一种图像形态学的角点检测改进算法

提出了利用数学形态学对原有跟踪目标图像进行角点检测的改进算法.针对原有算法中检测效果往往受结构元素尺寸大小影响较大,提出了一种利用多尺寸大小的结构元素对目标进行角点检测,将检测结果进行融合的方法.实验结果表明该算法能够准确的找到图像的角点,对噪声起到了有效的抑制.     

基于能量场边缘提取和改进Hough变换的图像几何特征检测

根据光纤定位管图像的特点,提出了一种基于Hough变换的几何特征精密测量的方法。对图像进行能量场边缘提取后,通过改进的Hough变换求出图像中基本的几何元素:圆和直线的方程,进而精确确定其几何特征如:角点的位置等。试验结果表明,本方法可用于含噪图像中的几何特征检测,该方法具有较好的准确性和较强的稳定性。     

数学形态学在质量检测中的应用

简单介绍了数学形态学的基本运算及结构元素，并对数学形态学在质量检测中的一些应用进行了详细的描述和分析，最后用数学形态学的方法对一幅苹果图像和一块电路板进行检测．分别准确地检测出了苹果疤痕和短路点的位置与形状，得到了非常好的效果。     

机织物提花图案的一种分割方法

为利用机器视觉技术对提花杌织物进行图像检测,采用数学形态学方法对织物图像进行分割．该方法对织物图像进行二值化处理,灵活使用数学形态学中的膨胀、腐蚀、闭运算、开运算等基本方法,选取合适的结构元素,结合MATLAB语言编程,实现了机器对织物提花区域的分割,达到了较好的分割效果．     

基于变结构元与参数映射的石英摆片参数测量

为了满足诸如民用领域和国防技术领域中对挠性器件石英摆片参数高精度测量的要求,提出一种利用视觉图像对石英摆片参数进行高精度测量的非接触方法.该方法通过视觉测量系统对石英摆片图像进行摄取,利用变结构元广义形态学边缘检测算法进行初始边缘定位,充分提取图像边缘细节信息的同时抑制图像噪声的影响.在亚像素图像处理中,提出了对圆形曲线进行亚像素边缘定位的边缘检测算法,建立了曲线边缘点与边缘参数之间的映射关系.利用检测出的曲线边缘点数据,通过定义一个新的误差函数并最小化,可以计算出石英摆片参数.实验结果表明,该方法稳定性好且实时性强,定位不确定度优于0.03像素,可实现石英摆片参数的精密测量.     

基于金字塔和模糊聚类的路面图像拼接方法

公路图像具有特征复杂,特征点分布不均匀,噪声较多等特点,这对图像拼接带来了很多困难.针对以上特点,本文提出了一种基于图像金字塔、Harris角点检测和模糊聚类相结合的公路图像拼接方法.通过对原始路面图像进行多尺度、多分辨率的金字塔变换,形成几组尺度空间的分层结构,以该分层结构为基础,对每层结构进行Harris角点检测,并将得到的角点进行聚类和匹配,实现了相邻公路图像的精确拼接.     

用数学形态学方法处理地图中间断线型符号

以数学形态学变换为基础,针对地图提出了一种新的地图跟踪方法．该方法通过原始图像与形态学结构元素相运算,并行给出了构成线型地物的各点或线的位置信息．实验表明,该方法对于间断线型符号的跟踪是很有效的     

基于多结构元素的数学形态学图像边缘检测

提出一种基于多结构元素的数学形态学图像边缘检测算法。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子和Canny算子。     

基于关键角点引导约束的广义Hough变换两层目标定位算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量大且同时保证速度和精度存在困难。为解决该问题,本文在定位与验证两级框架下提出由关键特征点引导约束的广义Hough变换两层目标定位快速算法。粗定位过程首先利用模板图像的特征点——角点建立R表,将待检测图像中的角点依据局部R表对平移、缩放系数和旋转角度进行全局搜索,得到其参考点位置以及和的参数值;在验证过程中,建立模板图像边缘像素的全局R表,在约束的参数范围内依据全局R表进行验证,求出精确检测结果。实验表明,本文算法也适用于局部遮挡,局部变形等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。     

