基于轮廓提取的电能表视觉识别技术

为了对电能表的位置进行准确的识别,提出了一种电表轮廓检测的新方法。采用机器视觉技术读取电表图像,然后对目标进行提取和识别,获取需要的电表信息。该方法利用液晶屏的识别,液晶屏外围矩形环和表肚区域的确定,实现了电表的识别与精确定位;采用OpenCV编程实现了电表轮廓提取的完整过程。     

单像素宽度目标轮廓提取的实现

在人脸检测、火灾识别等应用中,应用物体的轮廓特征来检测和定位目标物体是一种有效的方法.本文提出一种基于连通区域面积阈值化的实现算法,可以同时实现噪声消除与轮廓提取,并据此定位图像中的物体目标.实验结果显示,只要噪声面积没有超过物体面积,应用该算法即可实现噪声完全消除,并能够得到连续的无交叉的单像素宽度的物体轮廓,且轮廓不变形.     

基于图像轮廓提取的模板匹配方法在机器人视觉中的应用

在图像模板匹配基础上，利用轮廓提取方法，提出了一种适合机器人视觉技术的图像模式识别算法-基于图像轮廓提取的模板匹配算法。研究表明：该算法实现简单的，执行速度快，在求得对象物精确位置方面有一定提高，且在一定程度上相似性发布相对尖锐了一些。     

基于GVF-Snake人体轮廓提取的优化算法

通过分析基于边缘、区域分割和形变模型等3类轮廓提取算法,提出一种分别对三者进行优化综合的基于梯度矢量流-主动轮廓模型(GVF-Snake)的人体轮廓提取优化算法。利用内嵌置信度边缘检测得到理想边缘图,通过形态学方法提取物体粗略轮廓作为GVF-Snake模型的初始轮廓。采用优化GVF-Snake模型提取精确轮廓。将上述方法应用于人体图像轮廓提取,实验结果表明,该方法达到了预期目的且具有较好的实用性。     

基于小波变换模局部极大点原理的车辆轮廓提取

本文根据Mallat小波理论中的图像边缘的对应于小波变换模的局部极大值点,应用小波变换的方法,取得结构元素探测局部极大值点,并用提出的卷包裹算法成功地抽取车辆轮廓。     

一种新的基于局部轮廓特征的目标检测方法

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.     

基于单水平集的多目标轮廓提取

多目标轮廓提取是图像分割的重要研究内容.文章在Chan和Vese的无边界主动轮廓模型(简称CV模型)的基础上,提出基于单水平集的多目标轮廓提取算法.CV模型只能实现单目标的轮廓提取,主要原因是不能使水平集函数驱动的轮廓线在某些目标区域正确分裂,没有有效利用轮廓线的拓扑分裂信息.通过修正CV模型,引入标记模板,用于追踪零水平集的分裂情况,对不同的准目标区域区别处理;引入图像区域均值模板,用于估计可能淹没在背景区域中的目标区域,促使水平集函数在上述目标区域充分变形,使对应零水平集充分分裂,实现多目标轮廓提取.并且文章提供了一系列不同条件下的实验结果,并与其它类似的研究成果进行比较,结果表明,该文的工作是有意义的.     

基于双目视觉的小场景三维轮廓提取

为实现机器人移动过程中自主避障及轨迹修正,研究了小场景内基于立体视觉的环境信息的三维重构技术。用MATLAB双目相机标定工具箱对相机进行标定,SGM算法计算出相机左右视图的视差图,三角测距原理求取场景的三维点云信息。为适当简化环境参数,提出了基于二维轮廓图的三维轮廓提取方法,并借助模板匹配算法验证三维重建的准确性。在MATLAB环境下进行试验,结果表明:使用的方法比较准确地实现了小场景的三维轮廓的提取,说明提出的方法可以为机器人移动及其路径规划提供相应参考。     

基于概率分布图的运动目标轮廓快速提取方法

以对图像分析起重要作用的目标轮廓提取技术为重点,研究并提出一种基于概率分布图的目标轮廓快速提取方法,该方法先从视频中检测到前景目标并建立目标概率模型,再根据建立的模型计算目标概率分布图,用该分布图提取出目标轮廓。对2330幅包含运动目标的视频帧进行测试,结果表明,该方法简单有效,处理速度快,提取的轮廓准确、清晰,对目标形变具有很好的鲁棒性。     

基于视觉的目标提取方法综述

感兴趣目标提取是计算机视觉领域一个经典和基础的研究课题,是正确实现几乎所有高层次视觉任务的关键.由于实际采集环境中存在许多不可控制的因素,使得快速准确的目标提取成为几十年来研究者一直面临的挑战.描述了七类代表性的目标提取方法及其优缺点,并通过二次分类分析了它们的适用范围和理论脉络.     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

复杂物体轮廓提取

图象分割是图象处理中的一项重要工作,虽然目前手工与自然相结合的分割方法已在实际工程中得到了广泛应用,但由于图象的多义性和复杂性,许多分割工作仍无法利用计算机来自动完成,为了解决这一问题,根据图象经Maar变换后的特征,采用新的判断准则,提出了一种复杂物 体边缘定位算法,用该算法 具有尖角特征的特体轮廓进行快速准确地提取,同时由于利用了矢量化方法来消除毛刺,从而使跟踪获得的边界更符合物体的实际轮廓特征,通过对多种图象的实验表明,该方法十分有效。     

多尺度特征图分类再提取的目标检测算法

为提高SSD算法检测目标的能力,提出了一种对多尺度特征图进行分类再提取的目标检测算法.该算法将SSD特征金字塔中多个不同尺度的特征图分为低层和高层两类特征图.针对低层特征图所处位置网络深度不够导致的特征表示能力不足,设计了SFE(Shallow Feature Enhancement)模块提取特征从而增加网络深度,最终...     

图象轮廓特征提取新方法研究

研究了一种基于主动轮廓的边缘提取方法,与传统方法相比,该方法除了以图象灰度变化的微分信息作为边缘点和非边缘点的分类判据外,还引入了图象轮廓的整体几何信息指导分类过程,因而是一种具有学习功能的边缘提取方法。     

基于图像势能理论的目标轮廓特征提取方法

在进行模式识别和目标分类系统中,一种好的特征提取方法可以提高系统性能。采集图像势能并用于图像特征的提取与保存是二值图像处理的一个新方法和新理论。势能方法把每一个像素点所具有的势能按序收集、顺序存放,较好地保留了图像的特征,以便存储和分类。图像轮廓是一个对象区别于其他对象的最主要特征之一,运用势能理论计算出目标轮廓的势能,可以较好地表现出图像的特征,其计算速度快,运算量小,占用存储空间小,可用于目标识别和目标分类等领域。     

基于改进主动轮廓模型的图像分割方法研究

提出了利用边缘检测提取物体特征的算法,首先利用动态边缘检测算法提取物体的边缘,接着计算边沿到重心的距离,再将特征长度归一化。利用获取的特征训练SVM分类器。最后利用粮食图像对该方法进行了仿真实验。实验表明,提出的方法能有效地提取边缘特征,并且具有较高的分类正确率。     

基于蚁群算法的现代藏文字符轮廓提取技术研究

由于对字符提取骨架往往会失去受污损部位的重要信息,因此本文提出了一种基于蚁群算法的现代藏文字符轮廓提取算法,旨在用字符的轮廓线代替骨架线来表征字符。本算法用于印刷体藏文轮廓提取,取得了良好的效果,避免了传统细化算法造成的畸变,提高了轮廓提取的抗干扰能力,并且减小了计算量,加快了特征提取的速度。