基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

基于灰度差异几何特征的角点检测

为了能在模糊或有噪声的图像中直接检测角点,提出了一种对比多尺度下灰度差异几何特征和搜索局部灰度最大权值的角点检测方法。该方法根据图像中角点位置的灰度差异,采用多尺度圆形检测器遍历图像,对比不同尺度下检测器所得到的几何参数来初步确定角点位置并剔除边缘附近的伪角点;根据局部灰度权值最大原则去除由于圆形检测器的离散性而聚集在真角点周围伪角点,并确定角点的最终位置。实验结果表明,相对于传统算法,该方法能够在对噪声或模糊图像不做预处理的情况下检测出角点。     

一种改进的SUSAN角点提取方法

针对基本SUSAN算法存在漏检测、处理速度慢以及容易产生伪角点等问题,提出了一种改进的SUSAN角点提取算法。首先对图像的像素点按边缘点、内部点和背景点进行分类,在此基础上只对边缘点进行SUSAN算法处理,然后检查已经提取到的所有角点,剔除同一区域范围内的伪角点,从而实现对大部分角点的快速、准确提取。实验结果表明,该算法的运算速度比改进前提高约一倍,能够较准确地检测到目标角点。     

一种基于Sobel与K-means的边缘检测方法

传统边缘检测算子处理结果为边缘锐化的梯度图像,需人为确定阈值获取二值边缘图像,容易造成边缘信息丢失。应用增加了卷积模板的Sobel算子,使用K-means聚类算法基于梯度直方图自适应获取阈值,并分割梯度图像得到二值化边缘,最后对边缘细化与连接。通过使用最大类间方差法检验阈值与边缘检测结果对比分析,该方法自适应梯度阈值定位准确,所得边缘信息丰富度、定位精度、连续性均优于改进Sobel算子,与最佳阈值Canny算子检测结果基本相同,适用于机器视觉均匀稳定照明环境下获取图像的边缘检测。     

基于模糊隶属度的图像空间距离修正插值算法

为解决传统图像插值算法存在的边缘模糊和边缘锯齿,提出了一种基于像素点模糊隶属度的图像自适应插值方法.该方法首先根据图像的梯度与相角特性,确定像素点的模糊隶属度,再根据图像的局部不对称性在一维方向上修正插值点空间距离,并将一维修正结果转化到二维图像空间,最终将修正后的空间距离应用到传统双线性插值和双立方插值中.实验结果表明,该算法改善了图像的信噪比,有效抑制了边缘锯齿和边缘模糊的发生.     

基于图像边缘信息和Fisher准则的钢板表面缺陷分割研究

针对钢板表面缺陷图像信噪比低、缺陷目标小且形态差别大等特点,提出了一种基于边缘信息和Fisher准则相结合的图像分割方法。该方法首先采用梯度算子检测出缺陷图像的边缘,并对边缘检测所得的梯度图进行灰度拉伸,提高梯度图的对比度;然后利用Fisher准则寻找最佳阈值,分割出缺陷;最后运用数学形态学滤除噪声,实现了缺陷的自动分割和定位。实验证明,该方法不仅能够识别出弱小的缺陷,而且实现了在线实时检测。     

基于形态学水线区域的深度图像分割

深度图像分割是基于特征关系图匹配的曲面物体识别中的关键技术之一,针对已有深度图像分割方法存在的问题,提出了一种基于二值形态学的水线区域增长算法对深度图像进行分割。首先用结构元素迭代腐蚀深度图像形成距离图像;然后根据距离图像计算极限腐蚀的集合,提取出目标的种子点;最后用条件粗化从种子点开始生长回到原尺寸但不使各区域相连,完成深度图像的分割。实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性。     

基于双目视觉的薄壁零件变形量测量（英文）

针对薄壁零件变形量测量困难且过程繁琐的问题,提出了一种基于双目视觉的薄壁零件变形量测量方法 .对于零件表面变形量的测量,将具有基准坐标系标记点的刚性金属块安装在被测零件上,并在零件表面粘贴多个设计的编码标志点和彩色圆形定位点.利用彩色标记点分割出基准坐标系和编码标记点的有效图像区域,排除干扰图像特征.进行基准坐标系标记点和编码标记点的识别和检测,利用设计的角点结构实现标记点圆心的精确定位,并计算得到测量点的三维坐标.在基准坐标系下,通过计算零件变形前后表面关键点的三维坐标变化得到工件表面变形量.对于零件边缘变形,采用改进Canny边缘检测算法提取零件边缘的有效轮廓信息,并利用极线几何约束和灰度相似性对边缘特征进行了立体匹配和三维重建.薄壁零件变形量测量实验和测量精度验证实验表明该测量方法合理有效且测量精度满足要求.     

