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.     

基于图像处理的零件尺寸测量系统的研究

在对原始输入图像进行直方图校正和边缘保持滤波处理后,对得到的较为平滑的零件图像进行边缘检测。并利用图像边缘灰度突变的特性,提出了一种结合梯度算子的快速边缘检测方法,据此计算出零件的各参数值。     

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。     

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...     

基于数学形态学的图像边缘检测技术

边缘检测通常是用类似于素描图的图像表达出物体的要素和特征。实际图像中,边缘由灰度突变的象素点组成,在数字图像处理和分析中具有重要的作用。本文综合国内外最新文献资料,分析了多种基于数学形态学的边缘检测技术:基于多尺度形态学的边缘检测、基于数学形态学多极平均的图像的边缘检测、基于偏微分方程的形态学的边缘检测、基于均衡化和数学形态学的组合边缘检测、基于坐标逻辑的多结构元图像边缘检测等技术,并综合比较了其优缺点,探讨了其发展方向。     

基于小波变换的遥感图像边缘检测方法研究

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

SAR图像舰船目标边缘检测

提出了一种在正则化基础上,利用小波变化实现合成孔径雷达(SAR)图像舰船目标边缘检测的新方法。传统的利用小波变换实现图像边缘检测时,阈值需要人为设定。针对这一问题,文章引入正则化超分辨技术,从贝叶斯框架下的估计问题出发,采用非二次正则化,平滑图像,保护强散射点目标,实现对 SAR图像进行去噪。利用小波变换的局部化特性和多尺度分析能力,检测突变信号,实现对舰船目标的边缘检测。该方法去噪效果好,边缘 定位准确,仿真结果表明了算法的有效性。     

基于Canny的改进图像边缘检测算法

边缘检测是图像处理领域中最重要的关键技术之一。针对经典边缘检测算法抗椒盐噪声性能较差及阈值选取适应性不强等问题，提出了一种基于Canny的算法架构，结合自适应中值滤波(Adaptive Median Filtering，AMF）、大津法(Otsu）以及最大熵法(Maximum Entropy Method，MEM）的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法，获取自适应的高低阈值对图像边缘进行检测，边缘检测准确度可以达到96%以上。实验结果表明，本文算法在椒盐噪声干扰下针对背景复杂的图像有更好的边缘检测效果。     

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。     

基于小波分解的图象边缘检测方法

结合多尺度信息，采用小波分解对医学影像进行边缘检测，通过试验与其他方法进行分析与比较．证明此方法在医学图像边缘检测中是切实可行的。     

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.     

印制电路板视觉检测系统

本文对印制电路板视觉检测进行了深入地讨论,印制电路板视觉检测即要求检测出印制电路板上的几何缺陷,用计算机来代替人的视觉,介绍了图像的配准,图像的分割及故障点的识别。     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响，对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点，提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合，并且对小波包系数运用一种新的阈值去噪方法。实验结果表明，该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。     

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。     

一种航空铆钉自动检测系统研制

研究并实现了一种图像识别的铆钉自动尺寸检测系统,主要介绍了系统的工作流程和原理,给出了系统硬件组成,并在对CCD相机的采集图像清晰度评价函数分析基础上,提出了一种适合多种铆钉检测的自动调焦方法。通过对图像滤波处理、边缘检测算法的论证分析,建立了适合铆钉检测的图像特征提取方案,最后给出了系统主要功能界面。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

基于改进Canny的激光主动成像图像边缘检测算法研究

针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法.该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;采用Otsu自适应阈值计算方法,使算法可根据图像自身特点选择最合适的阈值.实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像的边缘,具有较强的自适应性.     

基于遗传算法的目标检测定位方法

 将目标的检测定位归结为一类组合优化问题，利用遗传算法的进化策略，采用改进的遗传算法，提出了2种基于遗传算法的目标检测定位方法:基于遗传算法的相关匹配定位法和图象序列目标检测定位法。并给出了在可见光图象序列上的实验结果。