基于区域跨度搜索的大米粒型检测方法

提出一种基于区域跨度搜索的大米粒型检测方法.该方法利用区域外切矩形的长度和宽度表示区域的跨度,通过米粒区域外切矩形旋转搜索米粒的粒长及粒宽,再由粒长及粒宽求出米粒粒型.由于是对米粒区域中互相垂直的2个方向上的米粒区域跨度的同时旋转搜索,因此只须对米粒区域外切矩形旋转90°即可搜索出米粒的粒长及粒宽.大米粒型检测的实验结果表明:该方法对大米粒型的检测结果与人工测量结果基本一致,相对误差为1.73%,且具有米粒旋转不变性的特点.     

基于形态学分水岭的垩白米粒检测方法

提出了一种基于形态学分水岭的垩白米粒检测方法。充分利用单个垩白米粒图像区域中垩白部分白色不透明这一物理特征,将单个垩白米粒图像区域分成3个标记区域,通过形态学分水岭方法分割垩白米粒图像,提取区域间的单像素边缘将垩白区域提取出来。为了提高边缘检测的准确性,使用sobel算子去噪。由于使用标记控制分割,从而使区域极小值修正具有自适应性和准确性特点。试验结果表明:该方法对垩白米粒的检测精度为96.4%,而且识别效果好于基于分形维数的检测算法。     

基于饱和度的异色米粒检测方法

提出了一种基于饱和度的异色米粒检测方法.该方法由于利用米粒的一维饱和度特征将米粒分成正常白米粒和异色米粒两大类,因而,可通过一个分类阈值同时检测出米粒中的各种异色米粒.由于利用正常白米粒和异色米粒两类饱和度特征优化了分类阈值,而且还通过扫描式区域增长的办法来提高单个米粒的饱和度特征,因而,可在群米粒中检测出单个异色米粒,且检测精度高.实验结果得出:该方法对异色米粒检测的检测精度为97.8%.     

用平板扫描仪及图像处理方法检测大米粒型

提出并用区域跨度定义了米粒粒长及粒宽,即定义米粒区域的最小跨度为米粒粒宽,与此跨度方向垂直的方向上的米粒区域跨度为米粒粒长.根据此定义,通过搜索米粒区域跨度的办法搜索米粒粒长及粒宽,再由米粒粒长及粒宽求出大米粒型.由于此定义与人工对米粒粒长及粒宽的测量方式是一致的,因此,基于此定义的大米粒型检测方法的检测精度高.利用平板扫描仪及图像处理方法检测大米粒型的实验结果表明:用该定义对大米粒型的测量结果相对于人工测量结果的相对误差为1.03%,且该检测方法具有米粒旋转不变性检测的特点.     

一种新的分形特征方法及其在目标检测中的应用

文中提出了一种新的求解分形维数的方法,并利用目标分形特征和背景相比突变较大的特点把这种方法用到了目标检测当中,实验结果表明该方法简单易行、检测结果精确.     

一种视频运动区域检测的方法

在镜头不动的情况下,提出了一种基于累积帧差分割技术的视频运动区域检测方法,这种方法对传统累积帧差法作了改进采用相邻帧差和隔帧差结合并对图像累计相加．实验结果表明：这种方法不仅能很好的消除视频图像的噪声,且可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出比较完整的运动区域轮廓．     

基于多峰分布最大类间方差的垩白米粒检测方法

采用一种基于多峰分布最大类间方差(Otsu)方法检测垩白米粒。首先利用垩白米粒图像的灰度分布具有多峰分布这一特性,应用数理统计方法进行多峰分布度测度。然后根据垩白米粒图像中垩白部分具有白色不透明这一物理特征将垩白米粒图像的灰度级分成3类,通过使用最大类间方差法确定两个分割阈值,并且检测出大米中垩白部分面积。由于使用了区域控制分割,使得最大类间方差阈值的确定具有自适应性和准确性特点。实验结果表明,本文采用的方法对垩白米粒检测正确度为97.4%,效果好于基于形态学分水岭的检测算法。     

边缘检测方法及其在医学图像处理中的应用研究

计算机边缘检测在医学图像处理中占着至关重要的位置，检测的好坏直接关系到诊断和治疗的效果。本文列出了在医学图像处理中的边缘检测方法，讨论了医学图像中的边缘检测方法的发展及现状。     

