非均匀光照条件下PCB图像的一种阈值分割方法

针对不均匀光照条件下的PCB图像及其特点,提出了用于消除伪边缘的判别因子,并结合边缘检测与局部阈值分割方法,对图像进行二值化处理.结果显示,与其他已有的几种分割方法相比,该方法有助于得到良好的分割结果,操作算法简单.     

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。     

图像边界自动跟踪的边缘提取算法

提出一种图像边界自动跟踪的边缘提取算法，经实验证明，是切实可行的。此算法对区域的边界提取准确，且速度较快。     

基于视觉模型的自适应图象边缘检测

本文提出了一个用于图象边缘检测的视觉模型和对数域的最大块梯度算法。     

影像边缘检测方法

边缘检测是图像处理过程中的重要环节。介绍了影像测量中的边缘检测的主要过程,包括图像二值化处理、图像边缘的细化、边缘点的提取等。给出了详细算法描述,为影像测量技术的发展提供了参考。     

基于多尺度Retinex彩色图像增强和闭合边缘提取方法的研究

提出了采用多尺度Retinex突出图像中阴暗区域的信息，采用Canny算子提取边缘，编制程序提取图像中的阴暗区域，将原图像阴暗区域的像素替换成多尺度Retinex增强图像的像素。得到融合后的图像比原图像在阴影区域显示出更丰富的信息。进而对遥感图像进行深入研究，以埃及Giza金字塔中最大的Khufu金字塔阴影的几何分析，确定太阳光的照射方位、仰角以及观察点的方位与俯视角等信息。描述的半自动提取特征信息融合彩色图像的技术，在遥感图像地物信息提取中具有十分重大的意义。     

基于改进SUSAN算子的图像边缘检测算法

首先介绍了SUSAN边缘检测算子的原理;然后对算法中灰度差阈值的选择方式进行了改进,采用一种自适应选取阈值的方法取代算法中人为的设定阈值,使其在各种不同对比度的图像中都能正确提取出图像边缘;最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较.实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点.     

一种基于方向形态学的图像轮廓提取方法

提出了一种基于方向形态学的图像轮廓提取新方法，该方法首先通过形态学梯度边缘检测算子实现图像的边缘检测，处理的过程中考虑到了边缘的方向信息，从而能够更好地跟踪图像中主要的边缘，最后通过滚动膨胀正确的提取物体的轮廓信息，在结构元素移动的过程中引入了方向控制条件因子，减小了计算的冗余度，实验结果表明该方法能够实现自动边缘检测与轮廓提取，精度较高。     

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.     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

星敏感器星图的高精度星点提取方法

星敏感器硬件电路产生的噪声以及在航天器上应用所面临的复杂恶劣的工作环境,都对星图质量造成严重影响,进而降低星点提取精度.针对上述问题,提出了一种精度高且抗干扰性能好的星点提取方法.首先,采用多窗口抽样自适应阈值分割方法对星图去噪,为后续的星点提取奠定基础;然后,基于改进的灰度交叉投影法进行星点粗提取;最后,利用局部区域生长+高斯曲面拟合法进行星点精提取.改进的灰度交叉投影法能够克服星点范围重叠带来的问题,从而快速准确找到星点的粗略区域,而且可以为局部区域生长提供可靠的"种子"点;局部区域生长法可以保证星点区域的边缘细节能够得到充分保留,这对提高星提取的精度大有益处.仿真实验表明,在噪声标准差为2的仿真条件下,该方法的星点提取精度达到了0.075 5 pixel,相比于扫描法等传统方法,该方法的星点提取精度有大幅提高,而且还具有良好的抗干扰性能,因而对于在强噪声干扰条件下提高星敏感器测量精度具有重要参考价值.     

响应面法优化超声提取八角茴香油工艺

利用响应面法对超声提取八角茴香油的工艺进行优化,在单因素实验的基础上,根据中心组合设计原理,采用三因素三水平的响应面分析法,依据回归分析确定最优提取工艺条件。选取超声提取时液料比和温度为随机因子。结果表明,八角茴香油超声提取的最佳工艺条件为：提取时间45min,提取温度28℃,液料比（mL／g）为54：6。采用该工艺条件,八角茴香油的提取率可达到14．54％。验证试验值为14．40％,与理论值相对误差为0．96％。     

基于二分法的纤维掩码阈值的计算

针对纤维图像的特点,提出了纤维掩码计算算法中的阈值计算方法,使得计算结果中纤维的轮廓信息具有高信噪比以及良好的连续性.此外,克服了Canny算子在纤维边缘检测中输出的伪边缘以及多重边缘的缺点,为后继纤维识别算法提供了更准确的轮廓信息.     

