车牌提取方法研究

提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。首先由投影法确定车牌候选区域，然后由12个边缘模板计算每个候选区域中边缘两侧的平均灰度差，并作出灰度梯度的二维直方图。据此确定每个候选区域模糊边缘检测中广义渡越点的值。然后根据车牌区域特点来提取牌照。经测试，该算法简单快速、定位准确，为后继字符分割和识别做了较好的预处理工作。     

支持向量机的红外目标自动检测与识别

针对红外图像提出一种基于支持向量机的目标检测和识别算法，首先运用数学形态学方法对背景进行滤波，突出候选目标；选取适当的阈值和边缘检测算子对候选目标进行图像二值分割和边缘提取；最后以候选目标的边界不变矩作为特征，用支持向量机方法进行目标的识别，确定目标的位置．实验表明，该方法能够有效地实现对红外目标的检测和识别，并具有较高的抗噪声和抗复杂背景的能力。     

基于改进YOLOv3算法的布匹疵点检测

基于视觉的布匹疵点检测具有检测效率高和成本低的优势.目前基于深度学习的目标检测算法得到了广泛应用,但是布匹疵点检测具有检测小型疵点准确率低、计算量大和检测速度慢的缺陷,因此提出一种改进YOLOv3的布匹疵点检测算法.该算法使用轻量级卷积神经网络GhostNet作为YOLOv3算法的特征提取网络,加快网络的计算速度,同时...     

基于紫外成像技术的彩色光斑映射识别算法研究

紫外成像检测是一种有效的非接触式放电检测方法，紫外放电图像中彩色光斑的准确分割直接关系到其后续诊断的准确性。因此，提出了一种基于灰度差异的紫外图像彩色光斑区域识别分割方法，旨在准确提取彩色的紫外光斑区域。首先，利用紫外成像仪采集了电气设备紫外放电视频，其中放电光斑区域颜色涵盖了目前紫外成像仪常用的色彩；其次，改进了紫外视频的处理方法，利用高斯函数对紫外图像进行预处理，将光斑区域像素与非光斑区域像素的灰度差异平均提高了2.18倍，进而可利用阈值分割算法对光斑区域进行更准确的分割；最后，提出精度和召回率作为算法应用效果评价指标，将算法应用于1 000张紫外图像帧，其平均值分别为0.963 2和0.982 7。由此可知算法实现了紫外检测图像中彩色光斑区域的准确分割，能够满足后续对紫外放电图像进行可靠诊断的要求，为基于紫外成像的电气设备放电诊断提供了可靠保证。     

基于纹理差异视觉显著性的织物疵点检测算法

由于织物图像纹理多样化及疵点类别较多,为了更有效地检测织物疵点,结合织物图像特性及借鉴人类视觉感知机理,提出一种基于纹理差异视觉显著性模型的织物疵点检测算法。该算法首先对图像进行分块,计算各个图像块LBP（local binary pattern）纹理特征,与图像块平均纹理特征的相似度比较,进行显著度计算,从而有效突出了疵点区域。最后利用改进阈值分割算法,实现对疵点区域的定位。通过与已有视觉显著性模型进行比较,得出该算法更能有效地突出疵点区域;同时,分割结果与已有织物疵点检测算法相比发现,该算法具有更强的疵点检测及定位能力。     

模糊边缘检测算法的改进

本文通过对Pal.King模糊边缘检测算法进行改进，提出了一种新的模糊边缘检测算法。该算法首先定义了一种简单的隶属度函数作为变换；然后根据Ostu法选取的阈值确定增强算子的参数μc，通过我们新定义的增强算子，在模糊特征平面上进行增强运算；接着将增强后的图象模糊特征平面转换为空域图象，最后进行图象的平滑和边缘提取。同时，本文还提出了改进算法的快速算法，对具有多峰直方图分布图象的模糊边缘检测也进行了推广。     

基于Fast RCNN改进的布匹瑕疵识别算法

针对布匹瑕疵数据集分辨率高、瑕疵区域小,使用已有图像分类算法识别效果差的问题,提出了一种基于经典目标检测算法Fast RCNN改进的图像识别算法,用目标检测的流程完成图像识别任务。算法利用布匹瑕疵区域小的特性,在图像中生成大量潜在的瑕疵区域,利用卷积神经网络预测潜在区域包含瑕疵的概率,在算法的后期对潜在区域的概率进行合并,最终达到识别布匹中存在瑕疵的概率。在一个具有3 331张高分辨率图片的数据集上进行实验,结果表明,本文算法比OurNet以及已有的图像分类算法具有更好的性能。     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。     

融合同态滤波和CLAHE算法的布匹疵点图像增强

针对布匹疵点图像对比度低、细节信息对比不明显等问题,采用融合同态滤波和对比度限制自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法的图像增强方法进行了图像增强.首先,采用同态滤波对布匹疵点图像整体的对比度进行增强,增强布匹图像中疵点与背...     

