局部模糊检测优化算法

目前基于特征的局部模糊检测算法为了优化特征响应需要在多尺度下重复计算局部模糊特征,且邻接关系复杂,导致计算量大,时间效率低.针对上述时间问题,本文提出一种利用单层垂直上下文的局部模糊检测优化算法.首先提取图像块重尾分布、峰度、功率谱、线性滤波等模糊特征,然后使用贝叶斯法学习模型,计算后验概率作为初步估计模糊响应,最后本文提出将邻近像素点的模糊响应信息作为上下文更新像素点自身响应信息,增加上下文支撑域的尺寸以更充分的考虑周围信息,使用一个相互垂直的一维上下文以减小计算量,从而构造新的能量函数进行全局优化,通过最小化能量函数得到最终的模糊响应.实验表明,本文算法能有效检测图像的局部模糊,并提高检测的时间效率.

一种适用于多个可转位刀片的周边刃边缘检测方法

针对可转位刀片周边刃边缘检测的问题,提出了一种适用于多个可转位刀片的基于局部模糊检测和双树复小波变换的边缘检测算法。该算法主要分为两步,第一步是先按事先规定的要求拍摄可转位刀片的图片,然后对拍好的图片进行局部模糊检测处理,其中的检测算法是以图片中像素的相关性系数和基于Laplacian算子的新型判别算子为评价指标判断其是否位于模糊区域(若位于模糊区域,则用白色显示它,反之,则用黑色显示)。模糊检测算法在剔除误检像素后最后会生成一副二值图,可转位刀片的周边刃边缘即为二值图中黑色区域和白色区域的交界线。第二步就是用双树复小波变换对二值图进行边缘检测,检测后的结果就是我们需要的结果。实验结果证明,该算法能准确快速地检测出多个可转位刀片的周边刃边缘。