基于灰色关联度和纹理分析的图像边缘检测算法

针对LOG算子中噪声平滑能力与边缘定位能力之间的矛盾,把灰色关联理论同LOG边缘检测算子及图像的纹理分析结合起来,利用图像中某一点及其邻域像素的分布和模板的分布规律的相似程度,提出了基于灰色关联度和纹理分析的图像边缘检测算法,给出了算法的具体实现过程。结果表明,设计的边缘检测算法在相同的空间系数下,能够检测到更加丰富的图像边缘,并且边缘的连续性较好。     

高清视频车辆检测及跟踪系统的设计与实现

针对目前视频车辆检测与跟踪系统存在检测精度低、跟踪稳定性差等问题,设计基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)结构的高清视频车辆检测和跟踪系统。该系统采用高清摄像机为图像采集单元,利用现场可编程门阵列对采集到的IP视频图像进行实时图像解码和图像预处理,高性能DSP做为系统主控单元实现前景提取、车辆检测、识别和跟踪等功能,DSP与FPGA之间的数据交换通过两路高速串行接口连接,以满足运算处理时大批量中间数据的交互;采用基于背景图像差分检测方法进行运动目标的实时检测,通过计算目标物体的紧密度对运动目标进行分类,利用区域特征跟踪法来快速跟踪图像序列中的车辆目标。试验结果表明:与普通视频相比,高清视频条件下对视频图像进行处理,在定位及寻找物体边缘方面具有优势,提高检测精度10%以上,能够实现对运动车辆的实时、准确、快速跟踪。     

基于二值化的数学形态学生物图像边缘检测算法

针对边缘检测算子对噪声敏感且检测边界相对模糊的缺点,提出了基于动态二值化的数学形态学边缘检测算法.该算法首先利用动态二值化方法确定将灰度图像转化为二值图像的阈值,然后利用数学形态学的腐蚀和去空洞相结合的方法去除二值化图像的噪声,最后用细化方法检测单像素图像边缘.仿真结果表明,该算法能降低噪声及图像模糊对边缘检测的影响,实现边缘的准确定位,并保留足够的图像细节,具有更强的去除噪声能力,为显微生物单体图像处理提供了一种有效的边缘细化检测方法.     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

改进的种子点生长模糊边缘检测算法

针对传统模糊边缘检测算法计算量大、效率低的弱点,利用图像边界点连续的特性,结合模糊边缘检测算法的思想,提出了一种基于模糊理论的改进种子点生长边缘检测算法。利用相应算法建立两张快速查找表,对图像中的像素点通过查表,选取种子点,根据边缘点的判断准则对其进行生长,最终实现边缘检测。实验证明,算法具有较高的效率和较强的抗噪能力。     

基于机器视觉的烟仓机器人路径识别与控制

仓库中醇化的烟叶因含有水分,在微生物作用下会发生霉变。为降低烟叶霉变检测的劳动强度,提高烟叶检测效率,我们基于机器视觉研发了一款搭载FLIR C3红外热成像检测仪的烟仓机器人。本研究主要介绍了烟仓机器人软硬件控制系统的设计,并对机器人行进路径的识别与控制进行研究。烟仓机器人的硬件控制系统采用32位ARM处理器STM32F103ZET6,利用OV2640传感器进行图像的采集与传输;软件控制系统基于Microsoft Visual Studio 2010开发环境,调用OpenCV等图像处理函数,实现图像分割、边缘检测及路径识别与规划。路径识别采用基于机器视觉的方法,利用高斯滤波去除图像中的噪音、干扰,经阈值化处理后采用Canny算子进行图像边缘检测处理,通过Hough变换,提取出车道的边缘线及车道中心线,根据车道中心线的角度偏差和像素偏差制定控制策略,从而实现烟仓机器人的自控行走,实际运行试验结果表明,该系统能够很好地实现路径识别和运动控制。本研究可为无线通讯和路径识别控制类机器人的相关设计研究提供参考。     

基于图像处理的玉米籽粒尖端识别系统的设计

鉴于玉米籽粒尖端识别对快速准确检测玉米品质的重要性,设计了基于图像采集、数据处理以及SUSAN角点检测算法的籽粒尖端识别系统。该识别系统先采集玉米籽粒的实时图像,再对此图像进行滤波、二值化、边缘检测,计算USAN值对应的曲率大小,曲率最大处则为籽粒尖端。采用该识别系统对200粒玉米籽粒进行了测试,发现其识别玉米籽粒尖端的准确率高达96. 5%。研究结果表明,该系统具有识别快速、准确的优点,满足实验室和科研分析的需求。     

一种半自动高分辨率遥感图像屋脊线提取算法——以徐州市郊区为例

针对高分辨率遥感图像中具有人字形屋脊的一类建筑物的屋脊线提取问题,设计了一种半自动屋脊线提取方案:利用Gram-Schmit算法融合QuichBird多光谱图像与全色图像,利用决策树分类将原始图像分为屋顶向阳面、屋顶背影面和阴影3类,利用Canny边缘检测算法检测屋顶向阳面的边缘,再利用基于线基元的线段提取算法检测出屋顶向阳面边缘图中的所有直线段,最后利用屋脊线两侧的上下文信息对屋脊线进一步识别。实例应用结果表明,检测的屋脊线正确率达到94%,此方法提取屋脊线可操作性强、精度高。     

基于C++的图像检测系统的设计

本文是基于C++编写图像处理程序,完成图像检测系统的设计,系统功能包括:打开*.bmp文件,图像的灰度处理、二直化、阈值变换、平滑滤波、边缘检测,智能识别等。系统开发和程序运行平台为Win7,采用C++Builder软件。检测系统通过调试运行,初步实现了设计目标。     

综合小波和模糊方法的图像边缘检测

为了更好地对图像边缘进行检测,提出一种基于小波局部极大模和模糊方法相结合的图像边缘检测算法．它将图像分为高频和低频部分分别进行处理．高频部分利用小波局部极大模的方法进行边缘检测,低频部分则利用模糊方法进行处理,并对两种边缘图像进行了融合．试验结果证实了该算法的可行性．