基于卷积神经网络的道路车辆检测方法

提出了一种基于卷积神经网络的前方车辆检测方法。首先,根据车底阴影特征,运用基于边缘增强的路面检测算法以及车底阴影自适应分割算法来分割并形成车底候选区域,以解决路面灰度分布不均及光照条件变化问题;其次,运用针对道路交通环境的卷积神经网络结构,建立图像样本库进行网络训练;在此基础上,采用基于卷积神经网络识别的方法以验证并剔除被误检测为车底阴影的候选区域,进而确定真正的车辆目标;最后,修改网络为三分类识别,以验证本文方法的强扩展性的优势。实验结果表明:本文提出的车辆检测方法能够很好地区分车底阴影和非车底阴影干扰,有效地提高车辆检测的准确率和可靠性,降低误检率。     

基于机器视觉检测算法的织物疵点检测系统研究

为实现织物疵点的自动检测,设计了一种织物疵点检测系统。使用Matrox图像采集卡、Basler CCD相机及运动平台等构建了织物疵点检测系统的硬件部分。采用基于VC++2010并调用MIL9.0库函数的软件平台,结合改进的阈值分割算法实现了对织物图像的采集、预处理和疵点检测的软件设计。实验结果表明,该检测系统可较好地识别织物疵点。     

基于梯度的自适应边缘检测算法研究

对常见的边缘检测算法进行改进,基于梯度提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边界点像素灰度值的差异,分析模版中的9个像素,计算出像素的梯度幅度和梯度方向;按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于CCD的公路路面病害检测技术研究

提出了一种适合于公路路面裂缝类病害检测的数字图像处理算法。通过对路面裂缝类病害图像特征的分析与研究，在经典的图像处理算法的基础上，改进了传统的滤波算子、边缘检测算子以及图像分割算法。文中对实际路面的横向、纵向和不规则裂缝进行处理和识别，得到的裂缝边缘图像清晰，裂缝边缘连续性好。     

基于边缘检测终止条件的区域生长算法

提出了一种边缘检测和区域生长分割算法相结合的病灶区域提取的新方法.通过最大最小曲线流保留边缘算法对图像进行平滑去噪,利用区域生长算法对图像进行分割.采用Canny算子做为分割的终止条件.实验证明,该方法能够精确的提取出病灶区域.     

基于DSP的直线特征提取算法

为解决车道线识别实时性差问题,提出了基于DSP的直线特征提取算法.基于DM6437视频采集系统,通过CCD摄像头采集图像数据,对感兴趣区域提取灰度,以减少实时算法的计算量;在此基础上,通过对有效区域进行改进算法的中值滤波,有效选择噪声和信号点的灰度值进行中值处理,实现道路有效区域边缘保护和消除噪声的功能;再通过提取直线特征边缘检测,根据需要进行Sobel边缘检测,结合直方图筛选、直线连通性分析能有效的平滑噪声并细化边缘,能够达到道路图像的分割、配准和识别的效果,提高算法的准确性和实时性;最后,结合霍夫变换算法,在边缘检测的基础上得到直线参数方程,并且通过先验知识改进Hough变换算法提高算法实时性,准确找出直线位置.     

基于边缘统计和颜色特征的车牌综合自动定位方法

车牌识别在智能交通系统中起着重要作用，车牌定位是车牌识别中的关键步骤．本文提出一种基于车牌字符边缘统计和颜色特征的综合定位方法，可以有效地解决背景复杂的彩色图像中车牌定位的问题，该方法分为竖直边缘检测、边缘统计分析、车牌候选区定位、候选区筛选、车牌倾斜矫正，通过对垂直边缘的统计分析将邻近的边缘点进行连接，结合车牌的位置、颜色等特征对连接形成的块状区域进行筛选，而后对得到的车牌区域加以校正，最终输出易于分割的车牌字符图像．该系统包括从图像采集，到车牌分类、车牌文字区别等完整过程，适应性强．通过一系列实际采样图像的试验结果证明，该方法准确率高、鲁棒性好，能够满足实际车辆车牌自动识别系统应用的需要。     

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。     

强背景噪声下红外目标的鲁棒性跟踪算法

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息．在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性．     

一种基于边缘检测的时空视频对象分割算法

提出了一种基于边缘检测的时空视频对象分割算法。首先提出一种基于高阶统计量的帧间差分图像处理方法,然后运用边缘检测得到空域分割结果和用累计差分与对称差分得到时域分割结果,综合时空域分割结果得到运动目标的边缘,最后对边缘图进行区域填充与数学形态学处理,得到运动目标掩模图像。实验结果表明本文算法能够得到较准确的分割结果。