基于数学形态学的灰度线形态识别研究与开发

灰度线形态特征识别是许多工程模式识别系统的重要部分,该文提出了一种采用CB形态滤波的算法来提取线形态,并结合结构元素分解的方法加快图像处理的运算速度,使识别算法在速度和效果方面都得到了较大提高。     

灰度形态滤波的研究与实现

文中分析了传统灰度形态滤波算法在速度和效果两方面存在的不足,然后提出了参照二值形态滤波的集合结构来加快速度,掺入平滑滤波来增强滤波效果的两种改进算法,用C语言编程实现。     

一种灰度形态算子的构造方法

提出了采用灰度结构元图像的灰度形态算子的构造方法。所构造的形态算子采用了适合灰度结构元图像与灰度图像间操作的结构，其相应的操作具有较明确的物理解释，从而适合招待灰度图像处理任务。     

基于灰度形态学的图像处理在焊缝识别中的应用

焊缝轨迹的提取是自动化焊接的关键技术,它不仅要求焊缝提取的准确性,而且要求实时性。论文采用爬行机器人CCD获取的焊缝原始图像,充分利用其灰度分布信息,提出了一种基于灰度形态学的图像处理算法。该算法能针对不同的焊缝,通过灰度形态学滤波等处理,提取焊缝的特征。实验结果表明该算法能满足实时、准确性要求。     

数学形态学中结构元素的分析研究

1.引言数学形态学是研究数字图像形态结构特征与快速并行处理方法的理论,它通过对输入图像的形态变换实现结构分析和特征提取的目的。1982年,J.Sem的专著《图像分析与数学形态学》问世后,数学形态学在图像处理、模式识别和计算机视觉等领域引起广泛的重视和应用,这些应用反过来又促进了它的进一步发展。     

基于数学形态学的边缘检测和图像分割方法

本文提出利用数学形态学对图像进行边缘检测和图像分割，与传统的方法相比较，该方法不仅可滤除图像中的噪声，而且通过改变结构元的大小、方位、形态能够将不同的目标图像提取出来。     

基于多尺度彩色形态矢量算子的边缘检测

数学形态学在图象处理中已经得到广泛地应用，但传统的形态学常应用于二值图象处理，后来发展应用到灰度图象处理，对于其用于彩色图象处理的研究还不是很多，通过对传统的数学形态学的几何描述，以及对目前形态学在边缘检测中的应用分析，提出了一种新的多尺度的彩色形态矢量边缘检测算子，该方法是利用不同尺度形态边缘检测算子来检测不同尺度下的边缘强度，再对不同尺度下的边缘强度图进行合并，从而得到新的边缘强度图象，利用该算法对实际图象和合成图象进行了实验，将实验结果与传统的边缘检测算法相比较，由于新的多尺度彩色形态矢量算子能检测出更多的细节边缘，因此将更有利于图象的进一步分析处理，同时将实验图象人为地增加噪声后，再利用该算法进行实验，其结果表明，该算法对噪声具有很好的鲁棒性。     

基于傅立叶描述子的步态识别

提出了基于傅立叶描述子的步识别方法。用背景差方法得到运动人体的轮廊,通过步态周期分析提取步态序列的关键帧。利用傅立叶描述子处理关键帧的轮廊线序列,并进行数据维数压缩,得到匹配模板。用最近邻近法进行分类和识别。应用上述方法在Soton步态数据库上进行了实验,结果表明所提的步态识别方法具有罗高的识别性能。     

基于数学形态学的工程图符识别方法

文中提出了一种工程图符自动识别的数学形态学方法。通过对数学形态学原理和方法的分析,利用形态学开运算可提出图像中与结构元素相似模式的原理,文中设计和实现了一种多结构元素形态学变换,能有效地对工程图符进行识别。实验表明,这种算法实现简单,自动识别效果得到很大改进,同时由于形态学开运算具有幂等性,识别过程不需迭代,执行速度也明显提高。     

基于形态学的快速拐点检测统一模型

拐点检测一直是计算机的视觉和图像处理中的关键问题，传统方法是通过计算曲率来实现拐点的检测，其要求准确定位拐点所在局部区域的位置，并易受到噪声干扰，为此提出了一种的新的基于形态骨架的快速拐眯检测方法，该方法基于物体条件骨架原理，采用改进的非对称开运算算子，并利用内外骨架分别实现对物体凸点和凹点的检测，以保证对拐点检测的完整性；对于有噪声图象，则采用多刻度形态滤波进行去噪预处理；对拐点给出了统一的检测和实现模型。实验结果表明，该统一算法检测准确度高、具有旋转不变性、计算量小、硬件实现简单，对有噪声干扰图象也能很好地进行检验。     

