基于视觉的列车车轮踏面擦伤定位方法

为了实现列车车轮踏面擦伤检测,建立了基于机器视觉的踏面擦伤动态检测系统.对该系统中踏面擦伤可疑图像区域定位技术进行了研究.首先,采用快速中值滤波算法平滑原始图像,然后采用基于Canny算法的踏面区域分割算法提取踏面区域,再根据踏面擦伤图像特征设计了基于踏面边缘线扫描搜索擦伤可疑区域的方法提取擦伤可疑图像区域.实验结果表...     

基于自动多种子点的图像分割技术

在水面图像区域分割中,分别选用了自适应直方图阈值、边缘检测和区域生长的方法对倒影区域进行了分割,分析了3种方法的局限性,并结合直方图阈值和区域生长给出了一种自动多种子点区域生长方法。实验结果表明,该方法算法实现简单,能有效提高分割质量,达到了预期效果。     

基于图像处理的片式元件缺陷检测算法

表面缺陷检测是电子元器件生产过程中的关键步骤,通过分析表面缺陷检测的现状问题,结合片式元件图像的自身特征,提出一种基于改进的自适应阈值canny算子的片式元件缺陷检测算法;该算法把片式元件灰度图像进行区域分割,得到不同值域范围内的灰度区域,利用带有敏感度的自适应双阈值canny算子进行边缘检测;算法实现结果表明,该算法能高效地检测并处理不同缺陷类型的片式元件,并且可以达到工业生产的检测速度。     

带钢表面图像缺陷区域的分割方法

主要研究了一种适用于带钢表面图像的缺陷区域分割方法．首先,对传统的基于边缘检测和全局阈值的缺陷区域分割方法进行研究和比较,然后根据带钢表面缺陷图像的灰度特点,提出了一种基于灰度级形态学增强和自适应阈值的缺陷区域分割方法．采用本文方法对常见的带钢表面图像进行缺陷区域分割实验,结果表明本文方法的分割效果要优于传统的分割方法．因此,提出的基于灰度级形态学增强和自适应阈值的缺陷区域分割方法具有一定的实际应用价值．     

基于改进Canny算法的局部自适应图像去噪

针对传统Canny边缘检测算法自动化程度不高的缺点,通过计算每个像素的含噪程度,使Canny算法具有自适应性.分析了Bayes原理及其不足,采用局部自适应阈值法.图像经边缘检测后,分为边缘与非边缘区域.对非边缘以平稳小波变换为基础,为每个小波系数选取合适的领域窗口,计算局部Bayes阈值,再通过软化处理收缩系数,对边缘...     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

视觉机器人对于快速道路检测问题的研究

针对复杂环境下视觉机器人道路检测算法的抗干扰性差、速度慢的缺点,为抑制噪声的干扰,提高算法的运行速度,提出了一种基于边缘和区域相结合的道路检测算法。算法先采用Canny算子求出图像的边缘,再根据道路的色彩信息进行自适应的区域分割,然后结合图像边缘信息和区域分割信息确定出道路的边界区域,最后对该区域的边缘图像进行Hough变换检测道路。实验结果表明,边缘提取的检测算法有效地提高了算法的抗噪性能和运行速度,具有更好的道路检测效果。     

基于小波及纹理特征的轴承防尘盖缺陷检测

针对常规阈值分割算法难以检测轴承防尘盖表面较浅缺陷问题,提出一种边缘检测算法。该算法基于小波变换对防尘盖区域随机纹理的削弱作用,对分解后得到的低频部分和高频部分分别采用不同参数的Canny算子进行边缘检测。分析防尘盖区域的纹理特征与所选参数之间的关系,设计一种以防尘盖区域直方图熵值为参考的自适应策略。实验结果表明,该算法能有效分离出阈值分割难以检测的缺陷,且不易受防尘盖本身纹理的影响,为缺陷的在线检测提供了良好的支持。     

一种改进的小波域贝叶斯图像去噪方法

基于对小波分析理论的深入学习,本文对小波测值萎缩去噪方法的关键环节进行了研究。本文在分析小波系数的分布特点的基础上,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪,行基于空间自适应例值和边缘检测的思想改进了一种新的自适应贝叶斯阈值萎缩去噪算法,仿真实验效果良好。     

