线阵CCD精度靶图像触发算法设计

针对线阵CCD精度靶测量弹丸坐标时需要额外触发光幕发送触发信号来决定其何时开始采集的问题。在图像采集过程中,设计一种图像触发算法在接收线阵CCD相机的图像数据信号的同时自动检测弹丸并实时发送触发信号。通过研究弹丸图像的特性以及算法在FPGA上的硬件实现方法,利用当前采集到的图像对算法进行了实验验证。实验验证表明,该算法可有效识别弹丸信号,并能排除其它非弹丸信号的干扰。该算法对提高线阵CCD精度靶触发精度,精简线阵CCD精度靶结构具有十分重要的意义。     

一种自适应梯度幅值的边缘检测算法

提出了一种基于Otsu自适应梯度幅值的边缘检测算法。鉴于传统基于梯度幅值的自适应边缘检测算法中单阈值所带来的边缘断裂问题,分别使用传统Otsu算法和迭代Otsu算法进行自适应阈值,能保证图像梯度幅值的方差最大的情况下求得最优阈值,从而准确的检测边缘像素;针对梯度幅值边缘检测算法中边缘较宽的问题,在Otsu自适应梯度幅值检测算法检测到的边缘图基础上,使用经典的并行细化算法进行了边缘细化;最后,通过实验结果与对比分析,验证了算法能准确定位边缘和获得完整的边缘信息,实现了较好的边缘检测效果。     

自适应梯度幅值和形态学组合滤波算法

针对传统梯度幅值滤波算法中阈值需人工确定而无法正确判断噪声点和产生新噪声点的问题,提出了一种自适应梯度幅值和多结构元素形态学组合滤波算法。首先使用梯度幅度均值与方差的和作为阈值,以及Otsu算法自适应阈值两种自适应滤波算法对图像进行滤波,以自动确定滤波阈值,最大限度滤除噪声点,保持图像细节;然后使用多结构元素组成串联形态学复合滤波器对自适应梯度幅值滤波后的图像进一步滤波,以解决在自适应滤波过程中产生的新噪声问题。通过实验结果对比与分析,该算法滤波后的图像视觉效果明显好于传统滤波方法,从而验证了该算法既能保持图像细节,又能实现较好的图像滤波效果。     

基于相关度预测的椒盐噪声自适应滤除算法

在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。     

基于SLIC的自适应多主体图像分割算法

为了解决多主体图像分割的交互分割问题,提出了一种基于SLIC超像素的自适应图像分割算法。首先利用SLIC对图像进行超像素分割处理,把原图像分割为大小相似、形状规则的超像素,以超像素中心点的五维特征值作为原始数据点通过自适应参数的DBSCAN算法聚类,确定多主体数目和分割边界。算法不需要用户交互,自适应确定分割数目。为了验证算法的有效性,在伯克利大学标准数据集BSDS500上与人工标注的分割图像进行比较, 前期的超像素处理使算法在时间上有很好的提升,对于一幅481×321像素的图像,只需要1.5 s就可以获得结果。实验结果表明,该方法可以有效解决多主体图像分割中的人工交互问题,同时在PRI和VOI的指数对比上也优于传统算法,本文算法可以在保证分割效果的基础上自适应确定分割数目,提高分割效率。     

一种基于自适应单位链接PCNN的图像融合方法

在充分考虑图像局部信息的基础上,提出了一种基于自适应Unit-Linking PCNN赋时矩阵的图像融合算法.首先对ULPCNN阈值函数进行修正改进,并以每个像素的局部离散系数作为其链接强度,形成无连接和自适应连接ULPCNN;其次对各源图像并行进行ULPCNN处理,得到既能体现图像中单个像素特征,又能反映其邻域像素信...     

幅相二元距离加权的自适应滑动平均滤波

对于光谱图、心电图、线阵CCD光斑图等尖峰型信号,既要滤除噪声又要保持信号峰的位置、幅度、面积、边缘陡度等特征,这是一对难以兼顾的矛盾。在分析了常规加权滑动平均滤波算法的基础之上,提出了幅相二元距离权系数的概念。它不仅考虑了参与加权滑动平均运算的采样数据点间在相位上的相关性,同时也考虑了它们在幅值方面的相关性,有效地解决了峰脚数据被拉高的问题。通过动态调整相位距离阈值或幅值距离阈值,有效地解决了峰顶数据被拉低的问题,从而建立了基于幅相二元距离加权的自适应滑动平均滤波算法。该算法已成功应用于基于线阵图像的视觉式全参数车轮定位检测系统中,使得光斑位置亚像素检测精度从原来的0.5像素提高到了0.03像素。     

基于逼近增强算子的合成孔径雷达图像特征提取算法

针对含噪SAR图像的边缘检测效果不理想、边缘特征不明显等问题,提出一种基于逼近增强算子的合成孔径雷达(SAR)图像特征提取算法.该算法利用多尺度非均匀滤波将含有噪声与不合噪声的像素点的灰度值、结构元素以及区域内的像素加权灰度密度这三个特征进行区分,以达到去噪效果.采用基于增强算子的SAR图像检测方法,通过SAR图像的像素灰度值以及像素点分布密度均值来计算综合均值阈值,通过阈值来判断像素点是否属于边缘部分.在实验中,通过分别与基于修改的LSD算法、基于水平集算法以及基于核心聚类算法的SAR图像提取方法进行了对比分析,从对比结果可以得出算法在对含噪SAR图像进行边缘检测时可以得到更明显的边缘信息.     

