基于Canny算子的舰船热尾流红外图像边缘检测研究

针对海面情况复杂,舰船热尾流红外图像受干扰大,目标区域不易辨别的特点,提出了一种自适应滤波平滑技术并采用动态阈值分割算法对传统的Canny边缘检测算法加以改进.在实际应用中,提取出了清晰、连通的舰船热尾流的边缘,达到了令人满意的结果.为红外探测潜艇提供了科学的水面热轨迹情况的依据.     

基于Canny算子的图像边缘检测算法

图像边缘检测是一种非常经典的基于计算机视觉技术的图像处理技术,主要是根据图像的某种特定信息,把目标的边缘与周围的区分开来。回顾了几种传统的边缘检测方法,并分析它们的优缺点,详细阐述了Canny算子的检测原理和实验方法。实验结果表明Canny算子是最优的边缘检测算子,能够较稳定地对目标图像进行边缘信息提取,得到较好的检测效果。     

基于Canny算子的红外图像边缘检测研究

在红外图像处理中,提出了尺度相乘的Canny边缘检测器,定义了尺度相乘函数,该函数是两个尺度检测滤波器响应的乘积.通过确定尺度相乘后的梯度图像,采用非最大值抑制方法得到边缘图像.实验结果表明,该算子提高了传统Canny检测算子的性能,具有良好的检测精度,在定位和噪声抑制两方面得到了较好的折中.     

基于Canny边缘检测算子的图像检索算法

针时依赖传统Canny算子的基于边缘的图像检索系统所存在的不足,提出一种基于Canny边缘检测的图像检索算法.使用改进的Canny算子提取图像边缘特征,将该特征通过傅里叶描述予转化为向量,根据向量闯的Manhanttan距离进行图像检索.试验结果表明,改进的Canny算子能够检测到低强度的边缘并保持边缘清晰连贯,而且该图像检索算法具有良好的检索效果.     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

基于改进Canny算子的树障与导线边缘检测算法

针对目前输电线路通道树障检测中,树障与导线的边缘信息难以提取、不清晰以及连续性差等问题,提出一种基于改进Canny算子的树障与导线边缘检测算法。首先使用可以去噪保边的双边滤波取代传统Canny算子中的高斯滤波,使得树障与导线图片的边缘信息得以确保清晰,同时图片边缘更加细腻;然后使用基于Scharr算子3×3的梯度模板代替2×2的模板来改进梯度计算方法,在水平和垂直方向上扩充了45°和135°,两个方向的梯度模板加权求和;其次,对改进后的梯度幅值实施非极大值抑制,减少边缘检测带来的不利影响以使边缘变细;最后使用双阈值算法确定真实与虚假边缘,实现目标图片的边缘检测,减少干扰。实验结果表明,图片的边缘清晰度分别为8.53、0.474、12.93。改进后的算法对树障与导线边缘检测的结果相对于传统算法具有更好的边缘清晰度,可以清晰地观察树障与导线。     

基于Canny算子的高压输电铁塔图像边缘检测研究

为了实现高压输电铁塔架构健康状态的监测,文章提出了基于Canny算子的高压输电塔图像边缘检测方法。并使用了两种常用的边缘检测方法与提出的方法进行了对比试验,仿真实验结果证明文章中提出的基于Canny算子的高压输电塔图像边缘检测方法的边缘检测效果优于另外两种方法。     

基于Sobel的多方向算子模板边缘检测算法

针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。     

基于改进Canny算法的齿轮表面边缘检测

齿轮的边缘检测是保证齿轮使用安全的重要手段,传统的Canny边缘检测算法对噪声敏感,但是在滤除噪声时容易丢失弱边缘信息,其固定参数适应性较差。针对上述问题,本文提出了改进的Canny边缘算法用于齿轮表面边缘检测,将离散余弦变换(DCT)和非局部均值(NLM)相结合,取代了Canny算法中传统的高斯滤波器。实验结果表明,该方法在边缘检测和噪声抑制方面具有良好的效果。     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

一种新的热红外影像边缘检测方法

针对热红外影像中感兴趣温度区边缘信息模糊、对比度弱、影像存在噪声,传统的边缘检测方法难以实现边缘提取的问题,同时考虑到热红外影像边缘的不确定性,提出了一种将多层次梯形模糊增强、模糊C均值聚类以及与Sobel算子相结合的边缘检测方法。该方法首先对热红外影像进行多层次梯形模糊增强,接着运用模糊C均值聚类方法对影像中感兴趣温度目标区进行聚类,提取出目标物体,最后利用Sobel算子对目标物体进行边缘检测。基于MATLAB进行仿真模拟,实验结果表明,该方法具有较高的检测精度,既能检测出模糊影像的边缘,又能提取出传统算法所不能检测出的细节信息,边缘较细,计算量小,获得了比较理想的检测效果。     

低信噪比红外图像的快速统计法边缘提取

现代成像制导中所使用的红外图像往往存在着噪声大、目标一背景间灰度差较小、边缘较模糊的特点。这些特点会增加边缘提取的难度，因此必须建立更有效的红外图像边缘提取算法以满足需要。针对这些问题，以噪声Gauss分布模型和噪声特征为基础，建立了新型统计学意义下的红外图像边缘检测法。通过对此方法的概率模型进行分析，可以证明在有较大噪声的情况下，只要边缘处的差分值大于一定的值。就能以较大的概率提取出图像边缘。通过在不同情况下与梯度法的抑噪能力进行对比和分析发现，统计边缘提取法的噪声抑制能力要高于梯度法。在与Sobel模板算子法的红外图像边缘检测结果进行仿真和对比后发现，统计法能对红外图像的目标边缘检测取得良好的结果，并且算法具有快速简单的优点。     

