一种基于视觉和深度信息的山体裂缝宽度测量方法仿真研究

山体滑坡裂缝监测可以作为预测滑坡趋势的重要依据,可以有效地预警滑坡的产生。对此提出一种基于视觉和深度信息的山体裂缝宽度测量方法。采用近景摄影方式,通过霍夫变换识别预先设计的标志圆形,找出圆心坐标,进而转换到世界坐标系下计算出两圆心的距离,通过监测圆心距离来反映裂缝的大小变化。同时还深入探究了摄像头平移、旋转等因素对测试精度的影响。实验与测试结果显示本方法的测试精度达到2mm以内。     

基于Android的裂缝宽度检测系统设计实现

针对传统基于pc机的裂缝宽度检测方法不够灵活方便,设计了一个基于Android的便携式裂缝宽度检测系统.通过驱动手机摄像头采集裂缝图像,利用图像处理技术对采集到的图像进行预处理、二值化及Canny边缘检测等,从而提取出裂缝的边缘信息,计算出裂缝的宽度.将系统的检测值与裂缝测宽仪的测量数据进行比较,其相对误差不超过7％.实验结果表明,该系统能够较准确地检测出裂缝的边缘,而且检测出的裂缝宽度具有较高的精确性,因此能够较大提高检测效率.     

高速公路裂缝边缘检测算法的研究

本文提出了一种有效的高速公路裂缝边缘快速检测算法。通过将对称指数滤波器（ISEF）算法与边过程算法有机结合的方法,对高速公路裂缝图像进行抑制强烈噪声和微分二值化运算,并利用追踪围线提取得到裂缝边缘。实验结果证明,该方法能稳定有效地提取图象中的连续裂缝边缘,并且运算复杂度是线性的,有利于高速实时的处理。     

结构森林边缘检测与渗流模型相结合的混凝土表面裂缝检测

针对现有混凝土表面裂缝检测方法对不同环境下采集的裂缝图像集检测效果鲁棒性不强的问题,引入基于结构森林的学习框架来提取裂缝边缘,并融合改进的快速渗流算法检测裂缝,以保证检测精确率和效率。使用分段函数对彩色图像进行线性变换以增强裂缝,根据包含裂缝块的局部结构特征及彩色图像积分通道特征,利用结构森林边缘检测器快速提取裂缝边缘,同时结合改进的渗流模型快速渗流边缘并去噪。最后,利用形态学方法,连接较小断裂并填充孔洞。在收集的各类裂缝图像集上的实验结果表明,该算法处理速度快、鲁棒性好,且裂缝提取的精确度优于现有算法。     

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%。     

图像边缘检测综述

边缘检测的任务是将亮度变化明显的像素点识别为目标边缘,是计算机视觉低层级问题,并且边缘检测在对象识别和检测、对象提议生成、图像分割有着重要应用。如今,边缘检测已经产生了多类方法,如基于梯度的传统检测方法、基于深度学习的边缘检测算法,还有结合新兴技术的检测方法等。对这些方法进行更精细的分类,让研究者更清楚地了解边缘检测的发展趋势。对传统边缘检测的理论依据及实现方法做出介绍;详细介绍近年来主要的深度学习边缘检测方法,根据使用的方法进行分类,并对其中所使用的创新技术进行说明,如分支结构、特征融合和损失函数。衡量算法性能采用评估指标：单图最佳阈值（ODS）和帧数（FPS）,在基础数据集（BSDS500）上进行对比。对边缘检测的研究现状进行分析和总结,对未来可能的研究方向进行展望。     

沥青路面裂缝图像检测算法研究

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。     

基于神经网络的颗粒图像边缘混合检测方法

针对颗粒图像的特点,提出一种基于神经网络的边缘混合检测方法,该方法包含边界候选象素提取和神经网络边缘检测两部分,神经网络由用于图像信息压缩与图像信息编码的自组织竞争子神经网络（ＡＳＣＳＮＮ）和用于获取图像边缘矢量信息的基于径向函数子神经网络（ＲＢＦＳＮＮ）组成,实验结果表明,该方法分割颗粒图像得到的边缘图像封闭性好,边界描述真实,适用于堆积颗粒物料图像的边缘检测。     

基于K-均值改进蚁群优化的彩色图像边缘检测算法

为提高图像边缘检测的精度,提出一种基于K-均值改进蚁群优化（ACO）的彩色图像边缘检测算法。将聚类嵌入到边缘检测中,使这2类图像分割方法有效结合,增强了2类方法的优势。实验结果表明,该算法有效解决了传统蚁群算法（ACO）收敛较慢的问题,较好地保留了图像边缘细节,降低了计算复杂度,与典型分割方法相比具有更好的性能。     

基于边缘特征的车道偏移检测与预警

车道偏移的检测是智能车辆辅助驾驶系统中的重要技术问题之一.通过基于灰度阈值分割的梯度边缘检测技术,在对路面图像进行边缘检测的同时,配合以路面的灰度信息,准确地分离出车道标志线的边缘,再依此定义车道的跟踪区域--感兴趣区域(ROI),利用车道边缘信息定义边缘分布函数EDF(Edge Distribution Function),通过对跟踪区域中车道线梯度方向的分析,获取两条车道标志线在道路图像中的方向,以此作为车道偏移判断与预警的主要根据.该方法能够有效地抑制图像中非线性物体的干扰,是一种有效、可靠的车道偏移检测与预警方法.     

