基于边缘矢量的镰刀弯在线检测方法研究

针对热连轧车间里带钢的镰刀弯检测问题,提出一种基于机器视觉的镰刀弯在线检测方法。首先,对预处理后的图像采用图像二值化处理提取目标,再使用形态学运算消除目标上的杂质以及不连通区域。然后在图像中以图像的中心点像素作为原点建立坐标系,提取中间坯两侧边缘点,接着获取相邻点之间的向量,并进行单位绝对值化,计算相邻单位向量之间的关系,得出中间坯边缘的弯曲度,依此判决镰刀弯。选取以现场获取的视频所分割出的5000张带有镰刀弯的图像作为实验样本,在PyCharm和OpenCV平台上进行实验。实验结果表明,该方法的镰刀弯检测成功率达96.32%,能够更准确地检测带钢镰刀弯,解决运行非对称镰刀弯检测方法因带钢跑偏而引起的误检问题。

数控加工自动编程中的边缘矢量化技术

针对目前数控激光加工自动编程系统存在的问题，对边缘跟踪得到的点阵边界图形进行了矢量化处理．在保持图象特征的基础上，使自动编程系统生成的数控加工文件大大压缩，避免了边缘噪声，使数控激光加工的效率进一步提高．

支持向量机在边缘匹配矢量量化图像编码中的应用

针对边缘匹配矢量量化图像编码方法存在的出轨现象,提出一种引入支持向量机的方法.将分块后的样本图像输入支持向量机,建立区分边界区块与否的分类模型,并产生两种码书,对待编码区块,由支持向量机预测它的类型,选择相应的码书.实验结果表明,该方法处理灰度变化较大的边界和灰度变化平缓的非边界都有较好的效果.

基于边缘梯度矢量的印刷电路板缺陷检测

缺陷检测算法时间复杂度及精度是影响自动光学检测系统性能的两大因素,降低时间复杂度和提高精度才能保证系统实时可靠。针对传统参考法计算量较大及精度不高的问题,该文提出了一种基于边缘梯度矢量的印刷电路板缺陷检测算法,在配准的前提下,利用边缘梯度矢量搜索到缺陷处。实验表明,与传统参考法相比,该算法的计算点数由图像全部像素点减少至边缘,并利用梯度矢量较高的敏感性来提高检测可靠性。

基于图像特征的力反馈渲染改进算法

传统基于图像特征的力反馈渲染算法在图像预处理降噪阶段容易丢失虚拟对象表面粗糙度信息。为此,提出一种改进的力反馈渲染算法。在快速矢量滤波器内置噪声检测器之前,增加一级基于图像边缘特征矢量的噪声检测器,以提高噪声检测准确率、保护图像边缘细节特征。实验结果表明,改进算法能够准确描述虚拟对象表面细微的粗糙度信息,实现更逼真的触觉与视觉融合的力反馈。

多色彩高空间分辨率遥感影像矢量边缘信息提取算法与应用

相对单波段灰度影像而言,多波段高空间分辨率遥感影像中可用于边缘检测的光谱信息更加丰富。鉴于Canny算子在灰度图像边缘检测中的优越性能,本文利用输出融合策略对其适用于高空间分辨率遥感影像矢量边缘检测作了改进。基于可视化开发平台VC++.NET,编程实现了福州市航拍的高空间分辨率遥感影像红绿蓝三个标准波段在RGB、IHS、Y IQ、YUV、C IELUV色彩空间中对各种地物矢量边缘信息的有效提取。对高空间分辨率遥感影像矢量边缘各分量的分析认为,由于波谱范围差异的影响,在上述色彩空间中不同地物类型边缘检测时响应程度具有显著的不同。本文研究结果表明,该算法参数设置和色彩空间选择对高空间分辨率遥感影像矢量边缘信息提取有较大的影响。

混合基底记法的无失真图像信息隐藏技术的改进及实验研究

无失真信息隐藏技术,可以使一个原始图像在经过藏入、取出秘密信息之后依然完整存储,为了进一步改进压缩域图像信息隐藏方法,提出了一种基于混合基底记法的无失真图像信息隐藏技术。给出了应用的VQ编码、SMVQ编码的理论基础;完成了基于混合基底记法的信息隐藏的设计;应用6张512×512像素的灰度图片完成了实验结果验证。实验结果表明:新方法与传统的基于边缘匹配矢量量化编码方法相比,减少了秘密信息嵌入时间,提高了秘密信息嵌入容量。

岩屑荧光系统下砂岩目标的识别与分类

岩屑的砂岩部分是整个岩屑含油的集中区域,但是在岩屑的荧光图像中,由于岩屑颗粒的边界不明显,很难准确地得到砂岩目标,因此影响后续含油组分分析的准确性。岩屑荧光系统通过对岩屑样本同一个视域下的白光图像进行边缘流处理,得到砂岩目标,再与系统生成的训练文件作对比分析,从而得到岩屑样本的含油组分分析。

基于SMVQ索引残差编码的高效无损信息隐藏算法

为了增加矢量量化压缩域信息隐藏方法的容量,提出一种改进的基于边缘匹配矢量量化(SMVQ)索引残差编码的无损信息隐藏算法。以基准方法为基础,利用划分索引残差取值范围的阈值和标志位信息进一步缩小索引残差的范围,降低编码比特数,提供更多冗余空间进行信息隐藏。实验结果表明改进后的算法能够有效提高嵌入容量,与基准方法相比,隐藏容量增加了2.96%~9.45%,比特率降低了3.30%~5.48%,整体嵌入效率提高了8.21%~13.18%。

基于SPCNN与改进型矢量CV模型的乳腺X射线肿块分割方法

作为乳腺癌计算机辅助诊断系统的重要环节,肿块分割的结果严重影响到肿块良恶性的判别.针对现有方法的不足,本文提出了一种基于简化型脉冲耦合神经网络和改进型矢量无边缘活动轮廓模型的乳腺X射线肿块分割方法.首先,通过数学分析计算SPCNN的相关参数与终止条件,进而利用SPCNN模型分割出肿块的初始轮廓.然后,针对传统CV模型的不足,进行相应的修正得到改进型矢量CV模型.最后,结合SPCNN分割出的初始轮廓,利用改进型的矢量CV模型处理ROI分割出肿块.采用北京大学人民医院乳腺中心提供的临床图像以及DDSM数据库的图像进行对比实验,实验结果表明,本文方法相比较现有方法分割结果更为准确,尤其是在处理东方女性致密性案例时,本文方法更有优势.