基于Sobel算子和Radon变换的车牌倾斜校正方法

倾斜的车牌不利于车牌字符的分割。基于Sobel算子和Radon变换,提出了一种新的车牌倾斜校正方法。利用Sobel算子对二值化后的车牌进行水平和垂直两个方向的边缘检测,在边缘检测结果的基础上用Radon变换测出车牌在水平和垂直两个方向上的倾斜角,结合倾斜角用剪切变换对二值化后的车牌进行校正。实验结果表明,该方法简单易行,对污迹、光照不敏感。

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。

基于Sobel算子和局部能量的图像融合新算法

文中提出一种新的基于小波变换的图像融合算法,以提高图像融合质量。首先应用小波变换将图像分为高频和低频部分,再对小波的高频和低频系数采用融合算法进行处理,最终将处理后的高频和低频小波系数进行融合。文中对低频系数采用基于Sobel算子的方法,有效保留边缘特征。对高频系数采用基于局部能量取大准则,有效保留高频的细节和区域特征。为了抑制噪声和控制图像的不稳定性,最后再对低频和高频系数的选择结果进行邻域窗口的一致性检验与调整。与传统金字塔方法和经典小波变换相比较,实验结果表明此方法融合效果较好。

基于Sobel边缘检测与K-L变换的高效SIFT算法

针对SIFT经典算法提出了一种基于Sobel边缘检测与K-L变换的高效SIFT算法。首先,采用Sobel算子边缘检测,通过设置阈值T,忽略部分冗余特征点,减少冗余的特征向量生成;其次,通过K-L变换,把128维的空间特征描述符降低到60维,降低了时间的复杂度。通过实验表明,阈值设置得越高,获取的关键点越少,匹配的效率越高,可见该算法从整体上实现了匹配的高效性和实时性。

基于Sobel和hough变换的车道线识别算法研究

车道线的识别是车道保持系统的核心部分。文中提出了基于Sobel和hough变换的车道线识别算法,主要包括感兴趣区域设定、二维小波包分解降噪、Sobel算子的边缘检测和hough变换的车道线特征点识别。运用该算法对某一汽车常用工况下的车道线图像进行识别,试验结果表明该算法能较好地识别车道线。

基于Sobel算子实现WVD交叉项的衰减

针对在分析多分量信号时,WVD的交叉项使得时频分布图变得难于解释,提出了一种基于Sobel算子的WVD交叉项衰减方法。该方法首先利用模糊函数将信号聚集在原点附近,再利用Sobel算子作为滤波算子,对AF进行滤波,最后通过二维傅里叶变换,得到交叉项衰减后的WVD。实验结果证明该方法可以很好的抑制WVD交叉项。

Sobel算子在光学相关目标识别中的应用

该文将图像边缘检测技术应用到联合变换相关器(JTC)中,采用Sobel算子作为边缘检测算子,并应用VC++软件模拟仿真相关探测中物面图像的功率谱和相关峰。利用该方法获得了更加尖锐的相关峰,提高了目标的识别率,在探测低对比度目标时具有较好的效果。

一种基于Sobel算子的小波与IHS遥感影像融合算法

针对IHS图像融合算法中颜色畸变比较明显的问题,提出一种新的基于小波与IHS相结合的遥感影像算法。经IHS变换的多光谱影像Mul的I分量与全色影像Pan由二维离散小波分解,对小波高频和低频分量采用不同融合规则:低频分量采用绝对值加权平均的方法,把两者的低频系数按其权值比例合成到新的分量I1中;高频系数采用基于区域分块的Sobel算子的绝对值取大。实验结果与IHS法、传统小波与IHS结合法相比较,该算法能获取更多的光谱信息,人眼视觉效果也较好。

结合Sobel和PPHT的织物纬斜检测方法研究

针对光电式织物纬斜检测方法存在准确度低、适应性差、耗时长的问题;提出了结合Sobel边缘方向和累加概率霍夫变换(PPHT)的机器视觉织物纬纱倾斜检测方法,能够快速准确地检测出织物纬斜方向角度;首先对工业相机采集到的织物图像进行频域滤波再逆变换,增强织物图像中的纬纱纹路;然后使用Sobel方向算子对织物图像卷积运算得到织物图像的边缘方向图,并对其阈值化分割出边缘方向图中的纬纱纹路区域;最后将纬纱纹路区域骨架化,采用累积概率霍夫变换检测出近似纬纱纹路区域骨架直线的倾斜角度,即织物纬纱倾斜角度;通过对不同类型的织物样品进行纬斜检测测试,测试结果为检测纬斜角度的偏差值低于0.1°,检测时间低于0.6s;结果证明提出的方法能够满足机器视觉整纬器精确性、实时性和通用性的要求。

曲波变换结合Sobel算子的SAR图像边缘检测方法

合成孔径雷达的成像机理造成SAR图像相干斑噪声严重以及琐碎的纹理较多等情况,导致常规的梯度边缘检测算子效果欠佳,产生虚假边缘。论文提出在使用Sobel算子检测边缘之前进行基于曲波变换的SAR图像噪声抑制方法,降低了斑点噪声对边缘提取的影响,提取的边缘准确细致。将论文方法与经过小波硬阈值去噪的Sobel算子以及基于中值滤波后的Sobel算子做比较,实验证明论文方法在提取边缘的效果上优于其他两种方法。

