一种基于改进渗流模型的混凝土表面裂缝快速检测算法

由于混凝土表面不平整、光照不均、裂缝背景较为复杂等因素的干扰,传统的基于图像处理的裂缝检测方法对裂缝检测的效果不佳,尤其是不清晰和比较细小的裂缝。基于渗流模型的裂缝检测方法充分考虑了裂缝亮度低、形状较为细长的特点,对裂缝的检测效果很好,尤其是图像中的细小裂缝,但是该方法需要大量的处理时间。为了解决上述问题,提出了一种加速渗流处理的算法,该算法通过暗点预提取来减少渗流时需要处理的像素点个数,以此来减少渗流处理时间。实验结果表明,所提算法能明显加快渗流处理的速度,并且精确率基本保持不变。     

多因子判定与渗流模型相结合的裂缝检测算法

针对传统的基于渗流模型的裂缝检测算法效率过低且检测结果易存在断裂的问题,提出一种多因子判定与渗流模型相结合的裂缝检测算法。首先,提出了一种改进的渗流加速算法,通过减少大量参与渗流处理的冗余像素点,提高渗流处理效率;然后,对提取到的渗流点进行渗流处理;最后,提出了一种结合裂缝走向的多因子判定连接算法,算法通过四个判定因子对裂缝连接的合理性进行分析,以提高裂缝连接的准确性。对背景中存在不同干扰物的不同形态裂缝图像进行实验,与传统渗流模型检测算法以及原渗流加速-骨架连接算法相比,所提算法中渗流点数量分别平均减少了99. 7%与38. 1%,精确率分别平均提高了60. 5%与6. 4%,召回率分别平均提高了10. 5%与4. 0%。实验结果表明,所提算法能够明显提高渗流处理效率,同时提高裂缝检测的准确性。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息,因此,在图象去噪的同时,尽量保留图象的边缘特征,应是图象去噪首要顾及的问题。基于这一思想,提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前,先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,而不必担心损害图象的边缘特征。理论分析和实验结果都表明,与普通的小波阈值去噪方法相比,该方法不但可以保持图象的边缘信息,而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声,又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来,在一定程度上解决了这种两难的问题。     

基于轮廓特征的水下混凝土结构表面裂缝检测算法

针对水下混凝土结构表面裂缝难以准确检测的问题,提出了一种基于轮廓特征的水下混凝土结构表面裂缝检测算法;在对采集到的水下混凝土结构表面图像进行预处理和边缘检测后,首先通过计算图像中边缘的长度和曲率来进行初步判别,区分杂点和部分非裂缝;然后根据裂缝轮廓相互匹配的特征,利用模板搜索来检测出真实裂缝;最后连接裂缝边缘断开部分,优化裂缝检测结果;实验结果表明,与其它算法相比,该算法检测出裂缝的准确率与完整率至少提高了3.54%。     

基于边缘检测的空间自适应小波去噪

一般的图像去噪方法在去除噪声的同时也使得边缘变得模糊,结合边缘检测和空间自适应思想,提出一种新的基于小波变换的图像去噪方法。先用小波边缘检测方法提取出图像各个尺度上的边缘,将小波系数分为边缘点和非边缘点,再根据边缘将小波系数分为各个小区域,这样将小波系数分为边缘点和各个区间内的非边缘点,分别对它们进行阈值处理。根据自适应准则,各个系数的阈值由它相邻的、有相同性质的系数决定,这使得在去噪的同时对图像的边缘特征予以保护。实验结果表明,该方法去噪后的图像信噪比更高,视觉效果也更好,在一定程度上解决了去噪时的边缘模糊问题。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

形态学与RCF相结合的唐卡图像边缘检测算法

唐卡图像的内容丰富,纹理信息复杂。边缘检测在唐卡图像分析研究中具有非常重要的意义,因为唐卡图像轮廓含有大量的图像数据信息。数学形态学方法提取的边缘光滑连续,但是对复杂的边缘检测时会存在模糊不清晰的现象~([1])。卷积神经网络(CNN)可以提取很多高层的、多尺度的信息~([2])。为此提出的边缘检测方法,用优化的数学形态学算法提取原图像边缘;利用训练的RCF网络模型~([3])提取原图像的边缘。根据小波变换的分解与重构原理将以上方法得出的图像边缘融合,从而得到更加完整光滑的图像边缘。实验表明,融合后的图像边缘更加清晰连续,轮廓信息更符合人类的视觉认知,去掉了无效的细节纹理,更有利于唐卡图像后续研究。     

模块化决策森林的区块链交易欺诈检测模型

区块链技术广泛应用于数字资产和电子交易等行业;因此出现很多欺诈行为。为了有效控制比特币交易欺诈损失;现有欺诈检测方式主要有学习模型预测和规则匹配等;但该方式存在预测精确率不够高和欺诈者容易绕过规则的问题。针对上述问题;采用改进的去噪稀疏自编码器;以降低虚拟货币交易数据特征维度;继而结合“分而治之”的方法;提出模块化决策森林模型。模块化决策森林是基于峰值密度快速模糊聚类将数据分解为多组小数据;每组数据都将由一个决策树学习。根据隶属度确定模糊边界;边界模糊样本将添加一组决策树进行学习。对于分类难度仍较大的样本采用多次划分的策略;由父决策树与多个子决策树共同学习。在实验验证部分;分别采用数字图像数据集Optdigits、虚拟货币交易数据集Elliptic和Ethereum;验证模块化决策森林模型的性能;并与图神经网络、逻辑回归、随机森林等模型进行对比。实验结果表明;该模块化决策森林模型在精确率、召回率、F1-score均有大幅度提升。     

