顺序形态学在图像边缘检测中的应用

本文从顺序形态学基本理论出发，根据顺序形态变换的单调性、扩展性和反扩展性，讨论了顺序形态变换在图像边缘检测中的应用。在分析了其边缘检测的几何意义以及结构元素对检测边缘效果的影响之后，还比较了几种边缘检测算子对有噪声图像的处理结果，实验结果表明，基于顺序形态学的边缘检测方法，不但几何意义明确、易于构造，而且性能也比传统检测算子好。     

一种新的快速视频图像边缘检测算法

一般常用的边缘检测算法计算量较大,对细小边缘检测效果较差,不适合实时边缘检测系统。针对这一问题,本文提出一种连续分割的快速边缘检测算法：从相互垂直两方向分割梯度图像,提取截面曲线极大值获得图像边缘,使用形态学梯度,检测出细小的图像边缘。实验结果表明此算法较Canny等经典算法减少了计算量,提高了边缘检测精度。     

边缘检测与帧差法相融合的视频分割算法

常用的视频分割算法包括光流法、背景减除法和帧差法,但是3种算法容易受到计算量、环境噪声以及亮度突变等因素的影响,造成分割效果不理想。为了改善视频分割的质量,能够较好效果的提取到运动物体,提出一种将边缘检测与帧差法相融合的算法。该算法同时在两个方向进行。一是对相邻两帧图像进行边缘检测,将图像的边缘进行差分以得到运动物体的轮廓,为了连接轮廓中可能会出现的细小断点,对差分结果进行闭运算。二是根据设定的阈值,将相邻两帧图像的对应像素值转换为二值化数据,对二值化结果进行差分。最后综合闭运算与二值化差分结果,当数据发生突变时,即认为是运动物体部分。实验表明,该融合算法可以实时的检测到视频中的运动物体,效果较好。     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

基于镜头的广播足球视频开场和终场检测

为了实现广播足球视频的自动分析,提出一种新型检测足球比赛开场和终场的算法.首先对足球比赛视频进行镜头检测和分类,然后以此为基础提取多个特征,从而确定视频比赛中开始和结束的可能时刻,最后利用对模型的最大似然估计,在这些时刻中选取最优组合作为比赛检测的最终结果.在包含多种类型的由9场完整比赛组成的数据集上,获得了100%的检测率,并且检测时刻的平均误差在30 s 以内.实验结果表明这种方法具有很好的有效性和稳健性.     

一种基于线条分类的视频文字检测算法

提出了一种基于边缘的视频文字检测算法.利用Canny算子对图像进行边缘检测,然后根据文字边缘线条的特征,过滤非字符的边缘线条.最后利用文字线条区域的相似性,设置综合阈值,得到最终的文字区域.实验结果表明该算法不仅对规则排列的文字有较高的查全率.对不规则排列及扭曲的文字也能够准确定位.并对光照、阴影等条件不敏感.     

基于数学形态学的二值图像的边缘检测

主要介绍了数学形态学的基本原理,将这些基本运算组合应用到图像对象的边缘检测,并在MATLAB6．5中进行仿真实验,得到了满意的结果。     

基于多尺度数学形态学光纤环边缘检测技术

现在所具有的各种边缘检测技术都具有相对的局限性,本文主要分析了现有技术的优点和缺点,并且在研究的基础上提出一种基于多尺度数学形态学的边缘检测方法。通过实验证明,采用此方法比经典的边缘检测算子能更好的满足视觉测量的各项要求。     

基于彩色形态变换的彩色边缘检测新方法

边缘检测是图象分析和计算机视觉重要步骤之一。西方在ＲＧＢ彩色这僮上引入了一类关于平面结构元素的彩色形态变换，彩色形态变换是数学形态学中灰度形态变换在彩色空间的理论拓展。     

基于小波变换与数学形态学相结合的玻璃瓶图像边缘检测

将小波变换与基于多结构元素的数学形态学相结合的方法应用到玻璃瓶图像边缘检测中。首先利用小波变换的原理对图像做增强处理,然后利用基于多结构元素的数学形态学方法对处理后的图像进行边缘检测,最后通过实验验证方法的有效性。     

视频场景人群运动异常状态检测

针对视频场景的人群运动状态分析问题提出了一种方法,包括人群密度分级和运动异常检测.该方法利用场景中不同区域的亮度信息作为BP网络的输入向量分类人群密度,降低了计算的复杂性,排除不必要的干扰信息.在异常检测方面利用光流法获取人群的运动信息,包括运动速度和运动方向.实验结果表明,该方法的精度及实时性均高于传统方法,对确定视频场景中人群运动状态是有效的,可以为防止大规模安全事故提供参考.     

