基于索贝尔边缘检测技术的涂胶路径获取的研究

涂胶工艺是制鞋、皮革制造、耳机组装和手机贴膜等生产中的瓶颈工艺,手动获取或根据零件图纸设计涂胶路径比较费时,并且精度不高。针对涂胶工艺路径获取效率过低的问题,以鞋底后帮轮廓为例,采用计算机图像处理技术完成图像获取、图像二值化和形态学处理,用索贝尔边缘检测技术快速获取图像边缘,对边缘的拟合与偏置后得到涂胶的路径,为涂胶工艺的瓶颈问题提供解决方案。

索贝尔公司梳棉针布及其特点

介绍了索贝尔公司针布齿条的主要品种、型号、规格、技术特点、针布维护周期。分析了其针布配套思想及使用效果。

基于索贝尔算子的高分辨率遥感影像分割技术研究

目前,基于面向对象的影像分析方法已经广泛应用,这种方法的基础是对影像进行分割得到同质对象,那么,分割结果的好坏就直接影响到后续分类的精度,所以,有必要对分割进行研究。本文提出了一种基于索贝尔算子的影像分割方法,并采用高分辨率的SPOT5影像进行实验,实验证明这种方法能有效提高影像分割的准确性。

基于改进索贝尔算子的灰度图像边缘检测

边缘检测在图像处理和模式识别等方面发挥着至关重要的作用,文中主要以边缘检测算法为研究对象,重点研究了基于索贝尔算子的检测算法,并在原算法的基础上提出了一种改进的检测算法,通过增加方向梯度、为斜向梯度增加权重等措施来解决传统算法出现的斜向边缘不敏感、边缘粗糙等问题。通过MATLAB平台仿真实验表明,改进后的方法具有局部特性更好、定位更准确的特点,大幅提高了边缘检测效果,增强了目标物体的检测识别效率。

基于并行编程计算模型的索贝尔滤波技术

随着遥感影像数据量的骤增,单机环境下完成索贝尔边缘滤波运算所需的计算时间也剧增。根据遥感数据的分幅特征,结合MapReduce并行分布式计算模型,本文提出了一种将该运算迁徙到Hadoop集群环境中的方法,以完成海量影像数据的索贝尔滤波运算。实验结果表明集群运算能够显著缩短计算时间,并且该计算时间会随着集群节点数目的增加而趋于减少。

一种基于改进Canny算法的图像边缘检测新方法

针对传统的图像边缘检测算法在对图像进行识别和检测时,存在边缘轮廓不清晰不全面、对噪声敏感等问题,基于分数阶微分理论提出一种新的Canny边缘检测方法。新算法将Grünwald-Letnikov分数阶微分引入到各向同性Sobel算子中,设计分数阶Sobel算子代替Canny算法中传统的梯度算子。将提出的新算法与Prewitt算法、经典Canny算法、Sobel算法和LoG算法进行视觉对比实验和定量评估,仿真从边缘检测视觉效果、边缘连接程度和算法执行效率三方面进行分析,结果表明改进Canny算法检测出的图像边缘信息清晰全面,对于噪声不敏感,边缘检测效果优于已有的几类经典算法。

基于PPYOLO的电池片缺陷检测

为进一步提升太阳能电池片表面缺陷检测效率,改进深度学习检测算法PPYOLO,添加索贝尔(Sobel)算子对输入图片进行处理得到缺陷边缘信息,此边缘信息会过滤大部分正常区域信息,同时能更快找到缺陷区域位置。再将边缘信息和原始图片拼接输入到网络模型中,这样既保留了原始图片的特征,又能防止Sobel算子处理后的信息存在缺失所导致的特征信息丢失。为验证该算法,在高清电池片数据集上进行仿真实验。实验结果表明,添加Sobel算子后的改进PPYOLO模型检测效率有所提升,表现为mAP提升1.4%,并且mAP相比于其他不同输入尺寸和模型大小的算法提升效果超过20%。