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术，其中多数都假设所写的文本是固定的。本文中，我们试图通过一种自动的不依赖文本的书写人识别听新颖算法，来消除这种假设，假定不同的人手写体存在明显的区别，我们采用一种综合方法，它基于纹理分析，每个人的手写体都被看成一种不同的纹理。原则上，我们可以采用任意一种标准的纹理识别算法（例如：多通道伽柏滤波器方法）。在对40名书写人的1000份测试文档的分类中，测试结果非常令人满意，识别率最高达到了96%。     

基于SIFT和Hu特征融合的单目视觉识别算法研究

研究了机器视觉技术在三维物体识别定位问题中的应用。利用Visual C＋＋编程软件建立了摄像机标定界面,实现对摄像机进行快速标定的功能。提出了一种SIFT特征和Hu不变矩融合算法,该算法是一种融合了局部特征和全局特征的算法。其中全局特征反映了对三维物体图像的整体信息进行粗略匹配和定位,局部特征可以在全局特征中进行更准确特征匹配,该算法对伸缩、旋转和平移等有很好的抵抗能力。实验结果表明,该视觉算法可以有效解决三维物体匹配问题,并且有效提高了系统的识别速率和效率,满足物体识别的目的。     

模糊模式识别在计算机识别中的应用研究

本文提出了计算机图像处理与模糊模式识别结合的方法．从苹果的色泽、横经以及果形指数三个方面对苹果进行等级识别并取得了较好的试验结果。     

一种用于遥感图象3D目标识别的基于形态的建模方法

该文研究了利用遥感灰度图象识别3D目标的建模问题,提出了一种基于形态的多视点模型构造方法。方法分为广义锥表和正交投影分析两个步骤,分层次地描述了目标的几何结构、拓扑和表面物理特性,因而比一般的形态图模型具有更好的描述能力,同时便于匹配时检索。     

基于特征轮廓的灰度图像定位三维物体方法

讨论了一种基于特征轮廓的从三维灰度图像确定三维物体位置和姿态的方法，该方法首先建立物体的三维网页模型，检测模型上的特征点，并建立该物体的特征轮廓模型，然后检测输入图像中物体上的特征点，形成特征轮廓，并与特征轮廓模型相匹配，就可得到该物体在三维空间中的姿态；最后使用最小二乘法对物体进行精确定位，实验证明，该方法在物体遮挡情况下不是很严重时，可以快速精确地从灰度图像定位三维物体。     

基于光流法的快速车道线识别算法研究

为提取无人驾驶车前方车道线信息,提出一种使用光流法的快速车道线识别算法。首先,根据连续视频帧之间的时间相关性,运用光流法检测车辆前方背景的相对移动。然后,利用车辆背景中特征点的移动方向和距离,对本帧图像中车道线的位置进行粗略定位,从而缩小本帧图像中车道线的检测区域,加速车道线识别算法。最后,通过对车道线像素点的处理,给出车道线类型信息。该算法提升了车道线检测算法的效率,降低了复合算子车道线检测算法的时间复杂度。在720*480像素下,算法实现了13.5Hz的处理速度,相较仅使用复合算子的处理算法提升了39.6%的处理速度,且算法检测效果良好。实车实验证明了算法的有效性和实时性。     

一种基于灰度差统计的边缘检测方法

提出了一种新的基于灰度差统计的边缘检测方法。该方法基于全图的灰度差统计获得初步边缘判定阀值，可以降低边缘检测结果对噪声的敏感程度，并且不需要进行边缘方向估计，而是引入灰度脊跟踪优化算法，使边缘检测结果其有连续性和准确性。由于使用了检测结果优化算法，有效地避免了一条真实边缘对应多条边缘检测结果的情况。实验证明该疗法应用在大部分真实图像的边缘检测效果优异，同时运行速度能满足大部分边缘检测应用的需要。     

灰度图像中基于像素分布特征的人脸定位

提出了一种利用人脸图像的像素分布特征来定位人脸的方法，在定位人脸的内轮廓时利用了图像二值化后的分布特征和灰度图的像素分布特征相结合的方法，然后将人脸区域的图像进行标准化，经过以脸图像可以方便地用于人脸的识别。在对采集到的图像进行的测试中得到了较好的效果。     

基于数学形态学和灰度跳变特征的车牌定位方法

车牌定位是车牌自动识别系统中的一个关键问题。近年来,许多国内外学者研究发展了许多车牌定位算法。首先对比较常见的几种车牌定位方法进行了简要的介绍,并对它们各自的优点、缺点进行了分析和比较。然后提出基于数学形态学和灰度的跳变特征的车牌定位方法,并借助LabVIEW平台编程实现了该算法。实验结果表明,该方法是可行的。     

基于灰度差统计的角点检测方法

提出了一种新的基于灰度差统计的角点检测方法。该方法以原始图像全图的灰度差统计结果作为出发点，采用的灰度脊跟踪算法和累积角度判别原则不仅能提供角点的准确位置，还能确定各角点的开张角度和方向。由于省略了边缘检测过程，因此较大地提高了角点检测的效率。实验证明该方法应用在大部分真实图像的角点检测效果优异，同时运行速度能满足大部分角点检测应用的需要。