基于GFO和标记点分水岭算法的医学图像分割

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算,常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性,常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓,由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下,提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看,提出的方法非常适合应用于临床医学图像分割。     

最小核值相似区低层次图像处理算法的改进及应用

首先介绍一种能有效地进行边缘、角点检测和滤波等低层次图像处理的最小核值相似区算法,然后提出自适应阈值的选取方法,局部区域灰度重心判据对其算法的改进使得边缘检测算法抗噪能力更强。针对序列图像的具体应用,用改进的边缘检测算法能准确、快速地从噪声图像中得到较准确的边缘信息,用滤波算法对序列图像作预处理,可使互相关跟踪结果更可靠、更准确。     

一种基于梯度的直线段检测算法

针对传统直线段检测算法计算量大、鲁棒性差的不足,本文提出了一种在数字图像中检测直线段的算法.图像梯度对于检测图像中的边缘结构具有重要意义,算法首先求取图像梯度的模值和方向;然后根据梯度模值伪排序结果采用梯度区域增长方法扩张方向一致的邻域像素,得到的连通像素区域作为直线段候选区域;最后用外接矩形描述候选区域,其长轴和短轴可作为直线段判定标准,满足判定标准的长轴就是所求的直线段,并用MATLAB对图像进行仿真实验.结果表明:本文算法耗时8.87 s检测出了108条直线段,与传统算法相比,不但耗时降低了17%,而且检测出的直线段增加了16%.     

New enhancement of infrared image based on human visual system

Infrared images are firstly analyzed using the multifractal theory so that the singularity of each pixel can be extracted from the images. The multifractal spectrum is then estimated, which can reflect overall characteristic of an infrared image. Thus the edge and texture of an infrared image can be accurately extracted based on the singularity of each pixel and the multifractal spectrum. Finally the edge pixels are classified and enhanced in accordance with the sensitivity of human visual system to the edge profile of an infrared image. The experimental results obtained by this approach are compared with those obtained by other methods. It is found that the proposed approach can be used to highlight the edge area of an infrared image to make an infrared image more suitable for observation by human eyes.     

一种基于梯度方向直方图的直线轮廓提取新方法

直线轮廓检测是计算机视觉领域中的一个基本问题。在靶场光测图像分析中,通过提取导弹、火箭等目标的直线轮廓,可以得到目标的三维姿态参量。提出了一种基于梯度方向直方图的直线轮廓提取新方法。梯度方向直方图被定义为具有相同梯度方向的图像点的梯度幅值之和。利用梯度方向直方图可以很方便地确定图像上边缘方向,根据此方向可在图像上搜索直线边缘的位置。由于同时利用了梯度的幅值和方向信息,所以该方法能自动地提取直线边缘而无需阈值。通过在实际图像中提取直线边缘,证明了该方法的有效性。     

Directional variation adaptive image resolution enhancement

The goal of image interpolation is to produce a high-resolution image from its low-resolution counterpart. It has significant applications in video sensor network, where the resolution of images usually needs to be enhanced at the end user due to the limited transmission bandwidth. The key challenge of image interpolation is to preserve the edge structure of the image. In this paper, a new image interpolation approach is proposed to adaptively adjust the interpolation according to the directional variations of images. More specifically, at each pixel position to be interpolated, its neighboring pixels are projected onto 1D direction according to a number of proposed patterns. Then the direction, of which the variation is smallest, is chosen as the direction to perform image interpolation. Experimental results are provided to show that the proposed approach outperforms several conventional edge-directed image interpolation algorithms.     

