基于抛物线拟合的十字激光图像屋脊边缘检测

针对工程测量中对十字激光图像交点和倾角检测精度要求较高特点,提出了一种十字激光图像亚像素屋脊边缘检测方法.在十字亮条有用区域内,首先利用局域亮度极大方法检测亮条像素级屋脊边缘点;然后提取像素级边缘点水平或垂直方向上一定范围内的像素点亮度进行抛物线拟合,计算亚像素边缘点坐标;最后利用最小二乘法拟合出两条直线,计算十字交点及横亮线倾角.对距离光源4.5 m处连续拍摄的50幅图像(图像分辨率为640pixels × 480 pixels,光靶分辨率为0.082 7 mm/pixei)进行了处理,十字交点x方向标准差为0.013 4 mm,y方向标准差为0.015 8 mm,横亮条水平方向倾角标准差为1.950',精度明显优于像素级边缘点.该方法应用于导轨直线度和扭曲度检测仪中,取得了很好的效果.     

基于高斯拟合的光纤法珀相关解调算法研究

为了提高非扫描式互相关解调系统的解调精度,通过分析非扫描式解调系统的信号特征,研究了一种基于高斯拟合的解调算法.该算法使用最大值寻峰算法解调出峰值位置,提取出峰值位置附近的光强数据,利用高斯函数对提取出的数据进行曲线拟合,提高了解调的精度.仿真结果表明,该算法具有良好的解调稳定性、解调准确性以及一定的抗干扰能力,仿真中...     

改进的直线拟合线阵CCD图像边缘检测方法

为了检测经过光学系统成像所得图像的边缘,在直线拟合方法的基础上提出了一种新的边缘检测方法。该方法综合考虑边缘过渡区间所有点的信息,利用直线拟合方法求出一组可能的边缘值,再选择它们的中值作为最终的边缘值。基于该方法的采集系统由线阵 CCD 采集边缘的灰度图像,使用单片机来处理数据,并计算出边缘的位置。实验结果表明,这种改进方法的重复性误差为 0.89 个像素,而且能够在 0.039s 内完成一次边缘检测计算。     

基于限定搜索高斯曲面拟合的星点质心提取算法

星点光斑图像目标识别技术对于空间监视装备和系统至关重要,由于星点图像中光斑成像的特点以及不同背景下图像噪声的干扰,目标光斑的自动识别和定位精度受限。高斯曲面拟合法与密度质心法是使用较为广泛的星点光斑目标定位算法,通过理论分析和实验表明传统方法对星点质心的定位存在一定误差。该文提出一种基于限定区域搜索的星点质心提取算法(LASACE),该算法首先通过中值滤波算法与最大熵阈值分割法对星点图像进行预处理,然后使用高斯曲面拟合算法获得星点光斑的像素分布。最后以星点中心建立目标搜索区域,采用距离强加权质心法提取出目标星点光斑的质心位置。实验结果表明,相较于密度质心法、高斯曲面拟合法和加权质心法,该文所提算法在降低星点光斑质心定位误差的同时提高了抗噪性,能够满足空间卫星的识别需求。     

边缘识别的二维正交多项式拟合及结构变形检测

数字图像中边缘附近的灰度是沿边缘方向和跨边缘方向二维变化的,以前边缘识别的多项式拟合大多采用跨边缘方向的一维拟合.介绍一种采用二维正交多项式进行边缘识别的新方法,由于二维拟合更符合边缘附近小区域内像素灰度二维变化的实际,因此拟合结果优于一维拟合.在进行拟合时,利用正交多项式的正交性将优化方程对角化,避免求逆或解方程,没有多项式拟合优化方程的病态问题,采用高阶多项式拟合可以提高拟合精度.对生成图像的边缘识别结果表明,二维正交多项式拟合识别边缘的精度和稳定性较好.简支梁模型试验表明,采用正交多项式边缘拟合方法检测梁的静变形,图像变形检测精度在0.1像素之内,适当选择图像采集设备和采集范围,点检测精度与传统检测方法的精度相当,边缘检测属线状高密度检测,检测范围远大于传统方法.     

