基于二维直方图和最大熵门限化的直线边缘检测方法

提出了一种基于二维直方图和最大熵门限化的直线边缘检测方法。为了得到与实际边缘对应的单宽度直线,还利用了细化、连接与直线跟踪等处理方法,不但可以自动确定阈值,而且可以较好地保留弱边缘,去除噪声。最后得到单宽度的直线边缘,这对于目标识别和图像理解有着重要的意义。

基于机器视觉的机械零件直线边缘精确检测

本文以计算机视觉在机械零件几何参数检测的实际应用为例 ,给出了一种使用高斯拉普拉斯 (LOG)函数检测斜坡状边缘的像素级位置 ,在已知目标为直线边缘的情况下 ,使用最小二乘线性回归方法 ,把二维的边缘拟合降为一维边缘定位 ,从而使直线边缘定位达到亚像素级的精度。

基于DSP的直线特征提取算法

为解决车道线识别实时性差问题,提出了基于DSP的直线特征提取算法.基于DM6437视频采集系统,通过CCD摄像头采集图像数据,对感兴趣区域提取灰度,以减少实时算法的计算量;在此基础上,通过对有效区域进行改进算法的中值滤波,有效选择噪声和信号点的灰度值进行中值处理,实现道路有效区域边缘保护和消除噪声的功能;再通过提取直线特征边缘检测,根据需要进行Sobel边缘检测,结合直方图筛选、直线连通性分析能有效的平滑噪声并细化边缘,能够达到道路图像的分割、配准和识别的效果,提高算法的准确性和实时性;最后,结合霍夫变换算法,在边缘检测的基础上得到直线参数方程,并且通过先验知识改进Hough变换算法提高算法实时性,准确找出直线位置.

钢结构工程高强度螺栓微小松动视觉检测方法研究

基于计算机视觉的螺栓松动检测方法中,一类是通过对连接节点图像进行透视矫正并分析螺栓轮廓边缘直线角度的变化以及时发现微小的松动缺陷。然而,目前这类方法在图像矫正和螺栓轮廓边缘检测的可靠性方面还有较大的改进空间。为此,针对钢结构螺栓连接节点,提出了基于深度学习的螺栓松动视觉检测方法。首先,基于YOLOv5检测螺栓目标。针对螺栓感兴趣区域(RoI),基于鲁棒性较高的Attention U-Net提取螺栓轮廓边缘直线。为了提高螺栓目标检测精度,目标检测模型应设定较低置信度阈值以保证目标无漏检,再通过螺栓RoI提取的边缘直线数量筛除伪螺栓。使用透视变换法对节点图像进行矫正,变换所需的参考点是根据螺栓检测框之间空间移动后的相交关系自动定位的。最后,根据矫正图像中的螺栓轮廓边缘直线计算螺栓角度,通过检测螺栓和基准螺栓之间的角度差异判断松动情况。研究结果表明:螺栓目标检测的AP值为0.97;螺栓轮廓边缘检测的准确率、召回率和F1的均值分别为0.846、0.807与0.825,且在多种复杂背景干扰下具有较高的鲁棒性;伪螺栓筛除法可过滤掉99.82%的伪螺栓目标;提出的图像矫正法适用于常见的多种螺栓排列形式的连接节点;当松动判别阈值仅为2.8°时,螺栓松动检测的准确率可达99.7%。该方法在大型钢结构螺栓连接节点自动化运维方面具有较好的应用前景。

基于特征融合与随机森林的吊车碰线预警算法

现有的输电线路防外力破坏技术无法自动识别目标,导致对吊车碰线的监测效果较差。因此,该文提出了1种基于特征融合与随机森林的预警算法来解决这一问题。该算法在分析吊车自身特点的基础上设计了"形状–纹理–颜色"的融合特征提取方式:首先采用改进的边缘直线检测方法提取吊臂形状特征,然后利用局部二值模式(local binary pattern,LBP)算子获取纹理特征,最后在两步量化后的色调饱和值(Hue,Saturation,Value,HSV)颜色空间内得到颜色特征。进行融合特征后采用随机森林分类器进行目标识别,当判定目标为吊车时,根据其姿态和距离参数发出不同等级的预警信息。实验结果表明:该算法对工程吊车的平均识别准确率达到90.6%,相比于3种单一特征提取方式分别提升17.3%、7.9%和12.6%。同时该算法具备较强的实时处理能力,适用于输电线路防外力破坏的智能监控场合。

自助借还书系统中的多书侦测研究

对所借图书进行多书侦测研究,可尽量减少自助式借还书过程中的违规操作,设计一种工作于可见光波段的多书侦测系统。该系统利用摄像装置跟踪被借还图书,提取并分析图书侧面图以判断是否存在违规操作。系统能够自适应地进行图书侧面的识别和提取,具有良好的侦测借还书过程中违规行为的能力。

一种基于Hough变换新的亚像素定位算法

为了提高数字摄影测量的精度,提出了一种基于Hough变换的亚像素定位算法,针对直线边缘检测和圆边缘检测,分别采用二次Hough变换法和三等分Hough变换法,通过使用二次Hough变换的方法,克服了直线边缘计算精度低和速度慢的问题,通过使用三等分Hough变换法,克服了传统Hough变换法圆边缘检测性能受参数离散间隔制约及精度低的问题。仿真和实验表明新算法的亚像素定位精度能达到0.02像素,有效地提高了数字摄影测量的精度。