基于时态边缘算子的时间序列分段线性表示

时间序列的分段线性表示算法通常基于单一的启发式规则,难以适用于不同数据特征的时间序列。借鉴了边缘算子的思想来提取时间序列的边缘点,提出了一种基于时态边缘算子的时间序列分段线性表示算法。在来自不同领域的公开数据集上进行的实验结果表明:与两种主要的分段线性表示算法相比,该算法具有更好的拟合性能,并且更为稳定,能够适用于各类不同数据特征的时间序列。

边缘算子在视频对象提取中的应用

提出了一种基于边缘检测算子的视频对象提取算法 ,用于在视频会议、新闻等视频序列的关键帧编码中提取视频对象的区域 ,为随后的运动估计和检测提供参考对象 首先分析了两种常用的边缘检测算子 :Marr算子和Canny算子 ,并分别对视频关键帧进行边缘检测 ;然后从边缘图像中扫描出对象区域 ,生成掩码图像 ;最后与原始图像进行与操作得到对象 实验表明 :采用Canny算子能够提高关键帧中视频对象提取的正确性 。

原始Zernike矩边缘算子抗干扰性能

针对Zernike矩算子在边缘模糊、随机噪声存在情况下的检测性能进行了研究,以获得该算子的抗干扰性能.通过分析Zernike矩算子的各阶矩计算过程,得知将像素灰度与模板进行卷积便可获得Zernike矩,这样的计算有利于减小随机干扰的影响.利用人工合成的二值图像进行了边缘检测性能测试,结果表明,对于模糊噪声图像,由于边缘的过渡特征,Zernike矩算子检测具有一定精确性,但会在某种程度上存在边缘细化能力、定位精度下降的问题;而对于随机噪声图像,当最大值在40以内时,Zernike矩算子具有较强的抗噪能力;若随机噪声超出此范围,则检测效果急剧恶化.

基于边缘算子和数学形态学的光纤面板暗影检测

暗影是光纤面板在生产过程中产生的一种疵病,根据光纤面板暗影透过率的梯度变化特征,讨论其对应图像的灰度变化特性,提出了利用经典边缘算子融合数学形态学检测光纤面板暗影的方法。首先采用Canny算子进行暗影边缘的初步检测,然后选择最优的数学形态学方法及结构元素,最后利用闭运算实现暗影边缘连接。实验结果表明,此方法能有效地检测出光纤面板中存在的暗影,检测效果清晰、完整。

利用改进的Prewitt边缘算子进行车牌定位

车牌定位是车牌识别的首要问题,为解决此问题,本文提出利用改进的Prewitt边缘算子进行车牌定位的方法。首先利用改进的Prewitt边缘算子找出图像中颜色变化剧烈的像素,并加以标记;进而对标记点进行扩大,对扩大结果运用车牌宽高比等特征进行反复判断以清除噪声,最后定位出车牌。该方法定位准确率高,对噪声较多的图像也适用。

基于Sobel边缘算子的H.264/AVC码率控制方案

提出了一种基于Sobel边缘算子的宏块层H.264码率控制方案.该方案利用Sobel边缘算子,提高了平均绝对误差预测准确性和头信息比特预测准确性,继而在Sobel边缘算子计算结果的基础上采用一种新的历史数据点选择方法,进一步提升了码率-量化模型的准确性.实验表明,与传统的H.264/AVC码率控制算法相比,该方案能更精确地控制码率并获得最大0.8 dB的峰值信噪比增益.

基于边缘算子的有效子序列分割方法

在深入分析时间序列中边缘算子的特点后,以划分不等长子、具有相对完整变化趋势的时间序列为目的,提出基于边缘算子的有效子序列分割方法。该方法能有效分割出具有相对完整变化趋势的、不同长度的子序列,同时具有高效、实现方法简便、效果直观的优点,对于不同领域的数据适应性良好。

基于时态边缘算子的时间序列自主分段表示法

时间序列具有数据量大、维数高和更新速度快等特点,导致一般的分段线性方法难以刻画原始时间序列的全局趋势特征。针对时间序列的特性,提出了一种基于时态边缘算子的自主分段表示方法(简称APLR_TEO),能够有效刻画出时间序列的形状特征。首先通过时态边缘算子与原始时间序列做卷积并根据关联规则得到边缘极值点;然后根据时序的变化特征,采用趋势转折距离的关联规则进行自主线性分段得到关键点,进而用关键点组成的序列来线性近似表示原始时间序列。实验结果表明,APLR_TEO能够有效地刻画序列的形状特征,针对不同规模的数据集具有良好的适应性和稳定性,有效降低了拟合误差。

Lazy元和Sweedler上边缘算子

设H是Hopf代数,A是左H-模代数.定义了集合Reg^n(H,A)中的lazy元,证明了lazy元的全体构成的集合Reg_L^n(H,A)对于卷积运算作成了Reg_L^n(H,A)的子群.并且进一步证明了在Sweedler上边缘算子作用下,lazy元依旧对应着lazy元.

