基于改进Canny算子的铁轨边缘检测方法

边缘检测是铁轨异物入侵检测的关键技术,针对铁轨图像边缘检测效果不佳的问题,设计了一种基于改进Canny算子的边缘检测算法.通过极值中值滤波平滑图像,提出加权系数梯度幅值和方向计算方法,并采用改进的迭代式阈值分割方法来确定Canny算子的最优高、低阈值,从而实现铁轨边缘的精确检测.对检测结果进行定性定量分析,结果表明,该方法提高了边缘检测定位精度,有较好的连续性、抗噪性能和清晰度.     

基于改进Canny算子的垃圾图像边缘检测

为提高垃圾识别分类的准确率,文中在垃圾图像预处理过程中提出了一种基于改进Canny算子的垃圾图像边缘检测方法。该方法从传统Canny算子滤波方式、梯度方向及阈值自适应3个角度实现了垃圾图像边缘检测的优化。针对Canny算子高斯滤波仅适用于高斯噪声和边缘细节易丢失的问题,采用改进的梯度倒数加权法进行滤波。针对Canny算子易检测出伪边缘的问题,通过在计算图像梯度方向的过程中增加方向梯度模板实现了边缘的精确化。同时采用最小误差法解决人工设定阈值的局限性,实现阈值自适应。实验结果表明,该方法在去噪性能和边缘细节两方面得到了改进,获得了更好的边缘检测效果,为后续垃圾图像的识别分类提供了技术保障。     

基于改进Canny算子的手势图像边缘检测

针对手势检测不准确,手势边缘检测有偏差等问题,文中提出了一种改进的Canny算子用于检测手势图像边缘。改进的Canny算子使用自适应中值滤波与双边滤波相结合的方法去除图像噪声,并在Sobel的基础上扩展45°和135°方向的梯度幅值计算,自适应获取最佳阈值判别图像边缘。最后,使用哈夫变换与像素点的梯度方向相结合检测边缘,连接边缘、增强边缘。实验表明,改进后Canny算子检测的结果8连通数比传统Canny算子检测的结果8连通数多,边缘连续性较好,检测精度更高且自适应性增强。     

改进的Canny实时边缘检测算法在FPGA上的实现

针对高斯滤波会使图像过度平滑及高低阈值选取的主观性影响传统的Canny边缘检测效果,提出一种基于改进Canny算子的边缘检测方法.该方法采用了改进的中值滤波,且依据图像的幅值梯度直方图特性得到自适应的高低阈值,再结合FPGA(现场可编程门阵列)高速并行处理数据和多级流水的特点,设计了一个基于硬件平台的实时边缘检测系统....     

基于自适应阈值分割改进Canny算子的管道边缘检测方法研究

针对工厂中管道破损位置无法通过机器视觉准确判断的问题,提出一种基于自适应阈值分割改进Canny算子的管道边缘检测方法。该方法从滤波方式、梯度方向以及阈值分割角度对采集图像进行处理,首先采用采样-自适应中值滤波+双边滤波代替传统Canny算子中的高斯滤波,减少图像边缘信息丢失并去除图像中的噪声,然后增加梯度幅值的计算来更好地检测不同方向的边缘信息,最后为避免人工选取阈值效果不佳的情况,采用最大类间方差 (OTSU)阈值分割算 法进行阈值的自适应选取。实验表明,该方法相比于传统Canny算子的图像信噪比提升28.22%,边缘点数提升39.97%,四连通道数提升11.52%,八连通道数提升5.92%,提取特征完整且连续性较好,实现了对管道图像中破损情况的有效检测。     

一种基于最小交叉熵的canny边缘检测算法

考虑传统Canny算子在边缘检测中的不足,提出一种融入最小交叉熵的Canny边缘检测算法.传统Canny算子的高低阈值一般人为地设定固定值,当一幅图像的灰度级集中在某一区域时,容易造成虚假边缘;利用最小交叉熵计算图像的高低阚值,可以得到理想的阈值;利用图像灰度的均值和方差计算Canny算子的高斯滤波参数.实验结果表明,算法较好地提取了图像的边缘信息,抑制噪声能力较强,有效地提高了边缘检测的鲁棒性.     

