基于轮廓跟踪的泡罩药品缺陷检测算法

检测泡罩包装中的药片是否存在形状缺陷,需要提取药片图像边缘轮廓."爬虫"法是基本的边缘跟踪方法.提出一种基于有记忆的变窗"爬虫"轮廓跟踪的缺陷判别方法,利用封闭轮廓曲线的密集度指标,"爬虫"跟踪的陷阱和边缘分支,设置"爬虫"中止变换的窗口大小,可快速实现缺陷的预判,从而有效地提高后续缺陷识别过程的工作效率.     

轮廓跟踪与边沿检测的图像自动识别

讨论了轮廓跟踪和边沿检测两种技术在图像自动识别中的应用,指出检测后的边缘点不一定都在图像的边界上,会影响下一步的分析和处理,需要进行轮廓跟踪来将边缘点连成一条连续的边界.提出了一种轮廓跟踪的详细算法,通过寻找适当的起始点坐标,解决了图像边缘点被错误提取的问题.     

基于游程与轮廓跟踪的连通区域标记改进算法

为了进一步提高连通区域标记的效率,提出了一种改进的基于游程与轮廓跟踪技术相结合的连通区域标记算法。该算法首先判断当前前景像素点是孤立点还是轮廓点,然后判断是外轮廓还是内轮廓,并用相应的轮廓标记算法对其进行标记,最后用游程标记方法对本行中剩余的前景像素进行标记,整个过程无需等价表,耗时较少。实验证明,改进后算法的标记效率提高大约24.5%。     

二值图像目标邻域点法边界跟踪算法

分析了二值图像识别中常用的轮廓跟踪算法,并指出其缺点。在提出目标领域点概念的基础上,提供一种对二值图像中的对象物轮廓的智能跟踪法,并给出了具体算法步骤。实验结果表明该算法速度快、轮廓识别准确。为准确得到二值图像中的对象物提供了一种简捷的方法。     

基于改进的Canny算法的铝塑泡罩药品边缘检测

针对药品缺陷检测系统的具体要求,以及Canny算子在双阈值选取方面的困难,对Canny算子进行改进。主要采用Otsu算法进行高低阈值的选取,使改进后的算法具有自适应阈值选取能力。仿真试验证明所提算法的有效性和优越性。     

基于深度学习的轮廓检测算法:综述

轮廓检测旨在提取图像中目标与背景环境的分界线,是计算机视觉研究领域中最基本的问题之一.深度学习技术作为直接从数据中学习特征表示的有效方法,近年来启发轮廓检测领域取得了显著的突破.鉴于此,本文就基于深度学习的轮廓检测研究领域的最新发展进行总结,具体包括:轮廓检测任务中采用的卷积神经网络结构,相关训练数据构造、特征压缩、上采样、代价函数和轮廓细化等关键问题,轮廓检测实验中采用的通用数据集和性能评价指标.最后,分析了基于深度学习的轮廓检测算法的挑战和未来研究趋势,以期为该领域的后续研究提供新思路及参考.     

一种快速红外人体轮廓跟踪算法

为实现红外图像序列中人体轮廓的精确跟踪,提出了一种基于快速水平集的新算法.首先,在目标区域及其邻近背景区域带上,而不是在整个图像平面上,采用模式分类中的最近邻决策思想来构建快速水平集算法的速度函数;然后,采用基于动态邻近区域的快速水平集来演化目标边界曲线以实现目标的轮廓跟踪.实验结果表明,该算法能适应目标尺度的变化、目标的分裂或合并,并获得人体的精确轮廓.     

一种目标轮廓跟踪的UPF方法

针对通用目标轮廓跟踪中CONDENSATION粒子算法的不足,提出一种轮廓跟踪的Unscented Particle Filter（UPF）方法。通过将Unscented卡尔曼滤波器与粒子滤波的结合,并实时考虑观测值,可以精确地、实时地跟踪目标区域。通过人脸跟踪结果表明,该方法对背景干扰具有很强的鲁棒性。     

轮廓跟踪在图纸数字化中的应用

图纸数字化就是把扫描后的图纸(图像)转换为像素来表示,图像转换的好坏直接取决于图纸轮廓线的跟踪效果,轮廓跟踪就是描绘出二值图像中不同区域的轮廓线,在轮廓跟踪之前先进行区域标记,轮廓跟踪效果的好坏有两个因素决定;第一是轮廓线起始点的选取,它会直接影响到跟踪效果的复杂度,第二是跟踪准则选取,它既要便于理解和分析,又要便于程序的设计。     

基于统计模型和活动轮廓的运动目标检测与跟踪

提出了一种静止背景视频序列中运动目标的检测与跟踪方法.对连续两帧图像序列作差分计算,对差分图像的灰度分布建立混和高斯模型(GMM),采用期望最大化(EM)算法估计模型参数,并引入基于GMM模型的边界检测算子,进而构造运动边界图像.改进静态图像轮廓提取算法GVF-Snake,利用运动边界图像修改GVF-Snake的能量项,使其能够提取视频序列中运动目标的轮廓.采用一种根据目标区域自动初始化轮廓的方法解决Snake初始轮廓需要手工设定的问题,采用一阶差分预测算法加快轮廓收敛速度.利用改进的GVF-Snake算法对运动目标进行检测与跟踪,结果表明,该算法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.     

