共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
在对心血管狭窄病人的治疗中,常常需要对病人心血管的狭窄情况进行准确评估,而数字减影血管造影技术(DSA)是血管疾病诊断,特别是介入治疗不可缺少的检查手段,如何准确提取DSA血管边缘对于血管狭窄率的测量具有非常重要的意义。针对DSA血管图像的特点,本文在分析传统的LOG(Laplacian-of-Gaussian algorithm)轮廓检测算法存在问题的基础上,进行了改进使其能正确地获得血管的边缘图像,同时利用改进的边界链码对血管边缘进行了分割图像的结构化,将跟踪结果用于血管狭窄率的测量。最后,基于改进的边缘检测算法,开发了血管边缘检测和狭窄率测量工具,取得了良好的检测效果。 相似文献
3.
4.
基于视觉技术的边缘跟踪轮廓测量系统 总被引:1,自引:0,他引:1
激光跟踪测量法在测量工件轮廓方面具有精度高、实时快速、动态测量、操作简单等特点,越来越广泛的被应用.但激光光束易受气象条件影响,不能全天候使用.针对这一问题,介绍了一种基于视觉技术的工件轮廓的跟踪测量,根据系统硬件平台的具体结构采用边缘跟踪轮廓测量可以加快处理速度,对于图像的实时处理有很大好处.基于视觉的边缘跟踪轮廓测量系统利用传统的图象处理,边缘检测和曲线拟合技术,对CCD拍摄下来的图像进行边缘轮廓提取.并像结束点的坐标.结合可重组测量技术达到了高精度检测工件合格率的要求. 相似文献
5.
6.
为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。 相似文献
7.
8.
9.
10.
11.
基于手指融合特征和粒子群优化的手形识别 总被引:1,自引:0,他引:1
针对基于手部几何特征的手形识别方法可利用的个体信息有限的问题,提出了一种将手指轮廓特征与几何特征相融合的身份识别方法。该算法首先分离手指,采用曲线拟合算法定位手指中轴线;然后采用分步对齐方法规范化手指,并提取手指轮廓特征和几何特征;最后采用粒子群算法对手指截取系数和权值系数进行优化,以进一步提高识别准确率。实验结果表明:采用该方法后,识别率可达98.61%。该方法手指定位更准确,更充分地利用了手部信息,且避免了特征点定位不准及手指根部不稳定轮廓特征对识别准确率的影响,具有较高的识别率和良好的鲁棒性。 相似文献
12.
一种基于梯度和零交叉点的图像边缘检测新方法 总被引:3,自引:0,他引:3
本文提出了一种基于一阶导数局部极大值和二阶导数零交叉点的图像边缘检测方法。许多传统的边缘检测方法,尤其是一些基于二阶导数零交叉点的方法,对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来,而本方法可以较好地解决这些问题。本文提出的算法是先计算出像素一阶导数的局部极大值以及二阶导数对应的零交叉点,将两者进行比较,删除那些二阶导数是零交叉点但一阶导数不是局部极大值的像素点,最后把剩下像素连接起来,即是图像边缘。实验研究结果表明该方法具有良好的边缘检测效果和鲁棒性。 相似文献
13.
应用Canny算法和灰度等高线的金相组织封闭边缘提取 总被引:2,自引:0,他引:2
为了对金相组织的多项组织含量进行定量分析,提出应用Canny算法和灰度等高线相结合的方法来产生封闭金相组织边缘。首先,采用高斯函数对金相组织的灰度图像进行模糊处理,然后,用Canny算法对模糊后的图像获取具有单边缘效应的原始边缘。通过最大类间方差法对原始边缘进行自动计算,获得抑制虚假边缘的阈值,并通过该阈值获取基础边缘。由于基础边缘具有不连续性,因此需根据基础边缘端点的邻域灰度中值计算所需的灰度等高线,同时根据设定的等高线和基础边缘融合的条件,以基础边缘的端点为起点生成封闭边缘。实验结果表明,该算法可有效地生成符合要求的封闭边缘,采用该算法产生的封闭边缘进行金相组织含量测定可使测量误差降低到±1%,可测组织含量范围达到5%~95%。该算法能满足多项金相组织含量测定的定量分析要求且具有普适性。 相似文献
14.
The welding deviation detection is the basis of robotic tracking welding, but the on-line real-time measurement of welding deviation is still not well solved by the existing methods. There is plenty of information in the gas metal arc welding(GMAW) molten pool images that is very important for the control of welding seam tracking. The physical meaning for the curvature extremum of molten pool contour is revealed by researching the molten pool images, that is, the deviation information points of welding wire center and the molten tip center are the maxima and the local maxima of the contour curvature, and the horizontal welding deviation is the position difference of these two extremum points. A new method of weld deviation detection is presented, including the process of preprocessing molten pool images, extracting and segmenting the contours, obtaining the contour extremum points, and calculating the welding deviation, etc. Extracting the contours is the premise, segmenting the contour lines is the foundation, and obtaining the contour extremum points is the key. The contour images can be extracted with the method of discrete dyadic wavelet transform, which is divided into two sub contours including welding wire and molten tip separately. The curvature value of each point of the two sub contour lines is calculated based on the approximate curvature formula of multi-points for plane curve, and the two points of the curvature extremum are the characteristics needed for the welding deviation calculation. The results of the tests and analyses show that the maximum error of the obtained on-line welding deviation is 2 pixels(0.16 mm), and the algorithm is stable enough to meet the requirements of the pipeline in real-time control at a speed of less than 500 mm/min. The method can be applied to the on-line automatic welding deviation detection. 相似文献
15.
16.
手形识别是指对手部的轮廓所构成的几何图形进行识别,提取的特征为手的不同部位的尺寸或是手指边缘的轮廓点集。二维手形图像的识别主要有手形轮廓点集匹配和手形特征矢量匹配两种方法。目前应用最多的是第二种方法,应用这种方法首先要准确定位手形轮廓上的特征点。总结了一些定位手形特征点的方法,找到这些特征点后才能选取适当的特征矢量进行手形识别。 相似文献
17.
单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。 相似文献
18.
在边缘轮廓提取的基础上,提出了一种利用局部方向微分向量一致性的角点检测算法以消除边缘噪声对角点检测产生的不利影响。该算法提取图像的边缘轮廓来降低算法计算量;利用各向异性高斯方向导数(ANDD)滤波器提取每个像素处的方向微分向量并进行幂次变换,以增强向量的各向异性;进而利用相邻像素的方向微分向量构建一致性测度。最后,对同一轮廓上的一致性测度进行均值归一化,得到最终角点测度。实验显示,提出算法的平均角点定位误差为1.52pixel,与对比算法接近;检测准确率分别比点到弦距离累积(CPDA)法、相对局部曲率(HeYung)法提高了58%和5.5%,与归一化残余面积(RA)算法相等,同时角点错检率比HeYung和RA少25.5%和21.6%。提出的算法能准确地检测出真实角点,并具有更小的错误检测率,更高的角点重复率,而且对边缘噪声十分鲁棒。 相似文献