基于边界边缘检测的在线产品轮廓跟踪

产品流水线实时检测需有效解决流水线上运动产品的图像跟踪,提出仅选择在视频码流中跟踪目标的一个边界边缘来实现产品轮廓的跟踪。首先利用边缘运动去除背景,随后使用跟踪轮廓的正常方向导数选择边界边缘。准确跟踪是基于减少无关边缘的影响,因此仅选择边界边缘像素。使用边缘运动消除背景边缘需要计算跟踪目标的运动,同时移除边缘的运动和边缘与目标不同方向的运动,从而得到运动产品的轮廓。仿真实验结果表明,该跟踪方法对流水线上的产品有较好的跟踪效果,且具有较强的稳健性。     

基于边缘引导的光场图像显著性检测

针对光场图像显著性检测存在检测目标不完整、边缘模糊的问题,本文提出了一种基于边缘引导的光场图像显著性检测方法。利用边缘增强网络提取全聚焦图像的主体图和边缘增强图,结合主体图和焦堆栈图像所提取的特征获得初始显著图,以提高检测结果的准确性和完整性;将初始显著图和边缘增强图通过特征融合模块进一步学习边缘特性的信息,突出边缘细节信息;最后,使用边界混合损失函数优化以获得边界更为清晰的显著图。实验结果表明,本文所提出的网络在最新的光场图像数据集上,F-measure和MAE分别为0.88和0.046,表现均优于现有的RGB图像、RGB-D图像和光场图像显著性检测算法。所提方法能够更加精确地从复杂场景中检测出完整的显著对象,获得边缘清晰的显著图。     

改进RCF网络在建筑物边缘检测中的应用

建筑物边缘检测是提取建筑物信息最直接有效的方法,近几年,卷积神经网络被广泛应用于建筑物边缘检测研究,其中RCF网络被证明是应用于建筑物边缘检测的效果较好的卷积神经网络。然而,RCF网络在建筑物边缘检测的过程中,上采样过程采用一步双线性插值算法,上采样结构过于简单,导致产生了在深层网络特征层小尺寸图像特征直接上采样至大尺寸图像的条件下误差过大的问题。文章提出了阶梯式上采样结构以改进RCF网络,该方法能够有效减少一次双线性插值算法带来的误差,实验证明该方法能够有效提高RCF网络在建筑物边缘检测上的结果精度,显著增加输出结果图像的清晰度。     

基于全卷积网络的红外弱小目标检测算法

在小天体探测、导弹制导和战场侦察等航空航天领域,由于目标信号较弱,占有像素数少,缺少目标形状和纹理信息,使用手工特征提取的传统算法容易出现大量虚警,而拥有强大特征提取能力的深度学习算法无法对微小且缺乏轮廓信息的目标训练.本文采用了滑动窗口取样训练,它源自基于人类视觉特性的传统目标检测算法中嵌套结构的思想,设计了一种使用...     

基于全卷积网络的复杂背景红外弱小目标检测研究

针对复杂背景红外弱小目标检测过程中存在的检测误差率高,检测时间过长等问题,提出基于全卷积网络的复杂背景红外弱小目标检测方法。分析复杂背景红外弱小目标检测的研究进展,找出不同方法的缺陷,采集红外图像,提取目标检测特征,并采用全卷积网络设计弱小目标检测的分类器,实现复杂背景红外弱小目标检测。实验结果表明,该方法的复杂背景红外弱小目标检测精度超过97%,具有较高的实际应用价值。     

基于深度学习的车联边缘网络交通事故风险预测算法研究

针对传统交通事故风险预测算法无法自动判别数据特征,且模型表达能力差等问题。该文提出一种基于深度学习的车联边缘网络交通事故风险预测算法,该算法首先针对车载自组织网络中采集的大量交通数据,采用边缘服务器中建立的卷积神经网络自主提取多维特征,经归一化、去均值等预处理后,再将得到的新变量输入卷积层、采样层进行训练,最后根据全连接层输出的判别值,得到模拟预测交通事故发生的风险性。仿真结果表明,该算法被验证能够预测交通事故发生的风险性,较传统的机器学习算法BP神经网络、逻辑回归具有更低的损失与更高的预测准确度。     

