弹底底火表面缺陷图像分割方法

枪弹弹底底火检测是枪弹质量控制的核心,为了有效分割弹底底火表面缺陷图像,提出一种新的分割方法。该方法针对弹底检测要求及弹底图像基本特征,首先大致确定待检测的底火部分图像,对其运用Log算子进行边缘检测确定底火圆边缘;然后分析了Hough变换和最小二乘法圆拟合的圆检测算法的各自优缺点,提出了改进Hough变换和最小二乘法圆拟合相结合的圆检测算法,以获得较精确的底火圆圆心和半径;最后利用底火圆圆心和半径提取底火圆图像,利用统计阈值分割底火表面缺陷,利用数学形态学优化分割结果。通过实验表明,运用此方法分割弹底底火表面缺陷,平均误分割率低于10%,平均偏差小于17个像素,表现出较好的准确性和鲁棒性。     

一种快速提取弹底底火表面缺陷图像方法

针对枪弹弹底图像特点,提出一种新的弹底底火表面缺陷图像分割方法。对去背景弹底灰度图像运用Log算子进行边缘检测,分析了传统边界跟踪算法在提取弹底圆轮廓应用中的不足,改进边界跟踪算法提取弹底圆轮廓,利用最小二乘法圆拟合算法获得弹底圆圆心和半径。通过弹底圆半径与底火圆半径对应关系为弹底灰度图像赋值,提取底火圆图像。利用统计阈值分割底火缺陷,利用数学形态学优化分割结果。实验结果表明,该方法能够有效提取弹底底火表面缺陷。     

一种快速的圆检测方法

图像处理中圆的检测及其参数确定是计算机视觉和模式识别中的一项重要任务。通常采用基于Hough变换的方法,但这种方法计算量大、运算速度慢,对存储空间需求大。为了克服这些缺点,提出一种快速的圆检测方法,该方法在普通图像圆检测时具有快速、稳定、准确的特点,能满足实时性要求。     

一种快速的圆检测方法

图像处理中圆的检测及其参数确定是计算机视觉和模式识别中的一项重要任务。通常采用基于Hough变换的方法，但这种方法计算量大、运算速度慢，对存储空间需求大。为了克服这些缺点，提出一种快速的圆检测方法，该方法在普通图像圆检测时具有快速、稳定、准确的特点，能满足实时性要求。     

一种基于Hough变换的圆检测方法

本文提出了一套基于深度优先搜索和等步长Hough变换的圆检测方法.为了得到圆的有效边缘特征,提出了一套边缘特征提取的算法.将边缘提取之后,进行了深度优先搜索.接着采用等步长采样,将边缘分为三段,用Hough变换进行圆的参数提取.最后,经过最大值的搜索得到圆的参数,小圆和大圆的半径统计方差分别达到了0.1493和0.3777.     

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.     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围，提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法，并利用了边缘检测后边缘点的方向信息，作为Hough变换的方向角，可以较快提取出边缘线段，从而通过边缘跟踪获得无噪声点的相似区域，这为进一步提取图像的颜色特征或形状特征提供了良好的基础。     

一种提取直线的随机方法

基于Hough变换提取直线的方法，由于要预先量化参数空间，因此需要很大的存储量和计算量．基于RHT(Randomized Hough Transform)提取直线的方法是通过随机选取两个点得到直线的参数，而后在参数空间对相应的参数进行累加、判断，该方法虽然无需预先量化参数空间，但是其在直线检测时，收敛速度慢．为此提出一种新的随机检测直线(Random Line Detection)的方法，在图象边缘点构成的数据空间中随机选取3个点，根据距离准则获得一条可能的直线，然后在数据空间中进一步判断直线的真实性，实验证实了该方法能有效的减少存储空间并降低计算量。     

一种虹膜定位算法

针对虹膜二值边缘图像提取的困难，提出利用虹膜图像的灰度边缘图像以及虹膜的几何特征进行虹膜定位的快速算法。首先根据虹膜图像的整体灰度分布信息特征，利用改进的Sobel算子提取虹膜的灰度边缘图像，然后利用圆的对称性质以及投票策略提取虹膜的中心，最后利用Hough变换的半径直方图投票提取虹膜内外径。实验结果证明，该算法提高了虹膜定位的速度，并且具有较强的抗干扰能力。     

一种用于圆检测的改进Hough变换方法

Hough变换在图像处理中占有重要地位,但本身具有存储空间大计算时间长的缺点。文章利用圆的几何特性,针对Hough变换的缺点进行改进,并将其应用到图像中存在多个圆的情况。实验表明,该算法能较好地减少存储空间及降低计算时间,并能良好地对图像中多个圆进行检测。     

Circle Detection Based on HSI Color Space

A method based on HSI color space is presented to solve the problem of circle detection from color images. In terms of the evaluation to the edge detection method based on intensity, the edge detection based on hue is chosen to process the color image, and the simplified calculation of hue transform is discussed. Then the algorithm of circle detection based on Canny edge detection is proposed. Due to the dispersive distribution of the detected result, Hough transformation and template smooth are used in circle detection, and the proposed method gives a quite good result.     