基于SLPP-SHOG的红外图像车辆检测方法

针对红外图像的车辆检测,结合梯度方向直方图(HOG)特征与监督保局投影(SLPP),提出单帧图像车辆检测算法。首先,为增强特征描述能力、提高检测性能,在不增加特征维数的情况下,利用图像分割将区域的轮廓信息、灰度信息融入HOG特征中;其次,针对传统HOG特征维度过高,影响车辆检测效率以及准确率的问题,采用SLPP对提取的SHOG特征进行降维;最后,利用极限学习机(ELM)对样本图像的低维特征进行训练得到ELM分类器,实现车辆检测。本文以实拍红外图像作为实验数据,实验结果显示:针对红外图像的车辆检测,本文算法的检测性能较好,与原始HOG特征相比,本文所提SLPP-SHOG特征的特征维数由1764降至30,检测准确率升高16.03%,F1-measure提高了8.79%,检测时间由5.7 ms降至2.6 ms。     

基于YOLO的轻量红外图像行人检测方法

红外图像中行人的快速检测一直是计算机视觉领域的热点和难点。针对红外图像行人目标检测算法检测速度和检测精度难以平衡,算法模型体积较大,在中低性能设备中难以部署和实时运行的问题,提出了一种基于YOLO算法的轻量红外图像行人检测方法。在分析了MobileNet-v3等轻量网络在YOLO-v3算法上的性能和特点之后,该方法提出了引入注意力机制的轻量特征提取网络(CSPmini-a)、特征融合模块和解耦检测端分类回归结构三种改进措施,在满足网络模型轻量的情况下保证了一定的检测精度。实验表明,该方法有效的实现了红外图像行人目标检测的准确性和快速性。     

基于背景抑制和特征点检测的目标检测算法

空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性.     

改进的YOLOv4红外图像行人检测算法

在夜视红外行人检测的定位任务中,样本取样机器处于高点俯拍,使得所拍摄到的行人目标体积较小.此外,行人时刻处于活动状态,与摄像头的距离不同,导致检测时同类目标在图中的大小有一定的差异.基于YOLOv4算法,本文提出了一种改进的YOLOv4红外行人检测算法,对YOLOv4的网络结构进行了优化.采用形变卷积为核心组件,构建形变特征提取模块提升对于目标特征提取的有效性;针对形变卷积对特征提取网络模块进行优化.结果表明,改进后的算法在整体鲁棒性、召回率、F1-Score等评价指标方面均优于其它算法.     

基于模糊算子的红外图像去模糊研究

针对镜头抖动,目标移动等因素引起的图像运动模糊问题,本文提出了一种基于模糊算子的红外图像去模糊算法,使用深度自编码网络对数据集中的模糊算子进行编码,通过编码后的模糊算子去逼近一个未知的模糊算子并搜索对应的清晰图像,从而实现真实场景下红外图像去模糊,弥补了现有基于深度学习的图像去模糊模型在跨域应用时对真实场景下运动模糊图像去模糊效果较差的不足。在红外图像上的实验结果表明,相比于其他去模糊算法,本文提出的去模糊算法取得了更高的性能指标,恢复出的图像有着清晰的边缘轮廓和局部细节,显著提升了红外图像的清晰度。     

基于YOLOv5算法的红外图像行人检测研究北大核心CSCD

目标检测是自动驾驶的重要前提,是与外界信息交互的重要环节。针对夜间远处行人检测识别精度低、漏检的问题,提出一种针对检测小尺寸行人的YOLOv5-p4的夜间行人识别模型。首先,通过增加更小目标的检测层,引入BiFPN特征融合机制,防止小目标被噪声淹没,使网络模型可以更聚焦于物体的细小特征;同时使用K-means先验框聚类出更小目标的锚框,并且使用了多尺度的数据增强方法,增加模型的鲁棒性。使用了MetaAcon-C激活函数与EIoU回归损失函数使模型收敛效果更好,提升了算法远距离行人的检测的准确率。最后在红外行人数据集FLIR上验证改进后的YOLOv5-p4模型对于行人的检测能力,实验结果表明该方法与传统方法相比,准确率从86.9%提升到90.3%,适合用于红外图像中的行人检测。     

基于YOLO算法的红外图像目标检测的改进方法

传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取,由于预设模板比例相对固定,当行人因衣着增减、随身携带物品及姿态改变等原因使其轮廓比例发生较大变化时,往往会导致算法失灵而出现漏检现象。而基于深度学习的目标检测则通过对大量样本的本质特征进行抽象、提取、加工和整合,进而实现对更多样特征的学习。因此利用深度学习目标检测算法进行红外图像行人检测应用的研究可以弥补传统检测方法的不足。YOLOv3是目前性能较为均衡的识别算法,本文在分析YOLOv3系列算法的原理和特点的基础上提出了一个新的改进算法模型——Darknet-19-yolo-3,在几乎不损失检测精度的条件下提升检测速度,一定程度上实现检测准确率和速度的相对平衡。