LoG边缘算子改进的加权引导滤波算法

针对原始全局的引导滤波算法对整幅图像各个区域使用统一的线性模型与相同的规整化因子,从而未能适应图像本身不同区域的纹理特性,提出了基于LoG边缘检测算子改进的加权自适应规整因子。通过在局部窗口内计算LoG幅值响应,对原有的规整化因子进行惩罚来取得对图像平滑区域与边缘区域的自适应,使得在保证降噪效果的前提下进一步突出边缘像素和平坦区域像素之间的差异。对开源医学图像库Brain Web中不同断层的T1、T2与PD加权图像,共18张图像,添加9%的莱斯噪声作为测试库,并采用结构相似性因子(SSIM)与无参考图像锐化因子(CPBD)作为算法的定量评估指标。实验结果表明,与原始的引导滤波算法相比,所提方法的SSIM指标获得了最高5%左右的提升,CPBD指标获得了最高6%左右的提升。在引导滤波不同规整化因子的条件下,所提算法均优于原始的引导滤波算法和现有的基于方差图像加权改进的引导滤波算法,并保留了原始引导滤波O(N)的复杂度。与现存的主流滤波算法比较,所提算法能够兼顾SSIM与CPBD指标,具有最高的综合性能,且具有最低的算法复杂度,能够用于医学图像和彩色图像的快速滤波降噪。

正规Bihom-Lie代数的上边缘算子刻画

考虑正规Bihom-Lie代数( L,[·,·],α,β)的平凡表示,给出了平凡表示对应的上边缘算子d;证明了该算子的相关性质;得到:正规Bihom-Lie代数( L,[·,·],α,β)与∧L^*上的算子d 之间存在一一对应关系。

多元多项式环的一类广义边缘算子

研究了多元多项式环的一类新型边缘算子及其诱导的正则模复形的同调性质和结构。计算了其在某些特殊的多项式商环上的核与像,并给出了其同调群的直和分解。

一种在尺度空间下基于边缘的角点目标检测方法

图像中的目标角点位置是实现很多计算机视觉任务的关键数据。为了克服传统检测算法产生的数据冗余问题,提出了一种在尺度空间下基于边缘的角点目标检测方法。首先,构建一个分组多层的尺度空间,将原图投影到其中后得到多个平滑图像。与此同时,采用定义的边缘算子检出平滑图像中所有边缘而得到多个按序存放的像素点集,当点集数量稳定时停止更大尺度的变换。然后,在当前尺度下,计算点集中各元素反映其角点强度的特征值。根据这些特征值变化规律检出角点的支撑集区间,并在此区间中采用高斯拟合函数确定最终的目标角点。实验表明,该方法能够检出特征显著的目标角点及其角度,其中合成图像精度在像素级,应用案例中的平均误差与图幅比约为1.5/100。

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。

空间矩和Zernike矩亚像素边缘算子分析

讨论了空间矩、Zernike矩两个亚像素边缘算子的运行时间和定位精度。分析结果表明,Zernike具有更快的运行速度,当计算3个用于边缘定位的参数时,其运行时间较空间矩算子节约了50%。理论分析了空间矩和Zernike矩算子的关系,并推导出了两个算子边缘距离为l的差值公式。测试结果表明,当两个算子的l都限制在中心像素内时,空间矩算子的边缘厚度多达3个像素,而Zernike矩算子的边缘厚度小于1个像素,可见Zernike矩算子的定位精度为真正的亚像素级。经比较,Zernike矩算子的运行时间和定位精度均好于空间矩算子。

一种图像边缘提取快速KIRSCH算子的设计与实现

对前人提出的数字图像边缘的经典算子--kirsch算子进行研究,详细分析了这种方法的出发点、理论根据、数学原理和实现方法及优缺点。并通过用Visual C++实现的实验结果,对kirsch算法提出了改进,实现了改进的快速kirsch算子的边缘提取,给出了对于一般图像的处理效果的分析。

高斯混合模型的光学元件表面疵病边缘定位

为抑制光照突变对边缘定位的影响,提升疵病边缘定位效果,提出高斯混合模型的光学元件表面疵病边缘定位方法。引入光照变化因子,通过颜色直方图匹配算法自适应更新高斯混合模型参数;利用参数更新后的高斯混合模型提取光学元件表面疵病背景图像,通过差运算原始光学元件表面疵病图像与疵病背景图像,得到疵病前景图像;利用Canny边缘算子提取光学元件表面疵病的边缘前景图像;加权融合边缘前景图像与前景图像,得到光学元件表面疵病边缘定位结果。实验结果表明,该方法可有效提取光学元件表面疵病前景图像与边缘前景图像,得到疵病边缘定位结果;在不同光照变化情况下,不同疵病宽度时,该方法疵病边缘定位的边缘连接完整度均较佳;该方法定位不同类型疵病边缘时的灰度差分乘积均较高,即边缘定位清晰度较佳,定位的边缘较明显。

基于组合式形态学算子的多尺度边缘检测

针对传统的边缘检测方法因卷积运算造成模糊图像边缘,且对噪声敏感,各种形态学边缘检测方法因检测到的边缘信息类型不同而容易使边缘信息丢失,提出一种组合式抗噪型形态学边缘检测算子;并利用不同尺度的结构元素具有不同的图像边缘检测效果,进行形态结构元素的尺度调整,得到不同尺度结构元素下的图像边缘位置;然后进行加权合成来获得边缘图像;实验表明,与其他的传统或者形态学边缘检测方法相比,该文方法不仅具有更好的噪声抑制功能,而且其检测到的边缘轮廓更加清晰完整,边缘细节更加丰富。

基于Canny算子边缘检测的车牌图像增强方法

提出一种基于Canny算子的车牌边缘检测技术,该技术优点是适用于不同场合并且它的参数允许调整以便于识别不同的边缘特性,尤其适合车牌数字这样具有封闭特性的图像;其缺点是在实时图像处理时速度比较慢。

用形态学边缘检测算子实现图像的浮雕显示

提出了一种以数学形态学为基础进行图像浮雕显示的新方法 ,该方法利用数学形态学的非线性处理能力和擅长处理图像几何结构的优势 ,在其基本的形态学腐蚀差和膨胀差边缘检测算子中使用特殊结构的结构元获得图像的浮雕显示效果。该方法原理简单 ,易于实现。其浮雕显示实验表明 ,与使用广义模糊算子实现的图像浮雕显示方法相比 ,本文所提方法能获得更为满意的浮雕显示效果 ,且计算的时间耗费大大降低。