基于高斯积分曲线拟合的亚像素边缘提取算法

针对传统边缘提取算法定位精度低、对噪声敏感等缺点,提出一种基于高斯积分曲线拟合的亚像素边缘提取算法。通过曲面插值求取像素级边缘法截线上各离散点的灰度值,再进行高斯积分曲线拟合,寻找高斯积分曲线的均值点坐标,实现亚像素边缘的精定位。用量块直线边缘进行实验,并与现有亚像素边缘提取算法比较,实验证明基于高斯积分曲线拟合的亚像素边缘提取算法定位精度较高,可以达到1 μm,且算法可靠性高、计算速度快,能够用于高精度测量。     

一种基于蚁群聚类的多模板图像边缘融合方法

根据所采集图像的离散性特点,提出了一种基于蚁群聚类的新型的多模板图像边缘融合方法.该算法综合了图像聚类的方法和模板边缘提取的方法,运用蚁群聚类的思想来提取图像的边缘特征,并进一步融合多种边缘提取模板来设置聚类的启发式引导函数和初始聚类中心,从而避免了传统蚁群算法聚类搜索时的盲目性.系列仿真实验验证了这一方法的可行性和有效性.     

基于亚像素边缘的摄像机标定板特征提取算法

目的在视觉测量领域,摄像机的标定精度是最终测量精确度的决定性因素,为了提高标定板特征的提取精度,提出一种基于亚像素边缘的提取方法。方法针对圆点标定板,首先采集标定板图像,对图像进行处理,获取像素级别边缘,然后以边缘像素点为中心,取3×3的数字窗口计算梯度方向,在梯度方向上进行像素点灰度的双曲正切拟合,获取亚像素级别边缘,最后对亚像素边缘按照圆形进行拟合,求得圆心坐标。结果实验表明算法的分辨率达到0.03个像素,精度可达0.1个像素。结论该算法具有稳定可靠,精度高,运算速度快等特点,能够应用于图像拼接和分割,特征提取和摄像机标定等领域。     

基于模糊C均值聚类算法的金刚石砂轮磨粒边缘检测

基于模糊C均值(FCM)聚类算法将金刚石砂轮表面检测数据划分成金刚石和结合剂两个类别,以数据的质心初始化聚类中心,用迭代的方法分别求出相应的最优聚类中心和隶属度矩阵,通过选取合适的隶属度阈值以及两个聚类中心的欧氏距离阈值来区分金刚石和结合剂,确定磨粒边缘。为验证方法的可行性,对多组数据进行检测,并用模拟的砂轮表面形貌对此方法进行了评定,评定结果与设定值误差不超过2.0%。     

一种高噪音情况下的星点聚心算法

针对严重噪音污染情况下星图的星点聚心问题,提出一种利用子窗口灰度分布判别全局背景阈值的聚心算法.根据星图特性在星图中随机选择一定数量和大小的子窗口,统计每个子窗口灰度分布并计算离散度,根据计算结果判断子窗口是否适合背景阈值计算,决定是否重新进行窗口选择,使得计算出的背景阈值能更真实的反映全局背景信息,并通过带阈值的质心平方加权算法进行星点聚心运算.仿真实验表明,算法具有较好性能和一定的抗干扰性.     

基于敏感区域多结构元素形态学边缘检测算法

在边缘检测算法的应用中,很难同时兼顾图像处理效果和处理速度,为此,提出了一种新的边缘检测算法,将边缘处理集中在感兴趣的图像区域中.该算法利用梯度算子获得图像中的敏感区域,再构造多种结构元素,结合形态学梯度和OTSU分割法检测敏感区域的边缘.应用于沥青路面裂缝图像检测,实验结果表明,与其它边缘检测算法相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.在保证处理效果的同时,也保证了处理速度,有很高的实用性和推广性.     