基于残差网络的结直肠内窥镜图像超分辨率重建方法

针对结直肠镜图像分辨率偏低、纹理信息偏少和细节模糊等缺点,提出了一种基于残差注意力网络的图像超分辨率重建算法SMRAN,选取结直肠息肉内窥镜图像数据集PolypsSet中的部分图像作为原始数据进行实验。首先,使用卷积网络提取低分辨率图像的浅层特征;其次,设计Res-Sobel结构对图像边缘特征进行增强;然后,通过引入不同大小的卷积核,设计多尺度特征融合模块(Multi-Scale feature Extraction Block,MEB),自适应地提取不同尺度的特征,从而得到有效的图像信息,并通过残差注意力网络将Res-Sobel模块和多尺度特征融合模块MEB进行连接;最后,通过亚像素卷积层对图像进行重建,得到最终的高分辨率图像。在尺度因子为×4时,网络在测试集上的测试结果如下:峰值信噪比PSNR为34.25 dB,结构相似性SSIM为0.8675。实验结果表明,与传统的双三次插值算法及常用的SRCNN、RCAN等深度学习算法相比,本文提出的SMRAN对结直肠内窥镜图像具有更好的超分辨率重建效果。

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。

一种改进的基于方向滤波的指纹图像增强算法

在指纹滤波增强方法的基础上,提出一种基于方向滤波器的指纹图像增强算法.对指纹图像进行标准化处理,使用扩展的各相同性索贝尔算子计算梯度,并计算出指纹的方向图;根据指纹图像的特点提出了一组方向滤波器,根据纹线的局部方向对指纹图像进行滤波,起到了消除噪声、增强有效纹线信息的作用,为提取特征点提供了良好的图像质量,实验结果证明各相同性索贝尔算子在纹线方向提取上有良好的应用效果.

用于X射线光刻对准的图像边缘增强技术

提出了用于提高X射线光刻对准系统自动对准效率和对准精度的图像边缘增强技术,并进行了数值分析。采用先单个再整体的分析方法,通过三种不同的图像边缘增强技术,即索贝尔(SOBEL)算子、拉普拉斯(LAPLAC)算子以及卷积等方法对CCD系统采集的对准标记图像进行处理,得到了每个方法相对应的处理结果,并对于处理结果进行了比较分析。分析比较得出:采用卷积和LAPLAC算子相结合的方法,即先卷积,再利用7个算子的LAPLAC方法进行处理,可以将对准系统的自动对准效率提高约50%,使得自动对准时间由原来的20min缩短到10min左右;系统对准精度的方差可由0.10μm提高至0.08μm。

一种基于边缘与分区的棒材端面图像的分割方法

提出了一种利用图像边缘检测与图像分区的综合图像分割的方法。首先运用索贝尔边缘检测技术对原图像副本提取边缘并二值化,然后,对图像分区,结合各分区内边缘点集的特点,分别由全局阈值、子块阈值及分区扩大后阈值对各个分区实施合理分割。实验证明:该分割技术实现简单,应用于具有光照不均匀、子目标粘连、变形等特点的棒材端面图像的分割,效果十分理想。与已有分割方法的对比实验表明,该方法具有目标分割完整,子目标分割也较为合理的特点。

一种新的图像分场描述编码错误掩盖算法

针对信道中数据丢失导致图像恢复质量严重受损问题,提出将方向插值引入到基于图像分场描述编码的错误掩盖算法。将每帧图像分为两场独立编码传输,丢失一场数据时,通过改进Sobel算子计算正确接收的另一场图像内部边缘,沿边缘方向插值恢复出丢失的场。实验结果表明,应用这种基于像素行交织的错误掩盖算法后,图像主观恢复质量和峰值信噪比均较现有方法有显著提高。算法计算复杂度低,与H.264编码标准兼容,适于实际工程应用。

边缘检测在模板定位中的应用

对基于模板检测中的定位问题进行了分析,提出了依赖图像边缘信息进行定位的方法,针对噪声干扰的问题,提出了中值滤波、霍夫变换和参照HSI平面三种解决方案并从边缘效果和花费时间两个方面进行了比较分析,得出了较好的定位方法。