基于图像分析的瓷砖角点快速定位

在基于机器视觉的瓷砖尺寸检测系统中,通过上光源采集的图像中存在较多干扰,对角点的快速、准确定位极为不利。根据瓷砖在图像中的形状和位置特征确定角点的参考区域,然后在参考区域内精确搜索边缘,定位角点。实验表明,本方法具有速度快、精度高和抗干扰能力强的特点,可用于实际瓷砖尺寸的检测。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

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ABAQUS的复合材料结构材料参数识别算法及其软件设计

结合优化技术和有限元分析,提出了正交各向异性复合材料结构材料参数的识别方法。通过建立以测量位移与有限元计算的相应位移之差的平方和作为目标函数,把参数识别问题转化为极小化目标函数的问题。采用Levenberg-Marquardt方法解极小化目标函数的问题,其中灵敏度的计算是基于复合材料的有限元离散结构的求解方程对识别的材料参数求导。基于有限元软件ABAQUS,进行了参数识别算法软件设计,编制了可以计算结点位移对材料参数的灵敏度的用户单元程序。数值算例表明本文提出的方法是有效的。     

一种新的尺度不变特征提取方法

为解决传统尺度不变特征点提取算子计算复杂度高、抗噪能力不强以及特征点位置发生漂移等问题,提出一种基于尺度空间因果关系的尺度不变特征提取方法.首先原图像与高斯函数进行卷积获得高斯平滑图像;然后在原图与高斯图像中分别提取Harris角点作为候选特征点;最后以高斯图像上的候选特征点为中心向原图上投影寻找对应的特征点作为最终的尺度不变特征点.实验结果表明,该算法容易实现、计算效率高、抗噪能力强.该算法能为后续视觉处理提供稳定抗噪的尺度不变特征点.     

基于残差字典学习的图像超分辨率重建方法

为了提高图像重建质量,在保留图像空间结构信息的同时恢复更多图像高频信息,提出一种基于二维可分离字典和残差字典的图像超分辨率重建方法.不同于传统的基于一维字典的超分辨重建方法,二维字典直接利用图像的二维矩阵表示,因此,可以保持图像的空间结构信息,减少字典参数的数量,节省存储空间.为了更好地恢复图像高频信息,在二维可分离字典重建图像基础上,引入残差字典,重建边缘等高频信息,两类字典各有侧重,二者结合可得到更高质量的超分辨率重建图像.在典型的公共图像集上的实验证明了提出的结合二维可分离字典和残差字典的图像超分辨重建方法的有效性和优越性.     

基于颗粒分析的Top-Hat变换及去噪

数学形态学中的Top-Hat变换是一种提取图像中局部较亮的目标或信息的技术。经典的Top-Hat变换用唯一尺寸的结构元素对图像进行处理，并不能有效地提取目标，图像上面的结构或目标不一定对那个尺寸的结构元素敏感。通过定义一个递增的结构元素序列对图像进行Top-Hat变换，在每一个像素处用不同的结构元素作Top-Hat变换，以寻找对该像素最敏感的结构元素，并把此结构元素对图像的处理结果作为该像素处最后的输出值。虽然该方法有效地增强了图像，但同时也增强了噪声，最后利用形态重构算子对噪声进行了处理。     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.     

基于改进的分水岭算法的图像分割

考虑到分水岭算法存在过分割问题,本文提出一种有效解决方法。在图像预处理过程中首先对图像进行中值滤波来消除部分噪声;然后采用形态学求梯度的方法得到原始图像的梯度图并对梯度图像进行开闭重建,在保留区域重要轮廓的同时去除了噪声和图像细节。在此基础上对重建后的梯度图像进行基于标记约束的分水岭分割。实验结果表明该方法能够较好地抑制过分割,同时通过结构元素的选择而具备一定的灵活性,整个过程无需进行合并处理,降低了分割的复杂性。