基于数学形态学和灰度矩的高温亚像素边缘检测

提出了一种在高温条件下的试件边缘检测方法,能准确检测试件在升温过程中边缘的变化情况。对采集到的图像利用Canny算子和数学形态学进行像素级边缘粗定位,然后在灰度矩亚像素边缘检测算法基础上,增加对边缘判断条件的约束来检测亚像素级边缘,使得检测出的边缘更加真实可靠。经试验分析,该算法的分辨精度可达到0.1-0.15个像素,可实现高温条件下试件边缘的高精度非接触式测量。     

基于形态学和动态灰度变化算法的纱线气圈边缘提取

介绍了一种基于数学形态学和动态灰度变化方法相结合的纱线气圈边缘提取方法.该方法不仅 实现纱线气圈图像中弱目标纱线气圈与强目标纱管的分离,而且去除了影响纱线气圈边缘的毛刺,最终实现纱线气圈边缘的提取,为后续的纱线形态特征参数提取和张力计算提供重要依据.     

变电压CT重建的灰度加权算法

常规固定电压的CT重建,因成像系统动态范围受限,投影数据易出现过曝光和欠曝光共存现象,造成信息缺失多,成像质量差,为此提出变电压CT重建。通过变电压获得跟工件有效厚度相匹配的有效投影序列,在ART迭代图像的基础上,调整全变差使其最小化,从而优化重建。在重建过程中,依据灰度加权,把低电压的重建图像作为初值,应用在相邻高电压有效投影重建中,得到相邻高电压的重建图像,依次类推直至最高电压。至此,工件的全部结构信息重建完毕。仿真结果表明,灰度加权算法不仅实现了变电压图像信息的完整重建,而且像素值更加稳定。     

一种高效的背景重建与更新算法研究

为了实时准确地重建出背景,提出了一种基于帧间差分的背景重建算法.该算法等间隔采样视频帧.然后对视频序列进行帧间差分,对得到的差分图像分块处理,通过比较各子块的亮度与能量均值,将各帧中满足要求的子块进行组合,从而快速地重建出背景.当背景发生整体或局部变化时,该算法能够快速地检测出背景变化,并采用相应算法实时更新背景.实验结果表明,该算法能快速、准确地重建出背景,从而能够完整地提取场景中的运动目标.     

基于灰度线性建模的亚像素图像抖动量计算

为了解决凝视遥感云场景序列图像的亚像素抖动量求解问题,提出了基于灰度线性建模的亚像素序列图像抖动量计算方法。首先,利用三参数线性模型描述像素及邻域灰度,提出了一种图像灰度的线性建模方法。其次,以序列帧图像相对参考帧图像的抖动量作为线性模型中的优化变量,以参考帧图像与序列帧图像之间的相似性为优化目标,建立了亚像素抖动量解算的最小二乘优化方法,并推导得到了解析计算公式。最后,利用云场景序列图像进行了算法仿真验证。结果表明,该方法抖动量的计算误差小于0.1pixel。将该方法与传统基于特征点的配准算法进行了比较,结果显示该方法具有较高的抖动量计算精度,可应用于遥感图像几何定标、目标定位以及时序图像中目标多帧关联检测等。     

智能车行人识别的灰度形态学边缘检测研究

行人轮廓特征是行人识别的重要特征,为了获取更好的行人轮廓,边缘检测方法是一个非常重要的选择。首先采用Roberts算子、Prewitt算子、Soberl算子、LOG和Canny算子对行人图像进行边缘检测,得出能获得较好行人轮廓的边缘检测方法;然后用此边缘检测方法结合灰度形态学进行图像处理,最终获得具有最优行人轮廓的形态学边缘检测方法。试验结果显示,此方法能很好地消除行人轮廓的干扰因子。     

