智能车辆视觉系统的障碍物边缘检测

对采集的道路图像中的障碍物进行边缘检测,其过程为:道路图像预处理、二值化、边缘检测和数学形态学处理.同时,在MATLAB7.0中对图像进行仿真.     

基于数据融合的边缘检测新方法研究

基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但其得到的往往是断续的,不完整的边缘信息,不能反映全部的边缘特性.分别利用改进的数学形态学的方法和拉普拉斯算法对图像进行边缘检测,然后将两种方法处理后的图像进行数据融合,实验结果表明,该方法得到的图像边界细腻完整,具有较好的抗噪性.     

飞机发动机损伤图像的分割处理

在形态学边缘检测算子的基础上,综合应用了形态学中的腐蚀和膨胀,提出了一种改进的多尺度形态边缘检测算法,得到修正的边缘检测算子,减轻了图像边缘检测的模糊性,并有效降低了噪声对边缘检测的影响。通过实验得到噪声存在条件下较为理想的图像,验证了该算法的可行性和有效性。     

基于提升小波和形态学的图像边缘检测算法

基于提升小波变换和形态学的基本理论,提出了一种提升小波和形态学相结合的图像边缘检测算法,算法充分利用了提升小波变换相对于传统小波变换快速而有效的完成小波分解和重构的算法优势。形态学运算在图像处理中具有独特的优势,利用其对图像膨胀和腐蚀的差运算来获取图像的边缘,取得了很好的效果。实验结果表明,算法边缘定位准确,抗噪能力强,检测出的图像边缘连续、平滑,是一种有效的边缘检测方法。     

基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。     

基于多方向多尺度的强噪声图像边缘检测算法

在噪声图像中如何有效地提取边缘是图像分析中的难点,至今还没有得到圆满解决。本文在修正的广义形态边缘检测算子的基础上,提出了基于多方向多尺度的强噪声图像边缘检测算法。该算法既能检测出具有方向性的边缘,还能有效抑制无方向性的噪声。为验证算法的有效性,针对强噪声图像进行了边缘获取实验,实验结果证明,该算法对获取强噪声的图像边缘是非常有效的。     

数学形态学边缘检测方法在火箭弹离轨参数测量中的应用

从数学形态学边缘检测的基本理论出发，结合火箭弹离轨参数测量的应用要求，定义了一种切实可行的数学形态学边缘检测的具体方法和结构元素，在火箭弹离轨参数测量系统应用中取得了很好的效果。     

基于红外成像的条烟自动检测系统

为了解决条烟封箱机装箱过程中的缺条检测问题,本文在研究红外图像处理技术的基础上,提出了一种基于红外成像的烟垛缺条检测方法,该方法通过对实时拍摄的烟垛端部图像进行形态学处理、边缘提取,计算边缘图像构成的轮廓矩,并通过对比该图像和模板的轮廓矩信息判断烟垛是否缺条。并根据实际应用,设计了基于红外成像的条烟封箱自动检测系统。实际检测表明,所研制的红外成像自动检测系统能很好的解决香烟封箱过程中的缺条检测问题,具有很好的应用价值。     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法，提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO)，并求取SO的运动参数，利用真实目标和类目标干扰的不同运动特性，应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰，从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中，一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明，该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰，降低虚警目标的数量。     

红外目标与环境的视景重建技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题,提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程.基于数学形态学理论实现了图像背景感知的应用研究算法.实验测评表明,该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力     

旋转机械状态参数图形识别的免疫-模糊形态学方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法.利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别.在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明所提出的方法可以获得较高的诊断精度.      

基于模糊数学形态学及免疫智能的旋转机械状态参数图形识别方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法。利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别。在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明本文所提出的方法可以获得较高的诊断精度,为旋转机械故障诊断探索了一条新路。     

Bayesian edge detector for SAR imagery using discontinuity-adaptive Markov random feld modeling

Synthetic aperture radar（SAR）image is severely affected by multiplicative speckle noise,which greatly complicates the edge detection.In this paper,by incorporating the discontinuityadaptive Markov random feld（DAMRF）and maximum a posteriori（MAP）estimation criterion into edge detection,a Bayesian edge detector for SAR imagery is accordingly developed.In the proposed detector,the DAMRF is used as the a priori distribution of the local mean reflectivity,and a maximum a posteriori estimation of it is thus obtained by maximizing the posteriori energy using gradient-descent method.Four normalized ratios constructed in different directions are computed,based on which two edge strength maps（ESMs）are formed.The fnal edge detection result is achieved by fusing the results of two thresholded ESMs.The experimental results with synthetic and real SAR images show that the proposed detector could effciently detect edges in SAR images,and achieve better performance than two popular detectors in terms of Pratt＇s fgure of merit and visual evaluation in most cases.     

金属图象分割的研究

结合金属图象的特点,利用传统阚值分割技术和基于最大熵原则的图象分割技术对金属图象分割进行了分析;并根据金属图象分析要求,提出了先二值化金属图象再进行边缘提取的方法.对比实验结果表明,基于最大熵原则的图象分割技术可以获得较好的分割效果,所提出的方法能够获得连续闭合的晶粒边缘,为下一步的金属图象分析提供了可靠的依据.     

基于力场转换理论的图像粗大边缘检测方法

基于粗大边缘的异源图像匹配在导航制导等领域具有广阔的应用前景,但是现有边缘检测方法很难提取出异源图像中的粗大边缘.根据异源图像成像原理和灰度分布特点,提出一种基于力场转换理论的异源图像粗大边缘检测新方法.首先,根据引力概念计算图像中各像素点受到合力的大小和方向;其次,为了去除光照和异源图像灰度不同的影响,对图像中像素点...     

一种电能表表号区域的定位方法

电能表表号可以唯一标识一块电能表的身份,针对当前对电能表表号识别研究比较少,研究了一种定位电能表表号区域的方法。由于电能表表面存在字符的区域比较多,定位电能表表号区域相对比较困难,结合了电能表表号数字区域的特征,通过对图片进行Canny边缘检测、数学形态学运算和区域限定,最后成功实现了电能表表号的定位。