基于机器视觉的农田作物行检测

为了快速有效地提取作物行,提出了基于机器视觉的农田作物行检测方法.图像预处理过程中,用中心线检测算法代替垂直投影法获得作物行信息;直线检测中提出了一种基于随机方法的新算法.该算法首先在由图像定位点构成的数据空间中随机选取两个不同点,这两点决定一条直线;然后在一定的距离容忍度下,得到一个沿直线方向的条形区域,并在此区域内搜索定位点的个数;最后根据阈值规则,判断该直线的真实性.针对大量不同生长时期、不同光照条件下麦田图像的处理,结果表明,一幅图像的处理时间约为120 ms,能够快速准确地提取作物行.对比该算法与霍夫变换和随机霍夫变换,证实了它具有节省内存、速度快、抗干扰等优点.     

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%.     

根据边缘梯度方向的十字丝目标快速自动检测

根据图像中直线轮廓边缘点的灰度梯度方向一致的特性,提出了有向线段的概念并给出了限制性定义,将直线检测转化为有向线段的检测提高了检测精度和可靠性。将十字丝轮廓抽象成两组相交的有向线段,提出了一种基于随机Hough变换(RHT)的十字丝自动检测算法。实验结果表明该算法对十字丝目标的灰度、大小、形状变化具有鲁棒性,达到了十字丝目标的快速识别。     

一种正六边形检测方法的研究

提出了一种基于几何特征的正六边形检测方法。在简述Hough变换原理和正六边形特点的基础上,把正六边形的检测分解成直线和圆的检测,以及线段长度和直线夹角的计算。利用检测到的直线,在图像平面内建立直线方程,依据直线方程,计算相邻两条直线的夹角和交点,求出每条边的长度,同时检测6个交点是否均匀分布在同一圆周上。在螺栓头部正六边形检测实验中,角度测量误差为0.38%,边长测量误差为0.85%。结果表明,该方法是有效的,能准确地检测出图像中的正六边形。     

SAR图像中机场跑道自动检测方法研究

跑道检测通常由边缘检测和霍夫变换2个步骤组成.由于SAR图像中存在大量斑点噪声,使得边缘检测中存在大量虚假边缘,增加了霍夫变换的时间,降低了跑道检测的准确度,提出一种基于区域分割和距离变换的SAR图像中机场跑道自动检测的新方法.采用基于统计信息的方法增强跑道一背景的对比度,然后用二维直方图阈值分割方法分割图像,再通过距离变换对跑道一背景二值图进行处理,得到跑道中心线的大致分布,最后采用局部空间霍夫变换得到跑道参数.实验结果表明:该方法能够可靠检测出跑道,运算速度满足实时性要求.     

基于形态学带通滤波和尺度空间理论的红外弱小目标检测

针对复杂背景下的红外弱小目标检测问题,提出了一种基于形态学带通滤波和尺度空间理论的红外弱小目标检测算法。采用形态学带通滤波对红外图像进行预处理,得到红外弱小目标的潜在区域;利用高斯差分算子获得预处理后的红外图像的尺度空间,并通过尺度空间的极大值检测获得候选目标的位置和尺度;通过对候选目标的信杂比进行阈值化实现红外弱小目标的检测。实验结果和现有方法的对比证明了算法的有效性和稳健性。     

改进的神经网络非均匀校正算法的研究与实现

为了实现红外图像的非均匀校正,目前通常采用神经网络法完成红外图像的自适应非均匀校正,此方法能够自动完成校正系数的更新,但算法复杂,校后输出图像对比度不高,出现重影和图像模糊的现象。采用改进的神经网络非均匀校正方法,利用高低温黑体求得校正系数初始值,且对算法迭代过程输出期望值的计算做了改进。测试结果表明,该方法简单实用,具有较好的非均匀校正效果。     

改进的非下采样Contourlet变形红外弱小目标检测方法

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题,提出了一种非下采样Contourlet变换（NSCT）的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理,然后利用NSCT进行变换,并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制,最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验,验证了该方法的有效性。     

基于小波变换及多尺度分析的星点检测方法

为提高从包含复杂天空背景的红外图像中检测出星点目标的能力,提出了一种基于小波变换及多尺度分析的星点检测算法。在对图像进行小波变换的基础上,利用多尺度分析方法,确定图像自适应阈值,实现图像小波域的去噪,达到星点目标检测的目的。实验表明,该方法能有效地检测出红外图像中的星点目标,检测能力较普通背景预测方法提高近40%。     

红外点目标检测的小波变换方法研究

在对红外图像目标特性及背景特性分析的基础上,提出了基于小波变换高频子图像处理算法及基于小波变换的区域相关算法,着重解决当目标距离成像系统较远时的点目标检测问题.实验结果表明:将区域相关算法和图像局部区域阈值的自适应滤波检测技术相结合,可显著提高红外点目标检测概率,实现较远距离的点目标检测.     