基于形态学重建和GMM的球团颗粒图像分割

机器视觉技术的发展为颗粒粒径的自动测量提供了一种有效方法,但是,重叠颗粒的图像分割问题仍有待进一步解决。针对这一问题,提出一种基于形态学重建和高斯混合模型的球团颗粒图像分割算法。首先利用似圆度将单独颗粒和重叠颗粒进行区分;根据重叠颗粒图像距离变换特征建立了高斯混合模型;为实现无监督的聚类,采用形态学重建结合聚类有效性指标的方法获得最佳聚类数目,并利用期望极大(EM)算法进行求解;最后采用圆拟合的方法对缺失的球团颗粒轮廓进行重构,实现了对重叠球团颗粒的分割。实验结果表明,该算法能够有效地对重叠颗粒进行分割,分割正确率评价指标AC为93.6%,明显优于现有的对比算法,为基于机器视觉的球团颗粒粒径分布测量奠定了基础。     

基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。     

基于机器视觉的自动裁切机精定位算法研究

针对传统自动裁切机因裁切精度较低无法满足高精度产品要求的问题,通过对裁切机结构进行研究,提出了利用机器视觉技术来提高裁切机裁切精度的方法。首先利用改进的形态学梯度滤波算子找到板料的粗略边缘,然后采用灰度矩法对之进行亚像素精定位,利用最小二乘法将符合要求的亚像素边缘点拟合成一条直线,再根据几何关系计算出板料偏移量,指导纠偏平台进行偏差补偿,最后利用Matlab对该方法进行了图像边缘定位的仿真测试。研究结果表明:改进后的裁切机裁切精度理论上可达0. 03 mm,满足绝大多数高精度产品的精度要求。     

基于改进SIFT算子的动态障碍物检测方法

针对行车辅助驾驶系统在进行动态障碍物检测时遇到的背景复杂和实时性要求,提出了一种基于快速鲁棒的动态目标假设检测算法,算法首先采用相邻帧间特征点位置估计改进SIFT匹配算子,实现全局背景运动补偿参数快速估计,然后利用三帧差分法对图像处理后,通过改进背景方差估计,改善传统假设检验方法对图像边缘目标漏检的问题,进一步提高动态目标检测的准确性。实验表明,算法不仅保持了SIFT算子的优越性能,提高了参数估计精确性,而且极大地提高了特征配准和检测速度,满足系统的实时性要求。     

改进PIC的背景重构算法与运动目标检测新方法

根据图像序列中出现频率最高的像素均值为背景点的思想,对像素灰度归类(pixel intensity classification,PIC)算法进行改进,通过将所选取的用于重构背景的序列图像像素值进行归一化、量化统计、量化范围拓展,从而重构背景图像,该方法避免了PIC算法中需要人为设定阈值;舍去了较为耗时及复杂的相近灰度区间合并等步骤;对于重构背景与目标图像作差后的二值图像,提出一种新的目标检测方法:粗精两步搜索法,可以精确确定目标物的位置,实现对运动目标的检测.实验结果表明该方法比PIC方法运行时间短、重构的背景噪声点少、粗精搜索后的目标位置准确,是一种快速有效的运动目标检测方法.     

基于偏微分方程的断层间表面的重构

断层间表面重构作为科学计算可视化领域的一个重要研究方向,在医学、地质学、生物学等领域有着广泛的应用。针对基于偏微分方程（PDE）的断层间表面重构,提出了基于一张PDE曲面的断层间表面重构和基于组合PDE曲面的断层间表面重构两种方法。实验结果表明,PDE重构断层间轮廓线表面避免了连接函数的构造,而且基于组合PDE曲面的断层间表面重构方法能方便地实现轮廓线间表面的一阶或一阶以上的参数连续。     

