基于改进A^(*)算法的不完整轮廓修复方法

在利用机器视觉对一些冲压、注塑等产品进行产品定位或者检测时,由于产品个体的差异,如模具磨损导致圆角局部过渡平缓等,往往会出现局部轮廓缺失而产生不完整轮廓,导致检测到的产品位置与实际位置存在较大偏差。为了解决局部轮廓缺失引起的位置失准问题,对轮廓修复进行了研究,提出一种极坐标下基于改进的A^(*)算法不完整轮廓修复方法。首先,将轮廓目标转换到极坐标下搜索出断开区域;其次,将完整的轮廓作为先验轮廓,结合先验轮廓与图像灰度特征,改进A^(*)算法的代价函数;最终,对断开区域进行最优轮廓点的搜索,实现了不完整轮廓的修复。实验结果表明,该算法对不完整轮廓修复差异率均不超过8.33%,鲁棒性强。

局部背景边缘干扰下运动视频完整轮廓检测方法

针对传统相邻帧差算法在对轮廓检测过程中无法有效解决局部背景边缘干扰的问题,提出基于高速并行细化算法的运动视频完整轮廓检测方法.基于Sobel算子对运动视频轮廓进行粗检测,通过形态学后处理对粗检测获取的运动视频目标轮廓进行腐蚀运算,过滤其中的噪声,使图像边缘向内紧缩;采用两次膨胀处理恢复并增强运动视频目标图像的连通区域,引入高速并行细化算法对图像进行细化处理,采集图像骨架,并获取线条平滑的完整运动视频目标轮廓图像.结果表明,所提方法检测出的运动视频目标轮廓更为完整、清晰,并且检测效率高.

单只猪轮廓图的侧视图识别

由于完整轮廓猪只的侧视图具有便于行为分析的价值,因此,研究从猪舍监控视频中自动分割出单只猪理想侧视图的视频段对猪的行为分析是有意义的。为了识别每帧图像猪轮廓图的侧视图属性,该文通过图像处理获取猪只轮廓图后,提出联立猪只外接矩形高宽比和低频傅里叶系数构建猪只侧视图的特征向量,并根据样本训练集得到理想侧视图和非理想侧视图特征向量均值和方差,利用马氏距离判别法从测试视频中识别未知帧图像的类别,结果表明有91.7%猪只轮廓图的侧视图属性能正确识别,表明本方法是有效的。本研究可为后继单只疑似病猪行为分析提供条件。