基于改进GIPF和形态学滤波的快速人眼定位方法

针对传统积分投影方法易受眉毛、睫毛、阴影、遮挡及噪声等干扰的问题,提出了一种改进梯度积分投影(GIPF)和形态学滤波相结合的快速人眼定位算法.该算法首先采用二维梯度算子计算人脸图像的行列积分投影,完成人眼粗定位,减少眉毛和光照等的干扰;其次,利用形态学滤波平滑图像边界的特点,准确分离出瞳孔区域;最后采用不规则矩求质心的方法精确定位人眼.该方法在耶鲁大学的Yale B图像库、ORL及日本表情库(JAFFE)上表现优异.实验结果表明,本方法不易受眉毛及噪声干扰,对不同光照条件及头部姿态都有良好的鲁棒性,并且运算速度更快.

基于双窗口区域激励的边缘提取算法

针对常用的边缘提取算法如Sobel、Lo G及Canny在实际使用过程中存在的一些问题,提出了一种对噪声和光照更加鲁棒的边缘提取算法.通过提取双窗口区域的加权灰度比值到预先设置的对比函数中,结合Sigmoid函数生成边缘图像的激励值,从而削弱了噪声和光照对边缘检测的影响.为了进一步提高边缘图像的对比度,通过引入对比度增强算法如自适应直方图均衡化来提高图像对比度.实验结果表明:采用此方法能够更好地提取出图像中的边缘信息,有效缓解了Sobel算法存在的局部细节丢失以及Lo G和Canny算法易受光照干扰产生伪边缘等问题.

嵌入式监控影像车牌识别方法

为解决基于PC机的车牌识别系统成本高、重量大、操作复杂、安全性低等诸多问题,提出嵌入式监控影像车牌识别方法。将车牌识别与嵌入式相结合,通过中值滤波、索贝尔边缘检测、全局阈值化、基于纹理特征的近似定位、字符归一化、基于不同分类器的字符识别等技术形成了一套完整的车牌识别系统。该系统体积小、稳定性好、可行度高、准确度高、易于安装。在不同情况下进行900例不同车牌识别实验,实验结果表明,该系统的识别准确率高达97.3%左右,在降低成本、减轻重量、简化操作的同时达到很高的精度,可替代PC机的车牌识别系统。

一种改进快速Hough变换的车道线检测算法

目的研究智能交通系统中车道线快速检测算法。方法首先将车道线图像灰度化,采用中值滤波去除图像噪声;然后用索贝尔算子将灰度图像二值化处理;再次,根据车道线图像的特点并且结合霍夫变换的需求,设置感兴趣区域;最后,在感兴趣区域内用霍夫变换提取车道线,用最小二乘法进行直线拟合,舍弃干扰虚假线,并对多段车道线图像进行检测。结果与结论相对于经典霍夫变换算法,基于改进快速霍夫变换的车道线检测算法运算时间更短,而且使算法的鲁棒性得到了很大提高。

一种基于OpenCV的指静脉图像匹配方法

为提高指静脉图像匹配精度,提出了一种基于OpenCV计算机视觉库的指静脉图像识别匹配方法。首先,针对图像采集设备获取的指静脉图像存在无效信息导致识别难度增大的问题,对原始图像进行ROI提取;然后对ROI提取的图像进行灰度化、滤波、Sobel算子边缘化、特征向量提取、特征向量描述等处理;最后实现指静脉图像匹配结果的输出。实验结果表明,该方法实时性强,识别率高、匹配度好,较好地解决了存在无效信息情况下的指静脉图像匹配问题。

一种基于形状的意匠图检索算法

针对纺织工业的意匠图库难以检索的问题,提出一种基于形状的意匠图检索算法.该算法先将彩色意匠图转换为灰度图,通过改进的模糊索贝尔算法增强并检测出意匠图的边缘,对边缘图像进行二值化处理得到二值边缘图像,再用7个不变矩构造图像的形状特征向量,使用特征向量的归一化欧式距离作为相似度进行相似匹配,检索出形状相似的意匠图.实验结果表明,算法具有较好的平移、尺度、旋转不变性,能够达到快速准确检索的效果,可用于大型意匠图库的检索.