基于小波变换的水下显著性目标快速检测算法

目前地面显著性目标检测取得了较大进展,而水下场景具有较高的复杂性,导致水下显著性目标检测仍然面临诸多挑战。为了实现复杂水下环境的显著性目标快速检测,提出一种基于小波变换的水下显著性目标检测算法。对水下采集图像进行多级小波变换预处理,针对提取的低频子带图像,利用自适应中值滤波去除其中的斑点颗粒,对相应的高频子带进行显著性边缘检测以强化目标边缘信息。在此基础上,利用小尺度超像素分割与合并策略分割处理后的低频子带图像,通过基于区域对比度的显著性检测方法进行图像显著性计算。融合低频子带显著图和高频子带显著边缘图,得到最终的显著性检测结果。USOD公开数据集上的实验结果表明,在进行水下显著性目标检测时该算法的整体度量值达到93.9%,平均绝对误差低至3.08%,能较好地实现水下大目标和成群小目标的准确检测,且在处理大分辨率水下图像时具有良好的实时性,在CPU平台上每帧的显著性目标检测时间为168 ms,算法适用于水下机器人显著性目标快速检测应用场景。     

航拍图像中机场跑道的快速检测

提出一种航拍机场跑道的快速检测方法.首先,采用自适应阈值方法对图像进行边缘检测,提取图像中主要物体的轮廓后利用线段的长度和图像的梯度相位信息剔除短线条和曲线.然后利用Hough变换进行直线检测,搜索出平行直线对作为机场跑道的候选区域.最后利用机场跑道特征对候选区域进行验证,剔除虚假目标.对Internet上下载的大量机场航拍图像的实验表明,该方法能够快速准确地检测出机场跑道,且具有较好的鲁棒性,能够消除背景中诸如云朵等物体的干扰.     

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%。     

小波边缘检测算法的分析

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。目前,小波理论的发展和成熟而兴起的基于小波变换的多尺度的图像边缘检测算法,在图像检测、图像分割以及图像增强等领域有着广泛的应用。     

基于像素块的边缘直线检测算法

提出基于像素块的边缘直线检测算法.先在取定的像素块中建立模板,在原图上移动像素块并用模板进行比对,对累加变量进行累加,而后用阈值判定法则进行判断,最终确定出边缘直线段.通过编程试验证明了其算法的有效性.     

一种快速的基于边缘的道路检测算法

道路检测是机器人视觉导航中的重要环节。本文提出了一种新的非结构化道路检测算法。算法基于这样的一个基本假设，即道路的轮廓由一些具有一定长度的连续直线段组成。在一定的范围中通过计算边缘点，然后通过Hough变换求得直线段，从而确定道路边界的位置。但是边缘图像中不仅仅包含道路的边缘，还有阴影，植物等其他的边缘。如果不消除这类边缘的影响，将大大削弱算法的效率和准确性。本文提出一种基于颜色和方差的规则有效地消除这类非道路的边缘。一旦当前帧中获取道路的边缘，通过限定下一帧中的感兴趣区域（ROD减少搜索范围从而快速定位帧中的道路边缘，从而进一步提高算法的效率。大量实地（校内公园道路）实验验证了该算法的快速和鲁棒性．     

基于Beamlet变换的线特征检测

线特征是图像的重要特征,其检测效果直接影响模式识别和分类。基于调和分析的思想,给出一种带有方向信息的多尺度的Beamlet基,对图像进行Beamlet变换。试验结果表明,该线特征检测方法不仅能提取无噪声图像中的直线和曲线,而且对强噪声图像中的直线和曲线提取效果也很好。     

