由形态学边缘模式匹配实现数字稳像

针对在一些实际应用场合摄像机设备的震动造成的视频序列失稳,提出了一种基于形态学边缘模式匹配的数字稳像方法。该方法首先利用形态学方法提取视频图像边缘,然后利用当前帧子块与参考帧子块的边缘进行特征匹配,以确定当前帧子块相对于参考帧的局部运动矢量。对得到的局部运动矢量进行分析判决,以确定该局部运动矢量是否为真正的抖动偏移量,消除视频帧本身因存在局部运动目标、低对比度、纹理区域等因素对全局运动矢量估计的影响;最后,通过判别确认的局部运动矢量确定全局运动矢量并进行运动补偿,实现数字稳像。仿真实验表明,由于该方法的块局部运动矢量采用1bit边缘进行最大相关值估计,因而复杂度低,而采用异常情况判决准则消除了其对真正运动矢量估计的影响,稳像精度高,可应用于因摄像头平移震动等因素造成的视频序列失稳。

形态学边缘检测和区域生长相结合的遥感图像水体分割

遥感图像水体区域中因水体自身流动和波动等因素造成图像噪声,利用传统方法直接分割水体容易导致分割精度较低。为此,利用遥感图像中水体区域具有连通性强以及像素灰度值相近等特点,提出了一种利用多结构元素形态学重构边缘检测结合区域生长实现遥感图像水体分割的方法。首先将遥感图像转化为灰度图像,运用多结构元素形态学重构边缘检测,在去除噪声的同时增强水体边缘,保持水体区域边缘的较准确定位;然后利用灰度直方图自动选取种子点,确定水体区域灰度范围,利用该灰度范围内像素的均值和方差、种子点及已生长区域灰度特性作为生长准则,实现对水体区域的分割。实验结果表明,该方法能够对因水体扰动等因素导致的噪声图像进行有效分割,且水体区域分割精度较高。

基于形态学边缘检测的枸杞外部缺陷识别方法

在基于机器视觉技术的枸杞外部缺陷识别过程中,样品数量过多且摆放密集,导致边界阴影与外部缺陷相互混淆,从而影响了识别的准确性。针对此问题,提出一种基于形态学边缘检测的枸杞外部缺陷识别方法。首先,通过二值化进行背景分割,提取存在边界阴影的果实图像。然后,以改进的自适应形态学梯度算子提取精确果实边界,进而对其填充并与样本图像做差运算,去除边界阴影。最后,对图像去噪并增强对比度,通过二值化筛选缺陷部位完成识别。实验结果表明,提出的方法正确率达到90%以上。该方法满足枸杞外部缺陷识别的实际需求,为进一步进行枸杞质量评价提供了有利条件。

改进的自适应形态学边缘检测方法

针对传统边缘检测算法对含噪图像检测效果的局限性,给出了一种改进的自适应形态学边缘检测算法.该算法首先利用2种不同结构和尺寸的矩阵元素对图像进行滤波,然后用不同方向的结构元素对图像进行形态学边缘检测并根据图像边缘信息设置各方向的权值,最后根据不同的权值对各个方向检测到的边缘结果进行加权求和.实验表明,改进的形态学边缘检测算子能够更好地减弱噪声,在准确定位图像边缘的前提下,保留了更多的边缘细节信息.

一种改进的形态学边缘检测算法

为提取出更丰富流畅、定位更准确的边缘信息,基于多尺度多方向结构元素,引入信息熵加权系数,改进了形态学边缘检测算法.首先,为去除图像噪声,选定2种不同尺度的结构元素进行形态学开闭运算;然后,利用4种不同方向的结构元素进行形态学边缘检测,可以获得4幅不同方向结构元素下的边缘图像;再根据每幅边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行加权求和即可得到较为理想的边缘图像.仿真实验证明:改进的形态学边缘检测算法具有很强的抗噪性能,而且检测到的边缘信息更完整流畅,具有一定的适用性和优越性.

数学形态学在图像边缘检测中的应用研究

介绍了数学形态学的基本运算及其特点.重点研究了基于数学形态学边缘检测的基本思想和方法,并给出相应的边缘检测结果.