改进的Sobel算法和形态学小波变换相融合的图像边缘检测方法

图像的边缘检测是图像处理领域的基本问题。针对小波变换模极大值法检出边缘不连续的问题,引入形态学的处理方式,增强边缘连续性。针对传统Sobel算法检测精度低且采用固定阈值的问题,提出一种结合自适应阈值和增加检测梯度的改进方法。结合形态学小波变换和改进的Sobel算法的优点,通过算法融合的方式,提出了一种将两者融合的图像边缘检测方法。仿真结果表明,该方法提高了边缘检测的精度和连续性,更好地满足了图像边缘定位稳定可靠的要求。

基于Sobel滤波器的图像风格转换算法

基于迭代的图像风格转换在图像重组时未考虑内容图像的结构,导致生成的图像存在线条扭曲。为约束图像重组时的信息,提出一种基于边缘检测的图像风格转换算法。通过Sobel滤波器在内容图像和生成图像相同的卷积层上提取边缘信息,同时以均方误差作为损失函数。在此基础上,将边缘损失、内容损失和风格损失的加权代数和作为神经网络的总损失。实验结果表明,该算法能够有效抑制图像的线条扭曲,减少图像噪声,生成更高质量的图像。

基于模糊化SOBEL自适应算子的直线车道处理

针对汽车安全辅助驾驶系统领域的车道线检验问题,提出了一种改进的基于模糊化SOBEL自适应算子直线车道线检验.首先在车道线边缘检验时,采用了模糊化SOBEL自适应算子进行边缘检验;为了更好地选取阈值,采用了一种基于体育项目评分标准的阈值选取方法,保证所保留的车道线信息的正确性,并给出了一种增修补车道线信息的数学模型;利用梯度函数的分布特性过滤掉噪声,最大限度地保留车道线分布信息,利用Hough变换拟合出最终的车道线.经MATLAB仿真,并在嵌入式系统上实现.实验表明,该方法简单,能保证系统的实时性.

Use of the Wavelet Transform for Digital Terrain Model Edge Detection (Special Issue—Wavelet Analysis)

The purpose of this work is to analyze the feasibility of using the wavelet transform in the edge detection of digital terrain models (DTM) obtained by Laser Scanner. The Haar wavelet transform and the edge detection method called Wavelet Transform Modulus Maxima (WTMM), both implemented in Matlab language, were used. In order to validate and verify the efficiency of WTMM, the edge detection of the same DTM was performed by the Roberts, Sobel-Feldman and Canny methods, chosen due to the wide use in the scientific community in the area of Image Processing and Remote Sensing. The comparison of the results showed superior performance of WTMM in terms of processing time.

基于改进Wigner-Hough变换的多分量LFM信号特征提取

为了解决Wigner-Hough变换对多分量线性调频(LFM)信号特征提取受噪声困扰的问题,提出采用数字图像处理中改进的Sobel算子对含噪声信号的WVD时频图进行边缘特征检测,利用Hough变换对信号特征进行提取.通过对WHT,SPWD-Hough变换以及改进WHT 3种方法进行计算机仿真比较结果表明,改进的WHT对多分量LFM信号的特征提取效果最好.

基于直线模型的车道线实时检测方法

为提高车道线检测的精度和实时性,提出了一种基于直线模型的实时车道线检测方法。采用改进的Sobel算子进行边缘检测,利用自适应双阈值的方法进行图像的二值化。对基于Hough变换的车道线检测方法进行了改进,令识别视觉效果大大提升。并利用Kalman滤波器来动态确定感兴趣小窗口的大小和位置,实现后续帧道路图像的跟踪。实验结果表明,该方法准确性高,具有较好的实时性和鲁棒性。

一种快速的圆检测方法

图像处理中圆的检测及其参数确定是计算机视觉和模式识别中的一项重要任务。通常采用基于Hough变换的方法,但这种方法计算量大、运算速度慢,对存储空间需求大。为了克服这些缺点,提出一种快速的圆检测方法,该方法在普通图像圆检测时具有快速、稳定、准确的特点,能满足实时性要求。

线状目标实时检测算法的研究

提出了一种基于FPGA和DSP的算法并设计了相应的硬件系统,能对大小为256×256像素、帧频为25帧/s的视频图像进行实时处理。即先对输入图像采用改进的Sobel算子提取边缘,再用改进的Hough变换算法进行直线检测。解决了传统的Sobel算子提取的边缘较粗及Hough变换算法计算量大、难以实时实现的难题。

月球撞击坑边缘清晰度评价方法的研究

撞击坑是月球表面最重要的地质构造之一,通过对"嫦娥一号"CCD影像中撞击坑的边缘清晰度进行评价,可以进一步反演出月球表面的风化程度、地表起伏等地质信息。提出一种基于图像清晰度评价的边缘清晰度评价方法,从空域的梯度、频域的高频分量以及信息论三个方面,运用基于Sobel算子、小波变换和信息熵的算法对撞击坑的边缘清晰度予以评价。设计出一种适应于月球撞击坑特征的BP神经网络,组合三种评价算法的结果作为其输入,进而得到最终的清晰度等级。将最终结果加载到具有自主知识产权的数字月球平台上予以全月性的展示和进一步分析。

无人驾驶车道检测技术的研究

针对无人驾驶车道保持的问题,提出了一种在MATLAB平台下,基于Hough变换的无人驾驶车道线检测算法。首先,为了提高车道线检测的准确性,对采集到的道路图像进行预处理;然后,通过边缘检测提取车道线特征信息;最后,在分析现行车道线检测算法的基础上,提出了基于Hough变换的车道线检测算法的总体思路;而后讨论了该算法在实时道路检测中的可行性及检测精度,其检测精度达到82.5%,并具备较高的稳定性;实验结果表明所提出的车道线检测方法是有效的。