基于局部熵的星敏感器星图提取方法

提出了一种新的星图图像提取方法,根据星图图像局部熵的变化,得到恒星在星敏感器中成像的目标区域,然后利用求质心的方法,得到亚像素的恒星位置,给出了图像局部熵的快速计算方法,图像的局部熵具有平滑滤波作用,并且能消除背景照度不均匀产生的灰度起伏现象,仿真实验结果表明,这种方法适合干含有系统噪声和随机噪声的点目标图像提取;在最大随机噪声〈5％的情况下,利用这种方法提取的质心位置的误差〈1／20。     

玻璃缺陷图像分割方法研究与实现

根据玻璃缺陷的特点,提出一种采用迭代最优阈值与数学形态学相结合的方法对玻璃缺陷图像进行分割.实验结果表明,该方法实现了图像目标与背景的分割,有效提取了图像的边缘.     

图像小波边缘提取中阈值选取的一种自适应方法

文中对Ｍａｌｌａｔ的多尺度小波变换级提取算法中阈值的取了作了改进,提出了对整幅图像设置链平均幅度阈值的下限和锭长度阈值后,再采用矩形自适应法选取链平均幅度阈值来对局部有大值进行删取,在不同尺度上提取图像边缘,而后综合形成图像真正的边缘,实验表明,这种对链平均幅度阈值设定下限再采用矩阵选取阈值的方法,是一种更加有效的边缘提取方法。     

先验信息辅助的运动模糊星图星点提取方法

星敏感器处于高动态环境时所拍摄的星图会出现运动模糊现象,这将会严重影响星敏感器的星点提取精度.针对上述问题,提出了一种基于先验信息直接对高动态环境下的运动模糊星图进行星点提取的方法.首先,利用惯性导航系统和星敏感器的姿态先验信息预测当前运动模糊星图上的星点粗略坐标,将其作为“种子”点进行局部区域生长而获得运动模糊星图上的星像范围;然后,基于惯性导航系统的角速度输出估算星像运动轨迹长度并利用质心法计算星点坐标,根据星像运动轨迹长度与质心法提取误差之间的关系建立运动模糊星图星点提取误差修正模型;最后,基于上述模型对星点坐标进行修正,得到精度较高的运动模糊星图星点坐标. 仿真结果表明,相比于先对运动模糊星图进行复原再提取星点坐标的方法,本方法不仅能保证高动态环境下星敏感器的星点提取精度和较好的抗噪性能,同时还能大大减少星敏感器对运动模糊星图的处理时间,这有助于保证星敏感器的数据更新率不受高动态环境太大影响.     

双阈值法在文字轮廓提取中的应用

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界．上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取固定阈值时,那么微弱边缘将会随着因灰度不均匀、噪声等一并被滤除．针对这一问题,在上述算法中用双阈值法代替固定阈值,在文字图像轮廓提取中取得了较好的效果．     

基于形态学的二分法边缘提取算法

对于光照不均匀的图像,形态学边缘提取算法的分辨率远远逊色于人眼的分辨率.产生这种差异的原因是形态学算法仅仅是从几何学的角度出发来检测边缘,并没有模拟出人眼的生物特性.为了提高形态学算法的分辨率,通过研究人眼对光强的特性响应曲线,注意到了人眼对于光线具有亮度适应特性.把亮度适应特性加入形态学边缘提取算法,得到了高分辨率的二分法边缘提取算法.二分法边缘检测算法以强弱光亮度的中心点亮度为分界点,高于分界点的像素亮度被削弱,低于分界点的像素亮度被提高.如此在压制强光的同时增强弱光来模拟出人眼的亮度适应特性.实验证明二分法是一个具有高实时性、低噪声、高分辨率边缘提取算法.     

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.