基于随机模型的边缘检测

在图象处理和计算机视觉中图象分割是一个非常重要的步骤，分割的好坏将直接影响很多后续处理的结果。虽然目前已有很多不同的边缘提取算法，但是这些方法很少考虑图象结构上的特点，而且从某种意义上讲所有基于差分的方法都是病态的。本文提出了一种边缘检测的随机模型方法，在这种方法中建立了两个模型，成象模型和基于磁引力模型的先验模型。在这两个模型的基础上我们分别采用模拟退火和贪心法进行求解，并将结果与其它基于差分的     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

一种基于区域一致性测度的边缘评价方法

提出一一种新的边缘评价方法,该方法同时考虑到边缘线型连接的好坏及错检,漏检的程度,结合了传统的边缘评价方法各自的优点,更多地体现了人对边缘检测效果的评价特点。文中对测试图象及实际图象的边缘检测结果进行了评价,结果表明该评价方法是合理的,可行的。     

On edge gradient approximations

The effect of imposing some desirable properties on the masks of differential-type operators is studied. It is shown that in a 3×3 window there are only two free parameters to specify. It is also shown that under the assumption of these properties a widely used differential-type edge detection method is equivalent to an appropriate template-matching method and vice-versa.     

用DOG函数进行边缘检测的硬件网络模型

根据视觉计算理论,如果用一组不同大小的运算子对成象在视网膜上外界场景的二维图象进行光强度变化的检测可以获得原始图象的零交叉表象,即原始要素图.本文在讨论这一方法的基础上,提出了一种基于DOG函数的网络模型.模型满足了空间平移不变性,可实时并且平行地对输入信号进行边缘检测.模型中引入了时间维来构成尺度空间的零交叉表象的图谱,使得网络在简单有效的基础上实现.     

一种基于云模型和数学形态学的边缘检测算法

针对图像信息的不确定性,本文提出了一种基于云模型并结合数学形态学的边缘检测算法.该算法首先提取灰度图像的若干不确定面云,基于面云之间相邻、包含和相交的位置关系,利用云计算提取得到线云,使用数学形态学的边缘检测算子,对多种类型的边缘进行检测.最后进行了仿真试验,结果表明该算法对不同类型的边缘有一定的适宜度.     

小波域基于层内和层间系数约束的边缘软判决与图像去噪

在提出依概率对边缘系数软判决的基础上,运用图像小波分解后在尺度和空间方向的相关性,引入调谐函数,对边缘发生概率增加邻域约束,以进一步提高边缘发生概率的估计精度。应用于图像去噪的仿真结果表明,引入层问和层内约束后,在较好滤除噪声的同时,图像边缘也得到了明显加强。该方法也可用于边缘检测和图像分割。     

Delphi实现图像边缘检测

总结了计算机图像边缘检测的基本步骤和原理,分析了实现图像边缘检测三种基本边缘算子,给出了基于Delphi编程工具的图像边缘检测的实现方法。     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

一种基于边缘生长的灰度和彩色图象分割方法

边缘检测可以快速准确地提供区域分割的边缘点,是图象处理的一个重要领域。但由于边缘点不连续和难以把存在大量碎边缘点的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为此提出用边缘生长的方法来解决不连续的边缘点链接问题和通过找出高细节区周围的区域,以便间接地将高细节区围成一个区域。该算法是边缘检测的后续处理,适合于多种应用目的,同时还可以嵌入到其它利用边缘信息的分割算法中。     

快速模糊边缘检测算法

边缘检测是图象处理中的一个重要组成部分。通过对Pai.King模糊边缘测算法进行改进,提出了一个快速模糊边缘检测算法。该快速算法不但简化了Pil.King算法中复杂的G和G^-1运算,而且通过实验,确定了Tr变换中最佳的隶属度阈值,并减少了迭代次数。从两组实验结果可以看出,快速算法不但提高了Pai.King算法的效率,而且检测效果也优于pai.King算法。快速算法不但适用于普通图象,而且也适应于遥感图象,并具有很强的检测模糊边缘和细小边缘的能力,这种快速算法的性能优越,是一种实用的、有前途的图象处理算法。     

基于三维场景和图像边缘特征的浅浮雕建模

针对数字浅浮雕设计,通过对已有的浅浮雕建模方法进行分析,提出一种结合深度场边缘特征自动生成浅浮雕的方法.从三维场景中获取深度图,再将深度图分割成块,利用局部图像结构的优点,用随机结构化森林来学习精确且计算有效的边缘检测器,得到的边缘图再进行处理得到平滑且细节增强的浅浮雕轮廓;视边缘连续图为概率场,提出根据概率场对深度场...