一种新型快速直线检测算法

针对传统的Hough变换直线检测的方法需要对整幅图片的每一个像素点进行判断和计算,最后才能得出直线参数,这样就造成计算量大,计算时间长,且需要存储大量数据将占用大量内存资源等缺陷。提出了一种新型的直线检测算法来解决以上存在的问题。与已有算法不同,该算法不需要进行坐标变换,该算法的思想就是依次检测直线上的像素点,当检测到图片中某一像素点特征值为1（图片中的直线像素点特征值为1,背景点特征值为0）,则需要判断以该像素点为圆心,以常数R为半径的圆周上是否存在一对特征值为1的像素点,且该对像素点之间的相位相差180°,故可以快速地得到该直线的参数方程。若以该点为圆心的圆周上不存在这样一对灰度不为零的像素点,则继续检测图像的下一个像素点,直到扫描完整幅图像或是得到一条直线参数。与传统的Hough变换相比,该算法计算量和计算时间最多是原算法1／R（与选取的半径参数R相关）,Hough变换占用内存与图片大小相关,本算法占用固定的内存,几乎可以忽略。     

一种基于边缘方向连续性的车道线快速检测算法

针对复杂环境下车道线检测算法鲁棒性和实时性差的问题,提出一种基于边缘方向连续性的车道线快速检测算法.首先,为解决复杂光照下黄色车道线模糊不清的问题,采用Lab色彩空间中b分量与灰度图像加权的方法增强黄色车道线的对比度;为获得上升沿和下降沿的连续直线轮廓区域,选择合适掩膜遍历边缘点,剔除非连续干扰边缘;为拟合出正确车道轮廓,经过曲直判定后,采用改进的Hough变换和最小二乘法检测车道线.实验结果表明,在多种复杂环境下,本文算法仍能满足车道线检测的准确性和实时性要求.     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

基于夹角的直线检测算法

为了能有效解决Hough变换计算量大、处理速度慢等问题,提出了一种基于夹角的直线提取算法.该算法直接在图像空间提取直线,通过判断图像中任意三点形成的直线夹角,获得一条可能的直线,然后再在数据空间中进一步判定这条直线的真实性.实验证明,该算法具有较高的直线检出率、检测精度和运行速度,与具有类似检出率的算法相比虚假直线数较少,综合性能具有优势.     

基于直线检测算法的卫星图片中建筑物轮廓提取

提出一种方法,可以从卫星图像中自动检测建筑物.介绍了直线提取和直线合并的算法,分别讨论算法的实现结果和对结果的评价.建筑物检测的结果为矢量的二维候选数据,缩短了原始图像数据和最后对图像理解之间的差距.     

一种快速的可变形物体的碰撞检测算法

为实现虚拟环境中可变形物体与刚体间实时的碰撞检测,提出了一种快速的基于混合包围盒层次结构的并行碰撞检测算法。算法充分利用包围盒在检测速度和精度上的不同侧重,对可变形物体建立Sphere和AABB混合包围盒层次树,对刚体建立Sphere和OBB混合包围盒层次树;每个物体的混合包围盒层次树又分成上层、中层和下层,每层使用不同的包围盒;在碰撞检测遍历时,上层使用Sphere和Sphere相交检测快速排除不相交物体,在中层使用Sphere和OBB的相交检测进一步排除物体相交的可能性,在下层使用AABB和OBB的相交检测较精确地确定物体是否相交;采用多线程技术,在多核设备上实现并行碰撞检测算法。实验结果表明,与经典的AABB算法相比较,该算法在效率方面具有明显优势,能够满足可变形物体与刚体的碰撞检测要求。     

基于局部搜索快速随机检测多个圆

以随机采样一个图像点P1的5×5邻域图像点作拟合直线l1,与l1距离为d(d＞0)的平行线l3与l2(l2是通过P1点并垂直于l1的直线)的交叉点为Q,然后以Q为起点,在直线l3上按给定规则搜索两图像点P2和P3,用P1、P2和P3来确定候选圆.当采样和搜索图像点P2、P3时,通过剔除孤立、半连续噪声和非共圆点显著地减少了无效采样和无效计算.数值实验结果表明,该算法能快速检测多个圆.在检测多个圆时,其检测速度比随机圆检测算法快一个数量级;在孤立和半连续噪声不低于所有噪声的80%时,其检测速度比多个圆的快速随机检测算法大约快20%.     