飞机发动机叶片裂纹自适应检测算法的研究

发动机叶片裂纹检测是机务维护的重要内容,能否快速准确地检测叶片裂纹,对于缩短战场抢修时间、保障飞机的完好率具有重要的意义.本研究采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;基于边缘检测的小波滤波方法能动态的确定分解层次,有效抑制了噪声点的影响,提高了图像的视觉效果;自适应阈值分割是通过迭代的方法寻找图像的最佳分割阈值,能自动、可靠地检测裂纹的位置、长度等特征.仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求.     

轮辋裂纹检测方法研究

综合运用图像边缘检测、形态学运算、傅立叶变换、最优阈值分割等多种方法,提出一种适用于车轮轮辋探伤系统的裂纹检测方法。该方法能有效抑制背景光照不均和去除背景刀纹,同时较好地检测到裂纹特征。实验表明该方法具有运算速度快,漏判误判率低的特点。     

安全玻璃碎片的检测与识别

碎片状态试验是安全玻璃强制检验的内容之一。将数字图像处理技术应用于玻璃碎片的检测和识别中,主要是为了得到玻璃碎片的形状、尺寸和数量。根据玻璃碎片图像的特点,提出了一种基于边缘检测的图像分割方法,首先进行玻璃碎片缝隙线检测,对传统边缘检测获得的不连通的缝隙线进行了补充和去噪处理,得到与原始图像基本吻合的较粗的缝隙线;然后通过求距离函数并灰度重建、倒置,实现了碎片的容凹处理,进而进行图像分割,完成了玻璃碎片的识别,得到碎片数量以及像素宽度为1的缝隙线。实验结果显示,该算法能准确地刻画玻璃碎片的缝隙线,正确地划分碎片区域。用计算机处理玻璃碎片数字图像可以节省人力,提高检验准确性。     

基于相位一致性图像处理的岩体裂隙自动检测

提出了一种基于相位一致性检测和分段线迭代连接并去除伪边缘的岩体裂隙自动检测方法。先对原始图像进行相位一致性边缘检测并细化处理,得到包含裂隙特征和伪边缘的分段线,再根据距离和角度原则对分段线迭代连接,裂隙分段线相互连接而不断完整的同时滤除不能连接而变长的伪边缘。实验表明,对于大体积岩体露头面图像的裂隙检测,该方法具有较高的精确性。     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

综合CV和Facet模型的裂纹边缘检测

CV模型能检测到连续封闭的裂纹边缘,但边缘的定位精度不高,Facet模型定位裂纹边缘的精度高,但不连续。针对上述问题,研究了一种综合CV和Facet模型的算法。该算法利用CV模型进行边缘检测,在CV边缘点的附近运用Facet模型进行检测,将两种方法分别获得的边缘点进行融合得到连续封闭且定位准确的边缘。将该算法应用于工业CT图像的裂纹边缘检测中,实验结果表明该方法是有效的。     

小波边缘分布及边缘融和算法研究

小波变换是图像边缘检测的重要算法之一,为了综合大尺度下边缘抗受噪声强和小尺度下边缘定位准确的优点,提出一种基于多尺度小波边缘分布的边缘检测算法.研究小波边缘检测中的边缘分布,提出有效边缘包络带,讨论了不同类型边缘包络带的有效范围;在有效边缘包络带内采用融和算法进行边缘检测.对合成和自然图像的试验表明算法的有效性.     

Beamlet分析的药柱裂纹图像边缘检测方法

在分析某固体火箭发动机推进剂药柱裂纹图像自身特点和传统边缘检测方法局限性的基础上,将Beamlet高维奇异几何分析工具应用于裂纹图像的边缘检测中,并给出线段的长度和斜率的Beamlet基链的近似计算公式。首先对图像进行分割,以提取裂纹区域;然后对已分割的图像进行四叉树分解,以最佳划分图像;最后对图像子块进行Wedgelet变换,筛选出最优Beamlet基作为边缘显示出来。结果表明,能够在检测出裂纹边缘的同时给出边缘的位置、长度、方向等更具体的几何信息,这将为药柱结构完整性研究和药柱裂纹图像计算机辅助分析打下基础。     

一种基于数学形态学的边缘检测方法

基于微分算子的边缘检测方法存在抗噪性能弱等缺点,非线性的数学形态学边缘检测可以克服这些缺点,而使用单一结构元素对图像进行形态学处理会模糊很多细节。鉴于这些不足,运用多结构多尺度的思想,将形态学的滤波和边缘检测结合起来,提出一种边缘检测方法,首先采用多结构多尺度的方法对噪声图像进行串联开闭滤波,再利用改进的多结构元素的形态学梯度算子进行边缘提取。实验结果表明,该方法具有较好的抗噪效果且提取的边缘比较平滑。