边缘检测下的迷彩特征提取算法和目标伪装评价

阐述迷彩目标的边缘轮廓的分割和提取算法及目标评价,采用Canny算子进行目标的识别和轮廓提取,通过欧式距离计算相似性,根据案例数据,结合人眼的视觉特征得出更适合迷彩伪装的边缘形状为不规则、不对称且较多圆弧。     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

基于多边形包围的无线传感器网络边缘检测算法

针对无坐标信息的无线传感器网络(WSN)的传统边缘检测技术中错检和漏检的情况,提出一种新的分布式基于有向树扩展的多边形包围检测算法,算法对于网络节点的密度没有限制要求,仿真结果表明该算法有效避免了错检、漏检情况的发生,判别方法简单准确,大大提高了WSN边缘检测的效率和精度.     

基于四元数的彩色图像边缘检测研究

为了实现彩色图像边缘检测,建立了彩色图像自动边缘检测算法。对彩色图像基于四元数的表示方法进行描述,针对基于snake算子实现彩色图像边缘检测算法进行了研究。首先,根据彩色图像三原色的基本特征,利用四元数的矢量表示方法以及四元数基本运算方法进行描述;其次,介绍了snake算子的基本原理,检测过程等。最后,构造了双四元数和snake算子的彩色图像边缘检测算法。实验结果表明,利用文中算法获得的彩色图像边缘检测保留了原图像的自身信息,边缘信息完整。该算法基本满足彩色图像边缘检测的稳定可靠、信息完整、抗干扰能力强等要求。     

基于最大熵与小波变换的图像边缘检测算法

提出了一种有效的基于最大熵和小波变换的数字图像边缘检测算法,并用形态学方法对图像进行优化处理,文中算法不但能够很好的提取图像边缘,同时对经典算法提取边缘后出现的断续不完整现象有了很好的改进,还能有效的去除噪声和伪轮廓,和一些传统的边缘检测算法相比,本算法在细节丰富和含有噪声的图像中应用具有优越性,达到了很好的识别边缘的效果.     

改进边缘检测算法在医学图像处理中的应用

图像边缘检测在医学中有很重要的应用,针对此提出了一种新的边缘检测方法,首先采用canny算子对图像进行边缘检测,然后对检测后的图像轮廓跟踪。实验表明,与传统的边缘检测算法相比,这种算法能更好地提取图像中目标物体的边缘,减少检测边缘断裂现象,具有很好的应用价值。     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

基于自相关矩阵和边缘检测的运动目标检测

提出了一种基于颜色特征提取和图像边缘检测融合的运动目标检测算法。利用颜色自相关矩阵对图像建立特征模型,进行相似度的比较得到较粗糙的目标检测结果。然后通过Canny算子提取图像的边缘信息并利用二值差化求得目标大致边缘轮廓。将两者再进行逻辑与操作,即判定在粗糙检测结果中运动目标轮廓内的元素目标边缘信息为运动目标边缘,并最终进行形态学操作得到运动目标。实验结果表明,提出的算法对复杂背景下运动目标有较为理想的检测效果。     

基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

基于边缘直方图特征的车辆检测算法

车辆检测是实现视频交通监控技术的核心.在此提出一种基于图像边缘直方图特征的车辆检测方法.为了提高运算的速度,选择较为理想的亮度计算公式将彩色图像转换为灰度图像,然后使用Roberts算子计算图像边缘.通过分析边缘直方图的特征,提出两个特征参数实现车辆的检测.实验表明,该方法有较高的车辆检测准确率,并且能满足智能交通系统中的实时性要求.