基于相位一致性和Hough变换的多源图像配准方法

由于红外图像与可见光图像对比度不同,常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上,提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度,再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘,结合Hough变换选取图像空间中最长的线作为特征,采用改进相位相关法作为相似性度量,在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明,该方法能够以较高查准率实现红外与可见光图像自动配准,并具有较强的鲁棒性。     

基于改进的概率Hough变换的转鼓装校技术研究

为解决裂隙灯转鼓装校时人眼对转鼓图像中的十字叉丝的中心距离计算存在的不确定性问题，提出一种基于改进的概率Hough变换的转鼓数字化装校技术。通过对原图像预处理、改进概率Hough直线检测、制定直线交点筛选规则，实现了高精度的转鼓图像十字叉丝直线检测和叉丝中心距离计算。实验表明，改进的概率Hough变换能够准确地检测图像中的十字叉丝，并将多余直线100%拟合成4条直线；利用交点筛选规则可以准确筛选出2个有效交点。该装校技术能够实现转鼓数字化装校，以数字信息来提示工人转鼓装校优劣，且能够满足转鼓生产线上的实际需求。     

摄像机镜头畸变的一种非量测校正方法

为了减少噪声对摄像机镜头畸变的校正结果带来的影响,提出了一种校正摄像机镜头畸变的非量测方法.先找出由直线畸变而成的曲线,再用直线段连接每条曲线的两个端点形成一些闭合曲线.把它们的面积平方和定义为畸变测度,并用遗传算法搜索畸变测度的最小值.以此得到畸变参量.计算表明,该畸变测度具有较好的抗噪声能力,而遗传算法能避免收敛于局部极小值,减少了矫正图像的均方根误差.实验表明,对多幅图像分别和联合校正,相应矫正图像之间的均方根误差较小,计算和实验郜表明该校正方法具有良好的稳健性.     

基于机器视觉的工件尺寸和角度的测量

针对一款手机U盘芯片的二维尺寸的测量问题,提出运用图像处理的方法,实现手机U盘芯片长度和偏角的非接触式测量。通过COMS工业相机采集到U盘芯片的背光图像,在边缘检测的基础上,用Hough变换检测和定位U盘芯片边缘直线。针对在一条边上Hough变换对应检测到多条直线的情况,本文提出采用直线参数平均法拟合边缘直线,从而获得较精准的边缘位置。通过对已知尺寸的标准块进行相机标定,由此计算出精确的U盘芯片的尺寸和倾斜角度。实验表明：该算法能够满足工程上较高精度的检测要求。     

高度自动化获取书籍扫描图像畸变参数的理论

提出一种利用打印直线获取书籍扫描图像畸变校正所用参数的新方法,可提高畸变参数获取的自动化程度。对于打印在纸张上的直线,当打印纸夹在书籍中扫描图像时,打印纸随着书籍页面弯曲成曲面,它也随之弯曲成空间曲线,其扫描图像则为平面曲线,包含了页面弯曲状态的信息。理论上分析了该平面曲线与畸变参数之间的关系。利用这种关系及最小二乘法原理,对该平面曲线上的点进行曲线拟合,可自动计算出对应页面的畸变参数,不再像以前那样必须进行人工调整。     

基于Hough变换的高精度机器视觉对准系统的研究

随着集成电路特征尺寸的不断减小,I/O引脚数日益增加。对于高密度封装,尤其是2.5D/3D封装中,电子元件和基底快速而准确的对准十分关键。利用高性能CCD搭建了一套精密的光学视觉对准系统,并采用Hough变换算法对芯片和基底进行对准试验。采集的图像经过去噪预处理后采用形态学边缘检测方法提取对齐标记,并通过Hough变换得到4组平行直线,然后计算基底的位移和旋转角度并完成对准。使用Matlab编程配准,程序运行时间约为4.2 s,旋转参数的误差小于1.2°,x和y轴的平移误差均小于1 pixel。试验结果表明基于Hough变换算法的光学视觉对准系统可以快速而精确地实现芯片和基底对准,满足IC封装需求。     

姿态倾斜对时-空联合调制型干涉成像光谱仪成像质量的影响

时空联合调制型干涉成像光谱仪获取的像面干涉图是带有干涉条纹的二维空间图像,具有对姿态变化敏感的特点.根据该类仪器的成像过程,在竖直摄影时,相邻两帧像面干涉图之间的像移量为一列像元;偏离竖直摄影时,由于像面干涉图的几何变形或旋转,会引入非正常像移.利用共线方程导出了这一非正常像移量的表达式.利用仿真计算说明:这一非正常像移会在像面干涉图序列中不断积累,导致提取出的物体干涉信息失真.在竖直摄影而平台指向精度较低、倾斜摄影、探测器阵列的安装方向精度较低或者航空成像且存在偏流角时,必须对像面干涉图进行有效校正,才能保证最终反演出的物体光谱的真实性.     

Circle detection using scan lines and histograms

Circle detection is significant in image processing and pattern recognition. We present a new algorithm for detecting circles, which is based on the global geometric symmetry of circles. First, the horizontal and vertical midpoint histograms of the edge image are obtained by using scan lines. Then, we apply the peak-finding algorithm to the midpoint histograms to look for the center of the circle. The normalized radius histogram is finally used to verify the existence of the circle and extract its radius. Synthetic images with different levels of pepper noise and real images containing several circles have been taken to test the performance. Experimental results demonstrate that the proposed algorithm has the advantage of computational efficiency as compared with the randomized Hough transform and some other algorithms.