视频监控中运动目标快速检测方法研究

提出了一种背景差分的改进算法.通过像素灰度值归类与形态学相结合的方法来提高背景重构的效率,进一步提高系统的实时性.实验结果表明,改进的算法能够有效克服光线变化、雨雪天气等环境噪声的干扰,适应高密度运动目标检测场景,进一步提高检测速度和效果.     

新型人脸检测算法在视频监控系统中的应用

该算法基于Gentle Adaboost的多特征融合,首先通过运动和肤色特征提取人脸区域,再使用多层分类器定位人脸,最后在TMS320DM642 DSP上实现.实验表明,该算法的检测率达96%,速度也满足监控的要求.     

基于HOG和粒子滤波的足球视频中球的跟踪方法

在足球视频中,由于球员和摄像机的运动使得基于背景的方法无法有效检测和跟踪足球;足球在视频中所占像素个数少、运动复杂,并且在球场中有相似目标如球袜等的干扰,使得目标难以准确跟踪。为改善足球的跟踪效果,文中提出了一种基于梯度向量直方图和粒子滤波的足球跟踪算法。算法以粒子滤波为跟踪框架,用HOG特征与颜色特征融合,结合足球的结构信息与颜色信息,实现了足球视频中足球的稳定跟踪。实验结果表明,文中算法跟踪足球更准确,并可在存在相似目标干扰的条件下有效地跟踪足球。     

基于数学形态学的边缘检测算法分析

边缘检测算法在图像识别领域具有不可替代的作用。边缘检测在实现的过程中需要考虑边界增强的效应,边缘检测算法的研究有着丰富的理论和经验。但是,图像压缩和图像识别中图像通常被噪声破坏,需优化处理,才能获取较好质量的图像。文中首先介绍了边缘检测算法,依次阐述这些经典算法的优缺点,引入数学形态学这一观点,对边缘检测算法进行结合,将其应用到图像的识别中,通过C++语言编程实现图像效果,最后进行总结与展望,该成果对于图像的处理具有积极的意义。     

多结构抗噪膨胀-腐蚀型数字灰度图像边缘检测的研究

传统的边缘检测方法对噪声敏感,抑制噪声能力差,经典的形态学边缘检测方法虽然具有较好的去噪能力,但不能反映全部的边缘特性.为此本文提出了一种改进的多结构抗噪膨胀腐蚀型数字灰度图像边缘检测算子.通过仿真结果比较,该算了在检测图像真实边缘和抗噪性能上均优于传统的边缘检测算子.     

面向足球视频摘要的叙事性拼图算法

利用叙事性拼图优化足球视频摘要的显示,根据精彩事件分析和不同镜头类型的叙事相关性最大化策略抽取候选关键帧,提取不同感兴趣对象为中心定义和重定向感兴趣区域,根据叙事结构中的时-空逻辑构建拼图排列,比随机拼图或故事板能保持更多精彩事件的叙事内容。实验结果显示,叙事性拼图摘要不仅清晰地对精彩事件中的球员动作和人物表情实现了叙事目的,还能在同等显示区域内比故事板描绘更多的叙事内容,也比直接的视频片段快放节约流量,以及节约浏览时间。      

基于SIFT的足球运动员检测和跟踪

当前足球视频的解说和分析是智能领域研究的热点问题,文中提出一种基于尺度不变特征(SIFT)的球员检测和跟踪算法。该算法首先利用颜色特征提取场地区域,再以尺度不变特征点检测来确定球员位置,最后通过帧间特征点关联图实现对球员的跟踪。在MATLAB软件上借助图像处理工具箱进行编译,经过测试,球员检测和跟踪正确率达到90%。     

结合数学形态学和图像融合的边缘检测算法

工业CT图像边缘检测是工业CT图像处理中一项十分重要的工作和预处理步骤,图像的最终处理结果取决于边缘检测的优劣程度。本文首先介绍了几种经典的图像边缘检测方法,并用这几种算法对工业CT图像进行了计算机仿真。通过对仿真结果的对比和分析,作者提出了基于数学形态学和图像融合相结合的图像边缘检测算法MDY并在ImageJ软件上编程实现。实验结果表明该算法能够有效地抑制噪声,完整的检测边缘,且优于其他传统边缘检测算法。     

视频图像中的运动目标检测

运动目标检测,是指从视频图像中将运动变化区域提取出来的检测技术,是图像处理技术的基础。在军事公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足,本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分,对3个差分图像取均值,二值化,再经过形态学处理,并对中间帧进行Canny边缘提取,将二者进行"与"运算,即得到运动目标的边缘,用背景减法提取中间帧的前景,二值化,将其和目标的边缘进行"或"运算,经过形态学处理便可得到运动目标。实验结果表明,使用该方法目标检出率提高了9.7%~72.1%,误检率降低了0.090%~2.900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。