基于CCD的无接触式的物体测量

基于CCD的物体测量平台，首先对物体图像进行预处理，继而利用Canny算子提取物体边缘，再通过本文改进的Hough变换实现对被测物体边界直线检测和重构，最后通过多项式插值算法实现物体像素尺寸到物体实际尺寸的转换．实验证明，此方法能够实现无接触式物体尺寸较高精度的测量．     

一种多像素图像边缘提取方法

提出了一种基于相邻像素间的灰度差异来提取图像多像素边缘的方法.对一幅256×256大小的图像进行边缘提取需要的时间约0.22 s,分别比Prewitt算子和Robert算子少了26%和34%.算法改进后,较完整地提取了图像的竖直边缘和水平边缘,这些边缘在Prewitt算子和Robert算子的提取结果中是不可见的.经细化算法后,得到了图像清晰、位置精确的单像素边缘图像.研究表明,本文的多像素边缘提取等诸方法具有模型简单、实时性强等特点,且便于实现.     

基于色彩空间非线性变换的彩色图像边缘检测

为了在边缘检测中有效的利用图像的色彩信息,提出了基于色彩空间非线性变换的彩色图像边缘检测算法。该算法利用了ιαβ空间信道相关性低的优点,采用基于Sobel算子的色度差算子进行边缘检测。实验结果表明:该算法不但可以检测出亮度变化剧烈区域内的物体边缘,而且还可以检测出在光线很暗的区域内不同颜色物体的边缘。因而可以极大的提高图像边缘的检测效果。     

实时提取直线参数的两步算法

跑道直线参数的实时提取是反机场子弹末敏器进行末端修正的前提条件。提出了实时提取直线参数的两步法:通过采用Sobel算子细化边缘的方法来提取图像中的边缘点,计算边缘点的梯度方向直方图,确定最大的响应方向,即跑道的法线方向,同时将梯度方向不在最大响应方向的边缘点剔除;在确定了跑道方向之后,通过采用一维参数的Hough变换法来把跑道的直线参数提取出来。试验结果表明,在保证精度的情况下两步直线提取法计算量小,在DSP芯片上运行,其处理帧频可达到50帧/s,满足了实际的作战要求。     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验。然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验。实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

高能闪光照相中Sobel算子的边缘检测方法

 针对高能闪光照相中投影图像的特点,对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析,发现该算法存在检测出的边缘粗和人为进行阈值的选取会造成边缘点的误判的缺点;为此提出了一种阈值确定方法和基于最大梯度的定位准则算法。改进的算法实测结果表明：该方法有效地解决了Sobel算子检测出的边缘过粗的问题,得到的边缘较细,定位精确,提高了边缘检测精度,可用于高能辐射照相中的边缘提取。     

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Hough变换的井盖目标检测与定位

市政井盖的实时告失对城市管理具有重大意义。针对图像的复杂背景,提出了改进的Hough变换算法。在经边缘提取的二值图上,利用轮廓跟踪找到所有的轮廓,接下来设计轮廓过滤器排除虚假目标,进而在轮廓链表上进行Hough变换从而确定目标可能出现的区域,最终获得准确的井盖区域定位。该方案有效地提高了传统Hough变换的处理速度,减少了无效采样和累积。实验结果表明,该算法在多种复杂背景、不同视角、不同拍摄时间和条件、目标被部分遮挡等情况下都有很好的定位效果。     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系。为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果。实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

轻武器电子校瞄系统的算法设计及系统验证

轻武器验收的重要指标之一是其击打目标的准确度[1],瞄准系统的精度直接影响武器性能的发挥,而传统的校准设备只能完成武器的粗校准,为此设计了一种新型的轻武器电子校瞄系统。其设计核心是枪口轮廓在图中精准识别算法的构建。在算法构建中,通过引入正六边形搜索窗口和梯度方向信息判据对随机Hough变换算法进行改进,弥补了已有的Hough变换方法计算复杂程度高,占用内存大的不足[2]。在MATLAB中充分验证改进算法的优良效果后,将该算法移植到基于嵌入式软件环境的电子校瞄系统中,系统通过测试表面电子校瞄系统对枪口的中心位置,枪膛中心点和十字光标相对位置,展现出优良的校准性能,初步实现了枪支瞄准系统的精细校准。在整个校准过程中,不直接与轻武器接触,可以避免传统校瞄系统重复安装对枪管造成的磨损,为传统的校准方式提供了一种新方法。     

"投票"概率变换在纹理背景中实现水下目标检测的研究

针对水下激光目标成像时图像对比度低、噪声高等问题。采用并改进了“投票”概率变换,导入边缘方向信息和边缘连续性信息,提出两种抗噪声的“投票”概率变换算法。通过实验检测水下模拟水雷目标,证明这一方法比传统算法有更好的效果。     

运动与离焦模糊图像的复原

在运动和离焦所引起的图像模糊的情况中,本文提出了一种新的基于霍夫变换区分离焦模糊和运动模糊两类模糊的方法.该方法通过比较霍夫变换矩阵中的亮点数来区分两类模糊,不仅正确率达到100%,而且抗干扰性能好;其次通过对运动模糊图像做两次方向微分,估计其模糊方向,提高了模糊方向的估计准确度;最后利用改进的Prewiit算子和费米函数计算模糊图像的刃边函数,进而得到图像的调制传递函数,再利用维纳滤波复原图像.实验结果表明:本文算法不仅具有有效性和强抗噪音能力,而且对图像的信噪比要求可以低到20 dB;与传统算法相比,提高了图像的复原质量.     

一种改进的Sobel图像边缘检测算法

边缘检测在数字图像处理和计算机视觉中有着重要的应用。对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析。针对该算法存在检测出的边缘粗且对噪声极其敏感的缺点,提出了一种改进算法。该算法对实际图像中出现的边缘类型进行了数学模型描述,然后把连续型的边缘模型作为研究对象,重新构造了对图像边缘方向进行检测的模板。针对Sobel边缘检测基于一阶导数极大值或二阶导数零交叉而带来的边缘定位准确度不高的缺点,对图像梯度图进行了细化处理。仿真结果表明:该算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

基于逆透视变换的车辆排队长度检测方法

交通路口的车辆排队长度检测是智能交通系统的重要组成部分,传统的检测方法易受背景噪声、摄像机透视效果等因素的干扰造成检测失败,而且其实现都是基于串行结构的处理器,不能用于实时处理的场合。本文设计了一种充分利用平直道路几何特征并适合FPGA实现的排队长度自动检测算法,该算法利用逆透视变换消除图像几何失真,引入公路的结构性约束有效检测了车道线;接着采用Sobel边缘算子检测出各车道的车辆轮廓,通过一种基于信息量的度量方法提取排队的队尾,从而确定了车辆排队长度,并且通过硬件化设计使得整个检测过程达到实时的处理速度。