基于PIC16F886的高速检伪投币系统

为了解决市面上由于货币流动多大而造成无法识别假币的问题,将PIC16F系列单片机结合电涡流传感器技术应用到真假币识别系统设计中。分析并指出了使用PIC16F886单片机作为系统的核心对通过的真币和假币给予相应的数字处理信号,提出了结构简易、价格成本优势明显、检测速度快、采集数据精度高的设计方案;在对同类产品进行比较的基础上,对分辨准确率和识别速率进行了评价。实验结果表明,该系统的真币正确辨识率达100%,假币正确辨识率平均在95%以上,硬币检测速度高达900枚/min以上;并且可以通过调节灵敏旋钮自主改变硬币识别的精度范围,可灵活地应用于公交投币箱、自动售货机、地铁售票机、投币电话、娱乐投币机等不同的投币场所。     

基于支持向量机回归机的曲面拟合技术

提出了一种基于支持向量回归的点云曲面重构方法,从点云中按一定规则取样得到小样本集,以小样本集为支持向量,并以径向基函数为核函数重建复杂线性函数曲面模型。实验表明该方法能直接重建散乱点云数据．拟合出曲面模型且具有较好的效果,并具有误差小、速度快等优点。     

基于VC的PIC单片机与PC机的接口设计

PIC16F877单片机是一种非常适合在各种便携式设备中使用的高性价比的单片机,已经得到了越来越广泛的应用.介绍了PIC16F877单片机与PC机实现串行通信的方法,给出了硬件接口电路及实现源程序,且通过使用VC 6.0开发工具开发了测试程序,通过试验验证了所述方法的可行性.研究表明,该方法为实现PIC单片机与PC机的串口通讯应用提供了参考.     

基于PIC16F877A的车内有害气体检测控制系统设计

在研究车内有害气体成份的基础上,设计了一个基于PIC16F877A的车内有害气体检测控制系统.对该系统的控制方案、电源电路、复位电路、振荡电路、传感器检测电路、车窗控制电路、语音控制电路和相应的控制软件进行了设计.试验表明,该系统能有效检测车内确定的有害气体成份,并能对车内有害气体浓度进行有效调节,可改善车内空气质量.     

一种基于粒子滤波的联合跟踪与分类算法

针对纯运动学信息联合跟踪与分类问题,提出了一种基于混合无味粒子滤波的联合跟踪与分类算法。在传统粒子滤波联合跟踪与分类算法的基础上,通过采用无味变换,利用多个无味卡尔曼滤波器给出更高质量的粒子建议分布,提高整个算法的性能。理论分析和仿真结果都表明,与传统粒子滤波联合跟踪与分类算法相比,该算法无论在跟踪精度还是在分类正确率上都有明显的提高。     

结合光谱和形态剖面特征自适应加权影像分类

针对遥感影像分类中多特征利用的问题,提出一种综合利用光谱和形态剖面特征的分类方法.该方法首先将原始影像经形态属性滤波器滤波所得的形态剖面特征和影像光谱值一起组成特征向量;然后依据训练样本各特征分量的方差确定不同地物类别相应特征分量的初始权重,并通过训练样本的特征加权获得各类别的初始中心;随后,根据初始权重计算每个训练样本到各聚类中心的加权距离,将最小距离对应的类别作为训练样本的初始类别;再对每一类别,根据该类训练样本中那些被错分为其他类别样本的均值与该类初始中心的距离来调整该类初始权重;最后,根据调整后的权重,采用加权距离最小分类方法对整个影像进行分类.实验结果表明,形态剖面特征有效地弥补了光谱信息区分能力不足的缺点,调整后的权重强化了区分能力强的特征分量.     

基于多变量属性分类的图像形态滤波方法研究

针对复杂结构图像中形态滤波的单一属性难以判定最大树节点状态的问题,提出了基于多变量属性分类的最大树图像形态滤波方法。首先标记图像的各个连通区域,将图像转换为最大树数据结构,然后计算最大树各个节点的面积、灰度值及Zernike矩属性值,并构成节点的属性向量,运用属性样本数据对支持向量机进行训练,获得支持向量机分类模型,最后根据多变量属性分类结果给出节点的枝剪策略。实验结果表明,该方法能有效地滤除复杂结构图像中不同灰度级、大小及形状的噪声区域,同时保留图像目标区域的细节特征。