对边缘不突出的显微镜影像进行边缘特征提取与Hough直线检测

文章主要介绍如何对边缘不突出的显微镜进行边缘特征提取与Hough直线检测,其中涉及到数字图像处理中的边缘检测、图像二值化及Hough直线检测算法。     

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。     

数字近景影像上标志点精确定位方法研究

本文研究数字近景图像上标志点的精确定位问题,具体围绕两张桥梁悬索模型数字近景图像进行人工标志点的定位研究。在比较现有标志点定位方法特点的基础上,提出了一种新的近景标志点定位的方法。针对所研究的图像,比较各方法特点并进行单个标志点实验,得出各方法的优缺点。利用可行的两种方法对两张近景影像上的所有标志点定位,通过直接线性变换解算像片参数和检验点坐标,根据两种定位方法以及目视定位的解算结果,比较各方法的精度,得出结论———本文所提出的定位方法精度较高,采用该方法进行标志点定位,可提高像片解算的精度。     

Image processing system for industrial robots

The image data in a digitized picture can be represented by a set of edge lines and edge-point data. In the system described an object is recognized by comparing its parameters with those of various models. Criteria are given for declaring an object and model to be similar.     

基于机器视觉的轨道车辆零部件形位尺寸检测方法研究

在高铁车辆中,包含着种类繁多的零部件,每个零部件对于车辆的正常稳定运行都具有及其重要的影响,传统的检验用时较长且容易出错,检验效率较低。出错的车内装饰部件会造成不同程度的返工,大大的降低了生产效率。目前,高铁零部件形位尺寸检测研究领域尚很少视觉检测相关的研究,针对高铁零部件的大型不固定的特点,提出了完整的视觉检测高铁零部件形位尺寸的方法,首先从Snake动态轮廓模型分割零部件感兴趣区域,之后通过透视投影变换进行空间校正,采用Sauvola局部二值化进行轮廓提取,进而进行零部件视觉形位尺寸测量四个步骤实现高铁零部件的视觉检测,并对高铁上的三种零部件进行测试和验证,实验结果表明,基于视觉的高铁零部件形位尺寸检测具有较好的检测效率和可拓展性,可用于高铁多种零部件的形位尺寸入库检验中。     

一种快速的随机Hough变换圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理复杂图像时随机采样带来的大量无效积累会导致计算量过大。提出一种快速的随机Hough变换圆检测算法,对证据积累的计算从三方面进行研究,有效地提高了计算速度,具有较好的应用价值。     

一种基于边缘图像的快速物体检测方法

为提高物体检测速度,提出一种利用边缘快速检测物体的方法。首先,求取图像中每一个像素的边缘模值和方向,依据模值定位边缘位置,依据位置和方向进行边缘分组;然后,通过计算边缘组的相似度来对候选的包围盒进行投票;最后,统计多尺度滑动窗口上各候选包围盒的投票得分,依据包围盒得分对包围盒进行过滤,再依据包围盒重合度对包围盒进行合并,并依据合并的包围盒数量判断其是否为物体,最终得到图像中各物体的包围盒。实验结果表明,相对于目前最新的物体检测算法相比,该方法的运算效率最高,且检索率和精确度高。     

基于改进概率霍夫变换的车道线快速检测方法

车道线是行车安全的重要参考。为提高无人驾驶行车过程中车道线检测的准确性和实时性,提出一种基于改进概率霍夫变换的车道线快速检测方法。首先对获取的图像进行感兴趣区域提取,根据车道线颜色的特殊性,合理选取三色通道的比值对图片进行灰度化,为增强阈值处理的鲁棒性,采用大津二值化法对灰度图像进行二值化,由于Canny算子具有良好的定位边缘的能力,本次边缘提取算子选取为Canny。接着分别从车道线长度、角度、车体和车道宽度4个方面提出4点约束条件对该算法加以改进,剔除干扰线和伪车道线,最后通过线性回归法拟合出正确车道线。实验结果表明,该算法在快速检测车道线的同时保证了检测的准确率,并将实验结果与其他算法进行比较,证明了该算法的实时性和准确性优于其他算法。