基于粒子滤波的目标主动轮廓跟踪算法

传统的粒子滤波方法采用若干维参数定义的简单几何图形给出跟踪结果,不能精确表示现实中具有复杂形状的目标物体。针对这一问题,该文提出基于粒子滤波的主动轮廓算法,用于计算复杂形状目标的轮廓跟踪任务。在目标状态后验分布的模拟样本基础上引入主动轮廓模型,并使用带权粒子定义其能量函数,使得模型的轮廓线向具有重要权重粒子的所在区域演化,并最终收敛到具有最大目标似然的图像区域,从而实现对目标物体的全局运动及局部形态演化的同时估计。精确的目标区域提高了目标模型的更新精度,避免了跟踪中漂移现象的发生。最后,结合真实机场监控验证了该方法在实际复杂场景下的有效性及鲁棒性。     

基于LBP直方图和SIFT的药品包装缺陷检测方法

针对铝塑泡罩药品包装缺陷检测问题,提出了基于LBP直方图的SIFT匹配方法。先提取铝塑泡罩药品包装图像中的特征点,再计算其周围区域上的LBP直方图,最后进行特征点匹配,判断该药品包装是否有缺陷。试验结果表明,此方法与SIFT算法相比,计算速度更快,且能满足工业生产要求。     

基于Log-Gabor滤波器组的织物疵点检测算法

利用Log-Gabor滤波器组实现了对织物图像的疵点检测.首先给出了构建Log-Gabor滤波器组的方法,然后利用滤波器组对织物图像进行滤波处理,并对滤波后的图像进行分割和融合,最后将疵点从织物图像的背景纹理中分割出来.实验结果证明该方法能够有效地检测出织物疵点.     

基于自适应形态学滤波器的布匹瑕疵检测算法

针对布匹瑕疵检测算法中运算量大、自适应差的问题,利用布匹纹理周期性变化特性,自适应地构建结构元素,实现形态学运算;采用基于像素面积的阈值选择定位瑕疵位置。在不改变检测准确率的同时减少了运算时间。实验结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,误检率、错误率均降低了4%。     

基于核相关滤波的TLD跟踪算法的研究

对TLD跟踪算法进行改进,以提高在跟踪目标发生尺度变化或被遮挡时的跟踪性能. 首先使用KCF跟踪器替代TLD算法中原有的中值光流跟踪器,并在特征提取时增加目标的Lab颜色特征,在寻找目标位置时引入尺度估计,在模型更新阶段引入跟踪状态判别机制,通过设定跟踪器中输出响应最大值阈值、APCE阈值及检测器中随机蕨分类器阈值来判断跟踪器跟踪结果的可靠性,改善跟踪器在尺度变化、出现遮挡、光照变化等情况下的跟踪效果. 针对TLD算法中的检测器,为了减少大量无意义的窗口,提升算法在存在遮挡时的精确性,在检测之前使用Kalman滤波预估出目标位置,在预估位置周围使用改进的级联分类器更精准地定位目标,改进的级联分类器的前两级仍采用方差分类器和随机蕨分类器,第三级则采用改进的KCF跟踪器. 在OTB-50数据集上的实验结果分析表明,该算法跟踪性能优于其他算法,能够满足实时性.     

一种新的组织病理图像阳性细胞轮廓检测方法

组织病理图像中阳性细胞比例的检测对癌症和肿瘤的定性和定级起决定作用。提出一种用于细胞准确计数的新的轮廓检测方法,针对组织病理图像色彩纹理复杂、细胞边界模糊等特点,结合通道提取和图像二值化方法实现阳性细胞的准确分离,并在CV模型基础上完成对细胞的轮廓提取。实验表明,该方法有效解决了传统方法无法处理的弱边缘问题,在保持算法性能的前提下,可自动分离组织病理图像中的阳性细胞并检测其轮廓。     

基于纹理结构异常的织物疵点检测算法研究

提出了一种基于织物纹理结构异常的织物疵点检测算法。首先计算代表正常纹理的主邻域结构图;其次通过比较每个像素的邻域结构图与主邻域结构图的差异来定义该像素的显著性,进而得到显著图;最后采用迭代最优阈值分割方法对显著图进行分割得到疵点区域。试验证明,该算法操作简单、计算速度快、鲁棒性强,具有较强的自适应性。     

基于双谱分析的磁瓦内部缺陷音频检测方法

内部缺陷检测是保证磁瓦产品质量的关键环节之一。针对目前磁瓦内部缺陷采用人工音频识别存在的问题,使用双谱分析已知内部缺陷情况的磁瓦在跌落撞击试验中产生的音频信号,其结果表明内部缺陷会影响双谱的峰值分布。根据这个规律,提出了一种归一化双谱三切片分析方法用于磁瓦内部缺陷的检测。该方法首先提取归一化双谱上三个特定方向的切片;其次按照峰值分布与内部缺陷的映射关系,将每个切片划分成若干频率区域,并对各区域进行分类;然后通过对不同种类的区域最大峰值比较与计算,建立识别内部缺陷的阈值。最后,验证试验对方法的有效性进行了评估,取得了97%以上的识别正确率。试验结果表明双谱分析在磁瓦内部缺陷音频检测中具有较好的实用性。