边缘检测方法及其在医学图像处理中的应用研究

计算机边缘检测在医学图像处理中占着至关重要的位置,检测的好坏直接关系到诊断和治疗的效果。本文列出了在医学图像处理中的边缘检测方法,讨论了医学图像中的边缘检测方法的发展及现状。     

一种新的基于图像区域特征的生物芯片边缘检测方法

传统的边缘检测方法是通过灰度级的不连续来定义图像边缘的。这种定义并没有考虑噪声因素的影响，因为噪声点也具有灰度突变性，所以这不足以将边缘信息和噪声信息区分。对于采集到的生物芯片图像来说，由于识别圆时所采用的Hough变换计算量大，而传统的边缘检测对噪声敏感，会大大增加可能的边缘点数，从而为后期的工作带来不便。考虑到边缘的连续性和方向性，文中提出了基于图像区域特征的检测边缘的方法：标准差方法和模板检测法。利用这两种方法分别对生物芯片进行了检测，结果表明，两种方法所检测出的边缘清晰、连续，并且大大减少了边缘点的数目，为生物芯片的后期识别打下了良好的基础。     

目标检测的区域编码和区域逻辑运算

研究了图像逐行扫描、逐行编码的方法，提出了存储区域信息的新的数据结构，在传统的图像逻辑运算的基础上，研究了区域逻辑运算，并将区域编码和区域逻辑运算应用于目标检测，并给出了实验结果。     

图像边缘检测算法研究与分析

边缘是图像的重要特征,包含了图像中用于识别目标的信息。边缘信息存在于目标与背景、目标与目标之间,边缘检测技术是图像分割和其他一些图像处理的基础。图像边缘检测算法在边缘提取中起着重要的作用,本文介绍了Roberts、Sobel、Prewitt、Kirsch、Laplacian、LOG和Canny等几种常见的边缘检测算法,并通过实验仿真对其性能进行了验证和比较分析。     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。     

PSLIP新模型及在边缘检测和图像增强中的应用

对数图像处理模型已形成并应用于图像处理的各个方面.本文提出一种参数对称的对数图像处理(PSLIP)新模型.该模型建立了一种可以处理图像负值部分带参数的对称结构.同时该模型不仅能够对图像中感兴趣的部分进行自适应调整,而且能够处理反射光图像和透射光图像.为了验证PSLIP模型的有效性,将其应用于边缘检测和图像增强中,形成PSLIP边缘检测和PSLIP图像增强算法.实验结果表明,其效果均优于现有对数图像处理模型.     

基于特征位置优选整合的快速城区检测算法

遥感图像中城市区域的自动分析解译是遥感对地观测领域重要的应用方向,针对自动高效城区检测的迫切需求,提出了一种基于遥感图像的城区区域快速检测算法.首先通过智能去雾处理降低薄雾气象条件对检测的干扰,然后通过快速的关键点搜寻进行城区特征位置初选,并以全局与局部约束相结合的策略筛选出高置信度的城区特征位置,最后通过高斯渲染加权的方法整合城区特征位置,并在获得的城区高斯加权图上自适应分割出最终的城区.本算法使用Google提供的卫星图像进行算法验证测试,可得到准确的检测结果.本检测算法可满足遥感图像城区检测自动化、实时化的需求,大大减小了人工判图的工作量,能够广泛应用于机载或星载平台.     

一种新的彩色圆盘角点检测方法

圆盘靶标在摄像机标定及无人机侦察任务中目标的定位方面有着广泛的应用。针对目前图像角点检测的局限性,提出了一种自动提取红蓝彩色圆盘靶目标中心角点的检测方法。该方法利用HSV(Hue,saturation,value)颜色空间对红蓝彩色圆盘进行颜色分离,获得具有明显对称性和对比度强烈的灰度图像。然后运用提出的新型对称算子计算每个像素点的响应值作为角点的判断依据,对求得的角点在其邻域内抑制红蓝像素个数差来确保角点的对称性。最后通过Matlab软件上的仿真和现场可编程门阵列(FPGA)硬件上的实现,证明了该方法易于硬件化实现,实时性强,抗噪性能好,对图像旋转,伸缩和尺度变换都有良好的稳健性。