基于区域邻接图的立体视觉边缘匹配算法

针对自然场景轮廓边缘的立体匹配问题,提出了基于区域邻接图的快速匹配算法.首先利用分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘.基于由全局到局部、自上而下的分层匹配思想,匹配过程分为两步:第一步将轮廓边缘按其所属区域进行分组作为匹配基元进行匹配,匹配过程中根据边缘所属区域的位置,尺寸和灰度特征建立区域约束,并在边缘特征角点的引导下,按照区域邻接图采用类似区域生长的匹配策略实现边缘匹配,区域约束大大减少了边缘特征匹配的搜索空间、优化了匹配顺序.第二步则根据边缘匹配结果,以已匹配的边缘特征角点为基准点,在其引导下实现其他边缘点的快速立体匹配.实验结果表明,该算法匹配正确率能达到93%以上,是一种快速有效的立体匹配算法.     

基于分形特征参数的目标边缘检测算法

图像的边缘提取在计算机视觉系统的初级处理中具有关键作用,但目前仍是"瓶颈"问题.本文主要针对复杂背景下的目标边缘检测问题,提出了一种新的基于分形特征参数的目标边缘检测方法.算法基于分数布朗运动的方差性质提出一种改进的分形维数及其截距特征参数的计算方法,进而将该分形维数与截距特征参数相结合,提出了一种基于分形特征参数的边缘检测算法.实验表明,算法可以有效地实现目标边缘检测,同时算法的运算效率得到提高.     

一种时空权重和边缘自适应的扫描格式转换

为实现隔行扫描到逐行扫描的视频扫描格式转换,提出了一种时空权重和边缘自适应的去隔行算法,主要包括运动估计、小角度边缘搜索、时空权重计算、自适应插值等。该算法通过4场相邻像素的最大灰度变化与运动阈值比较实现对当前像素的运动估计,采用自适应搜索半径和并行搜索树的方法实现小角度边缘检测,并且增加对半像素边缘的考虑实现最小6°边缘的检测,最后通过时空权重自适应的插值算法实现去隔行处理,取得很好的处理效果。     

基于小波变换的图像边缘检测算法的研究

在对经典的图像边缘检测算法深入分析的基础上,进一步完善了基于小波变换的边缘检 测算法.随尺度增加,边缘和噪声的小波幅值表现出不同变化特性,从而在低信噪比的信号中检测出噪声和边缘.实验结果表明,基于小波变换的图像边缘检测算法能够比其它算法保留更多的图边缘信息,鉴别出伪边缘,其精度能够满足基于图像处理技术的各种质量检测系统的要求.     

基于不同加工工艺的微小型结构件边缘识别

针对不同加工工艺微小型结构件的不同边缘特征,提出了一种基于工艺匹配思想的微小型结构件边缘识别算法．该算法通过计算有效平均梯度,提取不同加工工艺微小型结构件的边缘过渡区,建立边缘过渡区的多项式回归模型,求导确定边缘点精确位置．通过对4种常用微细加工工艺建模分析可以看出,加工工艺对微小型结构件边缘区域影响较大,边缘精确识别时应加入工艺匹配的思想．该算法考虑了实际加工工艺的影响,算法上加入统计学方法,通过建立过渡区数学模型,使边缘检测结果达到亚像素级．     

一种基于数据融合的图像插值算法

针对传统的线性插值算法存在的边缘模糊问题,本文提出一种新算法.首先采用距离平方反比的插值方法在插值点邻域内计算水平、垂直和对角三个方向共6个插值,然后以插值距离和方向梯度构造权重,进行数据融合获得最终插值.该算法既考虑了插值距离因素,又考虑了插值方向梯度信息,有效地保护插值图像的边缘和纹理信息.实验结果表明,该算法的插值图像比传统的双线性插值法均方误差降低而平均梯度增加,是一种提高插值图像分辨率的有效方法.     

An Image Edge Detection Algorithm Based on Multi-Feature Fusion

Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method.     

针对合成孔径雷达图像的新型LOG边缘检测算法

传统LOG边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也易损坏部分低强度边缘。针对这一问题,提出了一种新型的 LOG边缘检测算法,首先采用双边滤波和自适应中值滤波来代替传统LOG算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG算法具有更好地检测效果。