基于形态学的输送带纵向撕裂边缘检测算法

针对传统边缘检测算法需要设定阈值和矿井下输送带撕裂检测光照不均匀的问题,提出了一种新的输送带撕裂检测算法。实验结果证明了该算法对光照不均匀的输送带撕裂图像边缘提取有较好的效果。

基于小波和形态学的图像边缘检测

在用小波分解加强图像边缘的基础上,利用修正的形态学边缘检测算子,以减轻图像边缘检测的模糊性;通过形态结构元素尺度的调整,得到多尺度下图像边缘的特征,并综合各尺度下的边缘特征,得到较为理想的图像边缘,实验验证了该算法的可行性和有效性。

基于组合形态学的齿轮参数视觉测量方法

为提高齿轮测量精度,提出一种基于组合形态学边缘检测算法的齿轮参数测量方法。对工业相机采集的齿轮图像做畸变矫正后进行滤波和二值化等预处理;针对传统边缘检测算法存在的不足,采用检测精度高、抗噪声性强的组合形态学边缘检测算子提取齿轮单像素边缘;采用连通域操作填充齿轮轴孔,利用质心法定位齿轮圆心;计算齿轮边缘点到圆心的距离;利用量块进行像素当量标定,转换后得到齿轮几何参数测量值。实验表明,对比几种边缘检测算法的测量精度和速度,所提出的齿轮参数视觉测量方法具有更高的测量精度和良好的抗噪性。

形态学与RCF相结合的唐卡图像边缘检测算法

唐卡图像的内容丰富,纹理信息复杂。边缘检测在唐卡图像分析研究中具有非常重要的意义,因为唐卡图像轮廓含有大量的图像数据信息。数学形态学方法提取的边缘光滑连续,但是对复杂的边缘检测时会存在模糊不清晰的现象[1]。卷积神经网络(CNN)可以提取很多高层的、多尺度的信息[2]。为此提出的边缘检测方法,用优化的数学形态学算法提取原图像边缘;利用训练的RCF网络模型[3]提取原图像的边缘。根据小波变换的分解与重构原理将以上方法得出的图像边缘融合,从而得到更加完整光滑的图像边缘。实验表明,融合后的图像边缘更加清晰连续,轮廓信息更符合人类的视觉认知,去掉了无效的细节纹理,更有利于唐卡图像后续研究。

胎儿大脑不同区域新皮质组织发生的形态学研究Ⅰ.皮质板和边缘带

对11至38周20例胎儿的额前区、运动区、枕区、颞区、岛区五处的大脑新皮质的组织发生，作光镜研究。其中对11至22周胎儿端脑的皮质板和边缘带及24至38周胎儿大脑皮质的六层结构进行了形态学观察和比较，以探讨胎儿大脑新皮质发育的规律。结果表明：（1）11周胎儿五个脑区的脑室壁中，皮质板均已发育；（2）皮质板在发育过程中，有两个生长高峰期，在各脑区中，高峰期出现的时间有差异；（3）岛区的皮质板发育最早，枕区和颞区最晚；（4）边缘带的发育与皮质板的发育同步。

基于图像边缘形态学分析的轴承质检方法

提出一种在工业零件质量检测环境中判断轴承质量的图像识别方法,使用滤波、图像增强和分割等工序对图像进行预处理。给出相对方向编码的概念,对二值图像的边缘进行平滑处理。提出一种新的边缘形态学分析的方法对二值化图像边界形态进行量化分析,并运用神经元网络分类器对图像进行分类。实验结果表明,该方法能达到较好的识别效果。

基于形态灰度边缘检测算法的一种改进

使用形态学的思想进行图像的边缘检测,提出了在一次形态处理中使用双结构元的一系列一般性形态边缘检测算子和抗噪型形态边缘检测算子的算法,并给出算子的性质。新算子在使用同一对结构元处理中既具有定位能力又具有细节保留功能,抗噪型算子能很好地检测出图像的单像素宽的边缘。

基于数学形态学的线粒体电镜图像边缘检测算法

分析线粒体电镜图像的特点,对其进行预处理,用线性结构元素进行运算,初步获取图像边缘,接着得到二值图像,再用方形结构元素进行运算,减少图像中的无用信息,通过开运算和闭运算滤波去噪并填充边缘缺口,最后对图像进行骨骼化处理,得到清晰约简的线粒体边缘。实验结果表明,该算法能较好的实现线粒体电镜图像的边缘检测,为后续的目标识别提供了良好的基础。

