可调数学形态学的角点检测新算法

提出了一种新的基于可调形态学的角点检测方法。该方法采用对称圆形结构元素,通过选择合适的可调参数,对图像进行可调膨胀和可调腐蚀等一系列运算,先分别计算图像中凸角点和凹角点的精确位置,再将两者结合起来,从而得到图像中的所有角点。利用圆形结构元素大幅度减少了算法的计算量。可调形态学的应用克服了传统形态学检测角点不准确的缺点。实验结果证实了当可调算子中的参数取合适值时,该方法可以较精确地检测出图像中的角点位置。     

基于模型的闭环系统故障检测的一种新方法

针对在闭环控制系统中,如何取得产生残差的最佳信号的问题,通过对单输入单输出闭环系统各种故障的Matlab仿真研究及结果分析,提出了一种基于模型的闭环系统故障检测的新方法。该方法把控制器的输出残差和系统的输出残差结合起来检测故障,并且考虑到了在实际系统中控制器可能饱和的实际情况。这种检测故障的新方法对于实际系统可能发生的各种故障(如执行器,传感器故障)更为有效,可以提高系统检测故障的性能,减少了系统故障的漏报率。     

改进的基于特征点匹配的图像拼接算法

为了消除拼接图像中的缝隙,提出了一种改进的图像无缝拼接算法.该算法首先用Harris角点检测提取特征点,接着建立两幅图像间角点的映射关系,最后用改进的加权方法进行图像融合.试验结果表明改进后的方法能有效地对两图之间有一定旋转角度的情况进行无缝融合,方法可行有效且鲁棒性好.     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

一种基于时空信息的多目标检测新算法

运动目标检测是计算机视觉中进行信息提取的关键技术之一.为了克服传统帧间差分法检测出的目标不完整的缺点,提出了一种基于时空信息的视频图像中多目标检测新算法.该算法将帧间差分得到的图像序列的时间信息和帧间边缘差分得到的图像空间信息结合起来检测图像中的运动目标,同时利用形态学闭运算和近区域合并方法进一步强化图像中的空间信息,利用小区域去除的方法去除图像中的噪声影响.最后通过3组实验对其有效性进行了验证,实验结果证明,其检测效果与传统算法相比有较大改善.