基于相位编组图像分块的快速Hough变换直线检测

在分析Hough变换直线检测算法和相位编组法直线检测算法的基础上,针对这两个直线检测算法的不足,结合它们的优点,设计并实现了基于相位编组图像分块的快速Hough变换直线检测算法,对算法进行了详细描述和算法优点分析,并通过实验验证了算法的有效性,实验表明所设计的直线检测算法运算速度快,参数易于选择,鲁棒性强,有一定的应用价值。     

适合水声信道传输的水下图像高效编码算法

为抵抗水声信道的传输差错,提出了一种具有较高抗误码能力的水下图像高效编码算法。该算法根据水下图像的特点,对图像进行小波变换预处理以去除其中的视觉冗余。对低频系数采用定长量化编码;对重要高频系数采用数值和位置独立编码的方案,其中对重要高频系数的数值提出了变精度定长量化编码方法,而对重要高频系数的位置采用基于位置差降的可逆变长编码算法。为抵抗水声信道的传输差错,提出了合理的分割、交织策略和变长编码块相对定长信道包的存放策略;对低频和高频系数,分别提出了相应的差错检测和掩盖算法。实验结果表明,提出的算法不仅具有较高的压缩效率,而且具有较高的抗误码能力,满足了水声信道传输图像的要求。     

小波域基于聚类分割的运动目标检测算法

针对监控系统中目标检测精准性和实时性不能很好兼顾的问题,研究了小波域基于聚类分割算法的目标检测系统,在小波域分别给出了高频成分和低频成分自适应阈值的确定方法,推导出了判决准则和最佳阈值。利用该算法进行目标识别,可以去除系统噪声,快速检测出目标,并能保证系统的精准性。通过仿真实验对该算法进行验证,结果表明,该算法能够准确检测出目标,算法速度快,能保证系统的实时性。     

一种随机多椭圆检测的快速算法

针对多椭圆检测问题提出了一种快速随机检测算法。该算法利用在图像中随机采样到的一个边缘点和局部搜索到的两个边缘点以及这三个点的邻域信息确定候选椭圆,再将候选椭圆变换为对应圆,通过确认真圆来确认真椭圆。在确定候选椭圆时,最大限度地减少随机采样点数﹑剔除更多的非椭圆点,降低了无效采样,减少了无效计算。数值实验结果表明：该算法具有良好的鲁棒性,其检测速度比同类算法快。     

Fast randomized algorithm for center-detection

Recently, Cauchie et al. presented an adaptive Hough transform-based algorithm to successfully solve the center-detection problem which is an important issue in many real-world problems. This paper presents a fast randomized algorithm to solve the same problem. With similar memory requirement and accuracy, the computational complexity analysis and comparison show that our proposed algorithm performs much better in terms of efficiency. We have tested our algorithm on 13 real images. Experimental results indicated that our algorithm has 38% execution-time improvement over Cauchie et al.'s algorithm. The extension of the proposed algorithm to detect multiple centers is also addressed.     

Fast line segment grouping method for finding globally more favorable line segments

In this paper, we propose a new method for extracting line segments from edge images. Our method basically follows a line segment grouping approach. This approach has many advantages over a Hough transform based approach in practical situations. However, since the process of the conventional line segment grouping approach is purely local, it does not provide a mechanism for finding more favorable line segments from a global point of view. Our method overcomes the local nature of the conventional line segment grouping approach, while retaining most of its advantages, by incorporating the useful concept of the Hough transform based approach into the line segment grouping approach. Our method is fast and allows elementary line segments to be shared simultaneously by several line segments, and the degree of sharing is determined by a user-specified threshold. We performed a series of tests to compare the performance of our method with that of six other methods. Throughout the tests our method ranked in the top two of the tested methods both in detection rate and computation time.