骨科X线图像的边缘检测

目的 利用计算机图像处理技术进行骨科X线图像的边缘检测。方法 对X线图像进行数字化和滤波后 ,使用常规的边缘检测算子对图像进行处理 ,结合不同算子的原理进行结果分析 ,然后在对比实验中使用基于数学形态学的边缘检测方法。结果 各种边缘检测算子获得不同的结果 ,经对比讨论后 ,可见使用数学形态学方法的结果较好。结论 基于数学形态学的方法适用于骨科X线图像的处理。

基于机器视觉的果肉多类型异物识别方法

该文基于机器视觉技术对果冻、罐头灌装前的多品种、多规格、湿态反光果肉进行多类型异物自动检测。根据果肉与异物的颜色和亮度差异大小,提出了对高饱和度彩色果肉采用基于HSI三分量独立性的彩色图像分割算法,对低饱和度彩色果肉采用以形态学边缘检测算法为核心的异物识别图像处理路线。然后采用图像分区,各区域独立计数判断有无异物的策略。对上述路线和策略,分别给出具体流程和算法,最后编程实现,并通过试验验证。试验结果表明,该方法能够有效地检测出多品种湿态块状果肉上的多类型异物,误检率小于5%,能满足实时生产检测准确性要求。

基于差分链码曲率的转炉火焰边界弯曲度计算

转炉火焰图像边缘弯曲程度能表征炉内铁水碳含量的多少,准确计算曲线弯曲度,对火焰图像判断转炉吹炼终点有重要的意义。提出一种基于差分链码曲率的边界弯曲度计算方法,定义了基于差分链码的火焰边界曲率计算公式;为了保证曲率公式的有效性,对火焰原始图像作分割、标记、二值化、形态学边界提取等预处理;利用多边形近似方法重建了火焰边界的二值图像,有效克服了边界小尺度拐角对曲率公式的影响。实验结果表明,该方法与边界圆形度及火焰骨架曲率计算的方法相比,所提取出的特征值能明显区分吹炼的不同阶段,且计算速度快,具有较高的实用价值。

三维人脸建模中面部特征轮廓线的提取

提出一种基于彩色Snake模型和人脸先验知识的面部特征轮廓线提取算法,并将其用于真实感的三维人脸建模。根据肤色和灰度信息,在图像分割的基础上,利用种子填充技术获得面部各非肤色特征的轮廓初值;然后采用一种改进的彩色Snake模型对轮廓初值进行精确定位;接着,根据人脸的先验知识,利用含有方向信息的形态学边缘检测算子通过一次逐点考察完成下颚轮廓线的提取。实验结果表明该算法在轮廓线的搜索效率和定位精度上都有良好表现,在真实感的三维人脸建模以及面部识别等领域具有广泛的应用。

实时车辆排队长度图像检测系统及FPGA硬件实现

针对现有交通路口车辆排队长度检测系统处理速度低、无法适用于实际复杂路口环境的缺陷,设计了一种基于FPGA的实时车辆排队长度图像检测系统.通过形态学边缘处理检测车辆的存在,对检测出的车队轮廓进行水平投影并采用一种基于信息量的车辆度量方法从投影结果中提取了排队的队尾,同时在确定排队长度时通过对算法参数的自适应调整有效消除图像逆透视效果的干扰;整个图像处理过程完全利用FPGA硬件逻辑实现,采用五级并行流水设计保证图像采集、高斯滤波、Sobel边缘检测、阈值分割和形态学腐蚀处理同步执行且同时完成,实现了对分辨率为720×576的图像25帧/s的处理速度.实验结果表明,系统性能良好,工作稳定,算法简单实用,具有较好的应用前景.

多波束声呐水体影像沉船自动提取方法

为解决人工浏览水体数据耗时且无法保证结果可重复性的问题,提高数据的利用率和定量分析能力,通过分析水体数据的成像机理,提出一种基于单帧水体影像自动提取沉船目标的算法,利用噪声抑制、数学形态学方法检测目标边缘,根据海底统计特性识别海底,再结合深度特性实现海底与沉船目标分离。使用实测数据验证了沉船自动提取算法,且抗噪性较强。通过水体影像提取的目标信息能够弥补水深点目标模型分辨率不足的缺点,为后续目标三维精细建模奠定基础。