一种改进的小波自适应边缘检测算法*

为合理选择小波变换尺度,解决抑制噪声和边缘定位之间的矛盾,提出了一种基于局部熵的自适应尺度选择方法,采用局部熵预处理图像,根据熵值大小自适应地选择小波变换的尺度,各区域分别按照相应的尺度进行小波变换检测图像边缘。实验结果表明,此方法比基于均方差的小波自适应算法检测到的边缘更清晰,定位更准确。     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

改进的小波变换在中医舌象边缘检测中的研究

针对目前常见的边缘检测算法对噪声较为敏感,获取的边缘不够精细,且容易出现伪边缘或边缘重叠等情况,结合中医舌象的特点,在小波变换边缘检测算法的基础上提出了改进的小波变换边缘检测算法。该算法通过对图像每一行、列的边缘信息逐位算出相邻位差,并在位差的差值变化大小之间检测小波极值。实验结果证明,该方法能有效解决传统边缘检测算法对去除噪声和获取精细边缘之间的矛盾,使边缘重叠现象大为减少,从而获得了比较理想的边缘检测效果,为以后整个舌体区域的分割提取打下了良好的基础。     

边缘检测中局部区域的动态阈值选取方法*

现有的边缘检测方法主要采用全局阈值选取方法,由于全局阈值的选取不当,易造成图像中重要而梯度变化较弱的边缘丢失,而局部阈值选取研究相对不足且实用性差。针对以上问题,提出了基于局部区域的动态阈值选取方法：以每个候选边缘点为中心,局部矩形区域内动态确定该点的双阈值,根据边缘点梯度模值与其双阈值大小关系选取边缘点。与Canny边缘检测中采用的阈值选取方法相比,本算法能够有效地提取图像中重要边缘,且抗噪声能力强。     

基于多色彩空间的自适应嘴唇区域定位算法

提出了一种基于多色彩空间的自适应嘴唇区域定位算法。该算法结合RGB色彩空间彩色梯度信息与HSV空间色调、饱和度分量的阈值分割,并根据嘴唇在脸部的位置特性进行自适应嘴唇基准线的自动定位,最终用投影法检测出嘴部所在的矩形区域。实验结果表明该算法简单易实现,具有较高的鲁棒性,能快速准确地框定嘴部区域,为后期的唇读特征提取奠定良好的基础。     

基于稀疏主成分分析和自适应阈值选择的图像分割算法

图像分割是机器视觉中的基础问题,基于阈值的图像分割算法依赖于参数调整,但参数调整容易受到局部最小值的影响且需要耗费大量时间,从而降低了分割算法的质量和效率。为了实现图像分割过程中的自适应阈值选择,提出了一种基于稀疏主成分分析和自适应阈值选择的图像分割算法。该算法首先利用稀疏主成分分析感知图像的噪声水平以自适应去噪,其次通过二维直方图感知图像的主干区域内容以自适应获得全局分割阈值,然后通过移动平均法的局部阈值分割算法对图像进行分割,最后将全局阈值分割和局部阈值分割图像结合,从而获得最佳的分割图像结果。在伯克利数据集上的仿真实验结果表明:相比传统的阈值分割算法,该算法在分割边缘的准确性和对噪声的鲁棒性上具有一定的优势,在主客观上均具有较好的分割效果,基于稀疏主成分分析的自适应阈值选择方法提高了图像的分割质量。     

水下人造目标线特征快速检测算法

为了从水下复杂场景中快速检测人造目标,提出了一种在图像小波变换低频子带上进行直线实时检测的算法。首先,利用小波变换确定显著线特征检测的合适尺度;然后在确定的低频子带小图像上进行边缘检测,利用梯度直方图和迭代法相结合自适应确定边缘检测的分割阈值,得到显著特征的边缘点;再利用改进的Hough变换检测人造目标的直线特征;最后在原始图像上标记出直线检测的结果。实验结果表明:提出的算法可以准确检测出水下复杂背景中人造目标的直线特征,并且具有良好的实时性,满足水下人造目标视频检测的应用要求。     

小波变换在X射线图像边缘检测中的应用

分析了X射线探伤图像的特点,将小波变换技术应用到X射线图像的边缘检测中,提出了基于小波变换的模极大值边缘检测算法,利用二次B样条小波,采用Mallat快速算法进行小波分解,采用分块阈值选取方法确定模极大值点,给出缺陷边缘。实验结果表明,该方法去噪效果好,检测出的缺陷边缘具有较强的连续性。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。