校正靶标志物投影的识别与坐标数据提取算法

针对校正靶上标志物难以识别和提取的问题,根据校正靶自身特征提出了相应的标志物投影识别和提取方法。首先该方法消除背景颜色并使用Otsu算法获取的阈值对图像进行分割,然后使用形态学膨胀和腐蚀对分割后图像进行处理,最后根据处理的结果识别和提取出各网格线交叉点坐标并算出该领域的中心坐标。实验表明,所提出的方法能够有效地识别和提取出校正靶投影图像上网格线交叉点坐标。     

基于CT心脏图像的腔体区域分割新算法

在心脏图像处理中,为解决心脏四腔过分割问题,使用基于直方图的多阈值分割和标记分水岭分割相结合的新方法.由于CT心脏腔体区域灰度十分相似,组织相互连通,采取单一阈值分割无法得到目标区域,新算法使用多阈值分割,根据图像对应的直方图选择合适的阈值,并将分割结果作为基于标记的分水岭分割算法的输入图像,最终获得心脏的腔体区域,最后,通过重建得到左心房心室的三维结构图.而与其他分水岭改进方法相比,该算法以基于直方图的多阈值分割为前提,标记提取更为准确,目标组织边界清晰,能够获得更加理想的分割结果,有效降低了仅使用分水岭算法存在的过分割现象.     

基于深度学习的弱纹理图像关键目标点识别定位方法

为提高弱纹理图像关键目标点的检测识别能力,提出基于深度学习的弱纹理图像关键目标点识别定位方法;构建低光照强度弱纹理图像关键目标点的拓扑特征分布模型,采用透射率作为检测系数,结合亮通道的先验知识,建立像素大数据分布集,采用暗原色融合和RGB像素分解方法实现对低光照强度弱纹理图像的信息自适应增强处理;根据透射区域噪点融合匹配结果,采用交叉组合滤波检测和深度学习算法,实现对低光照强度弱纹理图像降噪和信息增强,据此实现对低光照强度弱纹理图像关键目标点检测识别;仿真结果表明,采用该方法定位识别的精度较高,平均为0.93,图像输出质量较好,峰值信噪比平均为32.87,通过准确率-召回率曲线的对比也表明性能较为优越。     

光学遥感图像多目标检测及识别算法设计与实现

针对目前光学遥感图像处理与分析多集中在单目标检测及识别领域的局限性,多目标检测及识别成为了一个非常值得关注的研究课题,提出了一种光学遥感图像多目标检测及识别算法.首先,采用自适应阈值算法对目标快速检测分割;然后,结合图像金字塔思想和基于尺度不变特征变换的特征包(BoF-SIFT)特征提出了一种分层的BoF-SIFT特征表示目标的全局特征和局部特征,详细地描述了目标的分布特性;最后,采用基于径向基核函数的支持向量机为弱分类器的AdaBoost算法,经过不断更新权重之后得到一个强分类器对待测试目标图像完成分类识别,识别率达到了93.52%.实验结果表明,所提算法对多类遥感图像目标的分割效果显著,特征选取恰当,识别方法快速有效.     

Parameter-free based two-stage method for binarizing degraded document images

Binarization plays an important role in document image processing, especially in degraded documents. For degraded document images, adaptive binarization methods often incorporate local information to determine the binarization threshold for each individual pixel in the document image. We propose a two-stage parameter-free window-based method to binarize the degraded document images. In the first stage, an incremental scheme is used to determine a proper window size beyond which no substantial increase in the local variation of pixel intensities is observed. In the second stage, based on the determined window size, a noise-suppressing scheme delivers the final binarized image by contrasting two binarized images which are produced by two adaptive thresholding schemes which incorporate the local mean gray and gradient values. Empirical results demonstrate that the proposed method is competitive when compared to the existing adaptive binarization methods and achieves better performance in precision, accuracy, and F-measure.     