基于小波变换的陆轨两用车铁轨图像边缘检测

为了能够实时采集铁轨图像以实现陆轨两用车在站台与铁轨之间顺利切换,介绍了一种基于多尺度小波变换和自适应阈值的图像处理方法,选用二次B样条小波对图像传感器采集到的铁轨图像进行多尺度边缘检测,结合了非极大值抑制方法和自适应阈值方法提取最终边缘图像.对比几种经典的边缘检测算子,小波变换的图像边缘检测对铁轨图像的处理结果较好,实现了路轨两用电动车陆/轨转换的准确定位.     

改进阈值选取方法的上肢图像Canny边缘检测

目前,研究人员己经针对静止的图像提出了一些边缘检测的算法,如Sobel算子、LOG算子和Canny算子等方法。对于单独的一幅图像,可以通过设定一个合适的阈值来取得较好的检测结果,但在视频图像的处理过程中,每帧图像的前景目标不尽相同,随着时间的推移光照也会发生变化,这些都将导致各帧图像的结构发生改变,传统的静态图像边缘检测算法无法自动设定合适的阈值,因此无法对每帧图像都取得较好的检测结果,得到的结果中必然存在许多背景的边缘和人体内部的伪轮廓。针对以上问题,文章将提出改进阈值的Canny边缘检测算法,它可以自动地获取适合被测图像的阈值用于视频图像的处理,并且能够更好适用于复杂背景中人体边缘点的提取问题。     

基于改进的Canny算子和Zernike矩的亚像素边缘检测方法

为满足电荷藕合器件(CCD)图像测量系统的快速、高精度测量要求,提出了一种基于改进Canny算子和Zemike矩的图像亚像素边缘检测新方法.该算法先利用改进的Canny算子进行边缘点的粗定位,在像素级上确定边缘点的坐标和梯度方向,然后再根据构造的边缘点向量和参考阈值,用Zernike矩算法对边缘点进行亚像素的重新定位,...     

基于改进Prewitt算子的最佳阈值选择

边缘作为图像的一种基本特征,在图像识别、图像分割等领域中有着广泛的应用。文中在传统的Prewitt算子改进的基础上,提出利用边缘的最大后验概率估计,找出边缘检测的最佳阈值。并将实验结果与Sobel,Canny等算子进行了对比。结果显示,文中算法能检测出最佳阈值。     

基于改进U-Net卷积神经网络的钢轨表面损伤检测方法

基于卷积神经网络的深度学习方法对钢轨表面损伤的自动化检测起到非常重要的推动作用,因此提出一种基于卷积神经网络的钢轨表面损伤检测方法。首先,在经典U-Net的收缩路径和扩展路径之间增加一个分支网络,可以辅助U-Net输出理想的分割图。然后,将Type-I RSDDs高速铁路轨道数据集作为检测样本,使用数据增强的手段扩增检测样本后馈入改进的U-Net中进行训练和测试。最后,采用评价指标对所提方法进行评估。实验结果表明,所提方法的检测准确率达到99.76%,相比于其他方法的最高水平提高6.74个百分点,说明所提方法可以显著提高检测准确率。     

钢轨焊缝错边的视觉检测方法

为了实时、准确、自动地实现钢轨焊缝错边量检测,提出一种钢轨焊缝错边的视觉检测方法。首先,采用中值滤波法去除焊缝图像中的噪声;其次,采用最大类间方差法和扫描法,实现轨边的粗定位,采用多次最小二乘直线拟合法实现轨边的精定位,去除奇异点,提高边缘定位精度;再次,采集标定图像,利用图像处理算法,实现相机的自动标定;最后,根据错边的边缘信息和相机的标定结果,实现错边量的检测。通过对60kg/m钢轨焊缝区域、非焊缝区域和标准件的检测实验,验证了该方法具有精度高且稳定性好的优点,可用于焊轨基地的焊缝错边自动在线检测。     

