一种新的虹膜定位方法

针对现有虹膜定位算法的局限性,提出了一种新的虹膜定位的方法.先对虹膜图像进行预处理,用canny边缘检测算子检测得到虹膜内边缘;再通过二次canny边缘检测对虹膜外边缘进行粗定位,然后分小区域对虹膜外边缘实现多阈值边缘检测,从而获得真实边缘,再利用虹膜内外边缘之间的耦合关系,结合最小二乘法实现虹膜外边缘的定位.实验结果表明,此方法能比较快速准确地定位出虹膜的内外边缘.     

油管螺纹图像的Canny算子边缘提取方法研究

石油生产中油管螺纹失效的问题相当突出,采用图像处理的方法取代传统方法使油管螺纹检测效果得到极大改善。根据油管螺纹图像的特点,针对传统的Canny算子中高斯平滑滤波的缺陷,采用中心加权MTM滤波算法,并且将像素的八邻域分为4个象限,结合双线性插值的方法取代非极值抑制方法,进一步提高边缘检测的精度。试验表明,相对于LOG算子,改进后的Canny算子更好地提高了油管螺纹的检测精度。     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

线激光带边缘检测的快速稳健方法 *

线激光带边缘检测是机器人视觉系统处理的重要过程。由于激光带亮度不均匀,边缘不规则,造成传统边缘检测困难。为此,本文提出一种检测线激光带边缘的新方法,首先用Canny边缘检测算法初步筛选边缘点,再利用统计跳变回归分析判断边缘点和它的边缘方向,最后利用格式塔理论拟合边缘直线。实验结果证明,这种方法能有效地检测到线激光带的边缘,提高了检测的精度和速度。     

基于Canny 算子的大米边缘检测

为解决传统边缘检测算法对大米图像边缘检测精度低以及对噪声敏感的问题,提出一种改进的Canny边缘检测算法。该方法首先采用非线性扩散滤波减少图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制噪声的影响;最后采用最大类间方差法选取阈值,从而提高对不同图像的自适应性。通过对实验图像的分析表明,本文的改进算法运用到大米图像边缘提取中效果显著,满足大米质量检测和分级的要求。     

基于形状方向能量的图像检索①

基于形状特征的检索技术是图像检索的研究热点之一,提出一种基于图像形状方向能量的检索方法一一先对图像进行一些基本的处理：去噪、边缘获取、细化边缘、调整角度,然后根据图像8个方向的能量累积,归一化处理,得到八个方向的能量累积数据。最后简述了图像智能检索系统的设计,应用该智能检索系统,给出了一些图片的基于方向能量检索方法的检索效果。     

一种汽车牌照字符分割的新方法

汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题。车牌分割是车牌自动识别技术的核心。本文介绍了一种基于区域增长算法和canny变换的汽车牌照分割新方法。该方法实现了汽车牌照的字符分割,分割准确率高、速度快。     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

基于meanshift算法的图像边缘检测

提出一种以像素的meanshift偏移向量为重要特征,并考虑像素点相互空间关系的边缘检测算法.首先通过meanshift算法计算出图像中各个像素的meanshift最终偏移向量,然后根据meanshift理论以及该偏移量性质,同时引入meanshift向量的方向和长度进行边缘检测.实验结果表明:该算法能精确定位目标轮廓,同时具有良好的抗图像噪声能力.     

BOPET薄膜中气泡的检测及识别方法研究

双向拉伸聚酯薄膜(BOPET)中的气泡直接影响产品质量,准确快速地检测与识别气泡有重要意义.提出了一种基于LVQ神经网络的BOPET薄膜气泡的检测与识别方法.该算法对采集到的薄膜图像进行处理得到薄膜疵点轮廓,提取长宽比、圆形度、形状复杂性及伸长度4个特征值,输入至已经训练好的基于LVQ神经网络的气泡识别系统中识别气泡并确定其位置与面积.LVQ神经网络的设计的是通过研究BOPET薄膜中气泡的特征,提取特征输入向量,通过训练用的特征值的输入使神经网络达到学习和预测的目的.通过实验测试表明,此方法能满足BOPET薄膜中气泡的检测要求.