空地协同机器人目标定位方法

针对空地协同机器人中无人机对地面无人车的实时精准定位问题,提出一种红色双圆型定位标记及标记识别与定位方法。引入颜色分割与轮廓提取相结合的方式,减少提取到的轮廓特征数量,排除背景信息干扰以减少误识别;提出一种圆形轮廓快速检测算法,快速识别目标轮廓并准确定位目标像素坐标和方向;基于针孔相机成像模型,根据目标像素坐标和方向,估计出目标在机体坐标系下三维坐标和偏航角。实验结果表明,无人机与地面无人车相对高度1.5 m时,该方法在[x]轴和[y]轴方向定位误差分别为3.9 mm和3.6 mm,每帧图像平均处理耗时为11.6 ms,优于基于核相关滤波的识别定位方法的13.3 mm、14.3 mm和56.3 ms。该方法与无人机控制相结合,可以实现无人机协同跟踪与自主降落功能,提升空地协同机器人作业效率,具有显著的工程意义。     

基于RGBD摄像头的障碍物检测

检测障碍物是机器人自主移动的基础. 为了提高检测的障碍物效率和准确率, 提出一种基于RGBD摄像头的障碍物检测方法, 主要分为障碍物识别和检测长度, 宽度两部分. 在障碍物形状不规则的前提下, 通过摄像头实时采集图像传输到数据处理中心, 用改良的帧差法、最小矩形法匹配法和图像处理等方法来确定障碍物轮廓, 利用深度图像及其阈值得出障碍物距摄像头的相对位置, 同时, 用坐标转换法计算出障碍物的高度与宽度. 结果显示, 在不同位置检测同一物体的误差不超过9%. 因此, 改良的帧差法检测障碍物轮廓准确率高, 坐标转换法速度快, 可以证明基于RGBD摄像头的障碍物检测设计检测效果良好.     

多线程下的视频微动目标检测与提取算法研究

在多线程并发情况下提取实时视频图像中的微动人物目标,基于多线程的思想,在多路并发请求的情况下,运用肤色检测和聚类思想对图像中的人物进行提取分割,并对处理过程中的多路访问资源的问题进行访问冲突避免。首先采用边缘检测的思想对运动目标边缘进行范围定位,然后采用聚类算法和肤色检测等方法进行目标模板的提取和完整性补充,根据得到的目标模板结合原始图片对应像素点坐标,将原始像素点颜色着色到新的背景模型的对应位置。仿真结果表明,在保证处理质量的情况下,提出的基于多线程思想的算法能满足实际工程应用实时处理的要求。     

改进的圆形标志亚像素级中心检测方法

针对现有亚像素级边缘检测算法过于依赖图像灰度值,且计算邻域不明确等不足,提出一种改进的圆形标志中心亚像素级检测方法。利用双阈值法得到边缘的粗定位点,将坐标轴按粗定位点的梯度方向进行旋转,在新坐标系下通过邻域控制参数S的自适应选择,选取合适的邻域进行边界点的亚像素级定位,利用椭圆拟合确定目标边缘。通过Matlab编程实现算法,并与原算法进行比较,结果显示改进方法的精度较高,可满足摄影测量等光电测量的要求。     

基于图像处理的机器播种参数检测方法研究

为快速准确地检测机器播种性能,提出了一种基于图像处理的播种机播种性能检测方法.首先,通过信号触发,相机连续获取传送带上的种子图像,并将采集到的连续图像拼接成图像片段.运用大津法自动获取二值化图像阈值,通过阈值分割方法提取种子图像,并利用中值法对二值化图像中的种子数量进行清点.基于二值化图像的纵向、横向投影信息,得出种子阵列宽度、阵列中心、种子阵列间距、非种子间隔的坐标信息.基于以上测量参数计算出条播种、穴播种和精密播种性能相关参数.在某试验田进行实际应用测试,结果表明,该方法对机器播种性能的检测是可行的、有效的.     

基于视频图像的影子运动轨迹检测方法

本文提出的运动轨迹检测方法包括图像分割和透视变换。首先处理视频采集图像,然后进行灰度化、二值化、 连通域标记等处理,再引入Canny 边缘检测算法提取图像轮廓,经MATLAB 编程求得影子的轮廓像素坐标。最后根据透视变 换,求得视频中影子的实际坐标,并在二维和三维坐标系下描绘了其运动轨迹图。     

基于双目视觉的板材平面测量研究

针对传统人工测量板材尺寸精度较低、工作量大、易导致板材表面受损等局限,基于双目视觉技术设计了一种板材尺寸视觉测量系统;通过双目相机采集棋盘格图像,采用MATLAB进行相机标定和图像校正,拍摄左右图像并通过半全局立体匹配算法(SGM,semi global matching)进行特征点立体匹配,重建出目标三维点云模型;为提高目标特征点坐标获取的准确性,提出基于HARRIS的亚像素检测方法;采用区域生长算法结合膨胀和腐蚀操作提取板材表面轮廓,根据三角测量原理计算出板材轮廓上各点的三维坐标从而实现板材的尺寸测量,并进行点云重建增强三维展示效果;实践结果表明亚像素检测方法在角点提取上存在优势,在实际板材测量应用中实现了高精度尺寸测量,满足了工业测量需求。