基于全向小波和Hausdorff距离的边缘检测

针对传统小波变换对含噪图像边缘检测的不足,结合全向小波和Hausdorff距离的知识,提出了一种改进的边缘检测算法.首先,对图像做全向小波变换,同时做改进的灰度图形态学处理;然后在一定的窗口下求处理后图像间的Hausdorff距离,并将其大小作为图像边缘检测的像素值.最后将该算法与Sobel算法、Canny算法做比较,实验结果表明该方法提取的边缘清晰度优于其他方法,且可以很好地抑制噪声.     

基于图像区域划分的轨道缺陷自动检测技术研究

轨道表面缺陷检测是保障铁路运输安全的重要手段之一,本文设计了基于机器视觉的轨道缺陷自动检测系统,并对钢轨表面缺陷提取技术进行了研究。改进了最大类间方差自适应阈值分割算法,提出了基于轨道峰区检测的自适应二值图像投影法快速提取钢轨表面区域;最后,采用内部点掏空法和链码跟踪算法获取并存储缺陷轮廓信息,实现了钢轨表面缺陷区域的自动检测。实验结果表明:本文所采用的方法可快速定位钢轨区域,并自动准确提取缺陷图像,平均每幅图像耗时11 ms,从而为后续缺陷的测量和识别奠定基础。     

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.     

基于三维激光成像技术的扣件缺损自动检测

随着我国轨道交通的快速发展,其维护工作日益繁重,传统检测手段及技术难以满足现有的需求,轨道检测的快速化及智能化迫在眉睫。为了弥补这些检测方法的不足,本文基于非接触式激光三角测距原理,自主研发了一套高速线激光测量系统。首先是通过改进的灰度权重模型法提取激光中心线,可以得到更加精确的轨道扣件高度信息;其次使用Phone光照模型对点云数据渲染,可以直观显示采集对象的高低起伏情况;最后利用K均值聚类法进行扣件病害类别识别。检测结果为：扣件缺失与扣件异物检测成功率分别为98%、100%。尤其使用改进的灰度权重模型法,精确的提取激光中心线,得到高精度的三维纹理信息,具有很高的推广应用价值。     

一种对比度增强的边缘检测改进算法及FPGA实现

传统的Sobel实时图像边缘检测算法对光照条件敏感,因此在进行边缘检测时常会有虚假边缘以及遗漏边缘的现象。将采集到的实时灰度图像进行中值滤波,再进行对比度增强来调整图像灰度值,将进行对比度增强后的图像进行Sobel边缘检测并在FPGA上实现。实验结果表明,采用对比度增强改进的边缘算法检测的边缘更加准确,抑制背景噪声能力更强。     

实时图像双边缘检测算法及FPGA实现

传统的单独采用Roberts和Sobel算子对实时图像的边缘进行检测,其检测出的结果在边缘精度和抗噪能力方面都有待提高。首先将实时图像经过中值滤波来去除噪声,然后再进行Roberts边缘和Sobel边缘检测,实现双边缘检测,最后将得到的边缘数据在FPGA上实现。实验结果表明,双边缘检测优于单独采用Roberts或Sobel边缘检测算法,检测出的边缘更加清晰,抗噪能力增强。     

一种基于IFS的图像边缘检测方法

首次提出了一种基于IFS的图像边缘检测方法，该方法以IFS理论为基础、以MSE为失真测度，对图像进行边缘检测，改进的局部快速算法可以有效减少检测搜索时间。实验结果表明，本文所采用的边缘检测方法是一种有效的图像边缘检测方法。