拉普拉斯约束低秩表示的高光谱图像异常检测

伴随高光谱图像的广泛使用,高光谱图像技术得到长足的发展,其中高光谱图像异常检测技术越发受到重视。为了解决传统高光谱图像异常检测技术的实用性和检测效果不佳的问题,提出一种新颖的低秩表示检测算法。对于高光谱图像,大部分背景像元均可以被少量主要的背景像元组合近似地表示,且它们的表示系数将会位于低秩的空间中。在剩下无法被主要背景像元表示的稀疏部分中存在着异常像元,则可以被检测算法提取出来。在低秩表示中,背景像元字典的构建将会影响高光谱图像中背景像元的表示。如直接从现有高光谱图像中提取背景像元构建字典,会导致异常像元对背景像元字典的污染。而利用待检测高光谱图像观测数据和由光谱组成原理可合成的潜在未观测数据来构建背景像元字典,提取出背景像元的主要特征,有利于更好地分离出稀疏异常像元的信息。并且高光谱图像数据存在高维几何结构特点,通过引入拉普拉斯矩阵来约束空间中局部相似的像元对于待检测像元的表示作用,获得更接近于真实的表示系数。实验结果分别在仿真数据和真实数据上验证,与传统方法相比,提出的方法通过有效地突出异常像元提高了检出率和抑制了背景像元,降低了误检率。     

Edge adaptive image resolution enhancement in video sensor network

Video sensor network usually uses fairly low-resolution images due to the limited transmission bandwidth in transmitting images. It is potential to enhance the captured low-resolution images using image resolution enhancement technique that is able to produce a high-resolution image from its low-resolution counterpart. The key challenge of image resolution enhancement is to preserve the edge structure in images. In this paper, a new image resolution enhancement approach is proposed to estimate the intensity of the unknown pixel using a bilateral weighted average of that of its neighboring pixels. More specifically, the neighboring pixels with nearer distance have larger contributions. Furthermore, the neighboring pixels belonging to direction with smaller variation have larger contributions. Experimental results are provided to show that the proposed approach outperforms several conventional edge-directed image interpolation algorithms. Furthermore, the proposed approach yields low computational complexity; it is potential for real-time implementation.     

亚像素多重分形方法在图像处理中的应用

提出了一种用亚像素多重分形原理求取图像奇异性的新型算法,降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律,利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合,对应着从边缘到纹理各层面的图像内容。模拟计算了投影小波中心点改变单位距离对边缘测度的影响程度,得出亚像素分割梯度的方法可以增加计算结果鲁棒性的结论。此方法用于标准图像的分割中,选用5×5亚像素数目提取的最奇异性集合与索贝尔(Sobel)算子(默认阈值为36.7920)提取的边缘的峰值信噪比为9.3981 dB。应用于复杂路面的裂纹提取中,其结果更符合人类的视觉观测。     

一种改进的块匹配运动目标识别算法

鉴于传统的块匹配法在图像特征提取、匹配以及搜索等方面有诸多不足,复杂的边缘提取处理与基于灰度的匹配准则都使得系统的处理速度与精度降低,为了使识别处理更加快速精确,提出了一种改进的块匹配识别算法。通过拉普拉斯算子对图像特征进行增强,提高图像的特征信息;实验表明,针对320像素240像素大小的图像,改进算法的特征增强计算时间在Matlab中平均约为0005 4 s。     

数字图像直线特征的亚像素位置检测

根据像素点的梯度方向和直线局部特性提出了一种新的亚像素直线特征检测方法。图像中具有相同方向的直线上的点具有相近的梯度方向。因此首先根据边缘点的梯度方向把它们划分为不同的点集;然后在同一点集中扫描得到组成每一直线各自的像素点;再然后根据直线上局部小邻域内像素灰度分布特性,在直线上边缘点的3×3邻域内得到其中的线段解析表达式;最后通过判断在小邻域内所得线段和由边缘点拟合得到直线的位置关系,在线段上得到亚像素精度的拟合点,进一步拟合得到高精度的直线特征位置。实验表明,这种方法的定位精度可以超过0.05像素,角度定位精度超过0 02°,并且具有较好的实时性。