法首先利用梯度锐化提取出光条的边缘,根据提取出的边缘得到光条的近似中心,然后在光条近似中心左右的小区域内利用重心法提取光条中心。实验结果表明,该算法能够准确地提取出光条中心,具有很强的抗噪声能力,精度为亚像素级。     

基于中值滤波和梯度锐化的边缘检测

实现一种基于中值滤波和梯度锐化的边缘检测方法。首先采用既能过滤噪声又能保护边缘信息的中值滤波对图像进行平滑处理。然后采用梯度锐化加强边缘像素强度,通过简单的二值化获得图像的初始边缘,系统采用连通区域标记的方法去除位于图像封闭边界内的残留黑块。最后通过实验结果与人工提取的结果比较,进行误差分析,找出本文算法的不足之处,以便对该算法进行改进。实践证明,本文的边缘检测方法对含有噪声点且灰度分布比较均匀的图像有很好的效果。     

分数阶相位拉伸变换的图像锐化算法

图像锐化是图像增强的主要内容之一,在图像分析、图像理解以及医学图像等领域均有重要的应用。现有图像锐化方法对图像中的弱强度变化特征增强效果不明显,并且在边缘附近还会出现毛刺与噪声。为解决这些问题,提出一种基于相位拉伸变换结合相对总变分的图像锐化算法,其主要工作包括分析推导相位拉伸变换中的核函数,将传统相位拉伸变换推广至分数阶傅里叶变换,然后与相对总变分理论相结合。实验结果表明,该算法对弱强度变化特征具有更好的锐化增强效果,同时由于相对总变分的约束,也消除了增强图像边缘附近的毛刺现象。与传统锐化增强算法相比,该算法的平均梯度和信息熵提高均在80%以上,证明了该算法的有效性与优越性。     

一种基于模糊人物图像的锐化新方法

本文提出了一种基于模糊人物图像的锐化新方法。该方法是先从彩色图像中提取R分量图像进行边缘检测并且照亮边缘,然后处理边缘图像的对比度和平滑度,提取出边缘,并对该边缘图像进行锐化,得到了图像边缘锐化而其它部分平滑的清晰图像。该方法和常用的反锐化掩模法进行了对比,效果明显好于反锐化掩模法。     

基于HVS特性的图像边缘锐化方法

边缘锐化是提取图像中特定信息的基本手段。从分析边缘锐化常规算法以及图像的统计特征,讨论人类视觉系统（HVS）的特性的基础出发,提出了一种基于HVS特性的边缘锐化方法,进一步深入分析讨论了该算法的原理与推广使用。应用C＋＋编码实现算法,在分析实验图像结果的基础上,论证了该方法针对背景颜色较为单一的图像进行边缘锐化时的简单实用性。     

基于感兴趣区的虹膜定位算法

快速虹膜定位是实现虹膜自动识别系统的基础.利用小波变换后LL频带是图像内容的抽样缩略的性质,只对LL频带的图像进行虹膜定位,基于图像光斑特性选择定位感兴趣区域,用Hough变换定位虹膜内圆,单行梯度最大值方法定位虹膜外圆,然后按比例还原所有的参数值.试验结果表明这些参数与在原始图像中进行虹膜定位得到的参数一致,定位时间大大缩短,说明了该定位算法的有效性.     

基于FPGA的自准直系统数据处理技术

提出一种基于现场可编程门阵列(FPGA)的CCD自准直测角系统.以FPGA作为系统处理核心;以自适应调节模块为CCD驱动发生器提供准确的波形时序;采用边缘检测算法获得图像的像元级边界;通过最小二乘拟合算法计算得到光斑圆心位置;利用VHDL语言以及MAX+plusⅡ软件完成了系统设计.系统测试和实验表明:所设计的片上系统具有高精度、高集成度的特点.     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

Image sharpening detection based on multiresolution overshoot artifact analysis

With the wide use of sophisticated photo editing tools, digital image manipulation becomes very convenient, which makes the detection of image tampering significant. Image sharpening, which aims to enhance the contrast of edges in an image, is a ubiquitous image tampering operation. The detection of image sharpening can serve as a reliable clue for image forgery. In this paper, we propose a novel image sharpening detection method based on multiresolution overshoot artifact analysis (MOAA). By building the relationship between the overshoot artifact strength and the slope of a sharpened edge, we find that although undergoing the same sharpening operation, the edge with large slope will present a stronger overshoot artifact than the one with small slope. Based on this finding, we use the nonsubsampled contourlet transform (NSCT) to classify the image edge points into three categories, i.e., weak, middle and strong edge points and measure the overshoot artifact of each category respectively. A cascaded decision strategy is adopted to decide an image is sharpened or not. Experimental results on digital images with various sharpening operators demonstrate the superiority of our proposed method when compared with state-of-the-art approaches.

     

基于复合卷积神经网络的图像超分辨率算法

针对卷积神经网络图像超分辨率算法中的映射函数容易出现过拟合、梯度弥散等问题，提出一种由卷积网络和反卷积网络构成的复合卷积神经网络算法。提出使用RReLUs和Softplus函数结合形式作为激活函数，有效改善了过拟合问题；采用附加修正系数的小批量梯度下降法，避免梯度弥散现象；利用反卷积网络实现高分辨率图像重建。实验证明新的网络模型有效改善了图像的清晰度和边缘锐化，在主观视觉效果和客观评价指标上都获得了显著提升。     

一种基于振铃效应分析的图像锐化取证算法

提出了一种图像盲取证算法,用于检测经历过锐化处理的伪造图像.该算法基于对图像边缘振铃效应的深入分析,设计了一种有效的振铃效应描述与测度算法,通过构建效应强度分布图和提取振铃响应特征,实现对图像锐化操作历史的鉴别和操作痕迹的指证,进而为图像的完整性分析提供依据.实验结果表明,该算法能够有效估计图像的锐化操作历史,可作为一种可靠的锐化检测工具.