常用边缘检测算法的定量比较

在总体定性分析的基础上,根据边缘连通度、抗噪性能、运算复杂度等典型的边缘检测算法性能标准,利用定量计算结果比较并验证各种边缘特征提取算法的优缺点。采用B样条三次曲线对原始图像进行拟合,显著提高了检测后的图像质量。实验结果表明,该方法可以很好地应用于图像处理领域。

基于多特征融合的井盖检测系统实现

障碍物检测作为智能辅助驾驶的重要一环,得到了广泛关注和研究,其中,井盖的检测对后续的井盖定位和缺损检测有着不可替代的作用。从宏观特征入手,提出一种多特征融合的分类方法,首先利用先验知识划定梯形区域限制搜索区间,进而通过边缘的连通性锁定候选区域,并通过多特征判定,快速准确地从背景中提取出井盖位置。该方法在TMS320DM6437平台上进行了系统实现,验证了方案的可行性。

一种基于轮廓与背景消除的红外视频移动目标检测方案

针对红外视频的移动目标检测算法在还原目标时,目标的轮廓还原准确率较低的问题,提出一种基于轮廓与背景消除的红外视频移动目标检测方案。首先,从视频中选取一些不含目标对象的帧,对选取的帧进行统计处理并建立背景帧;分析背景的场景变化建立变化的自适应背景帧,并将背景帧的杂波过滤掉;然后,使用Canny边缘检测和K-means聚类检测目标轮廓并将目标轮廓从背景提取出来;使用形态学的边缘连通算法将目标轮廓进行关闭与Flood-fill填充处理获得目标对象的形状。对比实验结果证明,相较于其他红外视频移动目标检测算法,该算法获得了较好的目标轮廓与形状,同时,该算法的检测率与虚警率性能以及每帧的处理时间均较优。

一种新的自然场景标志牌文本提取算法

从复杂的自然场景标志牌图像中提取和识别字符一直是数字图像处理领域的热点问题,目前的求解算法普遍存在提取文本精确度不高,提取率偏低,鲁棒性差等缺点。提出一种高效的文本提取算法,针对标志牌文本图像通常具有较复杂的自然背景等特征,首先对原始图片进行模糊化处理,然后进行Laplacian边缘提取,再对边缘图像进行非文本长边缘的删除,最后根据文本区域的特征进行边缘扫描和连通域分析实现标志牌文本的提取。通过对2003年国际自然场景文本识别竞赛(ICDAR’2003 Ro-bust Reading Competition)中大量图片测试表明,该算法对背景的复杂度、文字语言、颜色、大小字体以及排列方向具有较强的鲁棒性,同时也具有较高的准确率(Precision)和提取率(Recall)。

On the Decay Number of a Graph

The decay number of a connected graph is defined to be the minimum number of the components of the cotree of the graph. Upper bounds of the decay numbers of graphs are obtained according to their edge connectivities. All the bounds in this paper are tight.Moreover, for each integer k between one and the upper bound, there are infinitely many graphs with the decay number k.

融合图的流形排序与引导学习的显著性目标检测（英文）

为了在显著性目标检测中保持高的召回率的同时提高准确率,本文提出了3点改进思路.第一,从超像素中提取简单的视觉特征,如颜色、方向和空间信息;第二,为了克服经典的基于图的流形排序(MR)的显著性目标检测算法中背景先验假设的缺点,使用仿射传导聚类算法(APC)自动聚合超像素为不同的特征类别.根据目标与背景(改进的)边缘连通度的不同,图像边缘的超像素会得到较大的权重即较大的背景概率值,这样边缘上真正的背景超像素就会筛选出来.同时,使用改进的MR算法计算图像的显著性值.第三,为了进一步增强算法的性能,前面第二步的结果可以作为"弱"显著图,利用引导学习算法从中产生"强"显著图得出最终结果.基于3个标准图像库的实验结果证明,本文提出的算法在性能上超过了其它3种优秀算法.

一种高效检测图像中是否有三角形的算法

在停车场的停车位检测系统中,要识别停车位是否空闲,就必须对检测系统获取的图像中的任何可能停靠在停车场中的汽车进行识别,但由于汽车种类、形状、大小等千变万化,因此通过识别图像中是否有汽车来判断停车位是否空闲是不现实的。由于可以先在每个停车位上画上一个实心黑三角形,然后通过识别图像中是否包含有三角形来判断停车位是否空闲,如果图像中没有实心黑三角形,则表明该停车位已经被汽车所占据;否则表明停车位空闲,因此,对空闲停车位的检测就转换为检测图像中是否有三角形,这要比识别所有的汽车容易得多。而传统的Hough变换则不能有效地检测图像中是否包含有三角形,为了准确检测三角形,提出了一种有效的检测图像中是否有三角形的算法。该算法首先利用Sobel算子检测出图像的边缘信息;然后抽取一条连通的边缘,并对当前抽取出来的连通边缘所围成的区域进行填充;接着利用三角形面积与它的3条边的关系来判断当前被填充的区域是否是三角形。当分析完该条边缘后,再继续抽取图像中的下一条边缘进行分析,如此反复,直到图像中的所有边缘被抽取完,则停止循环;最后输出结果,如果图像中有三角形,则输出三角形的个数;如果图像中没有三角形,则输出0。实践表明,该算法具有运算量小、运算速度快、所需内存少的优点。

一种基于图像处理的危化车辆识别方法

高速路口车道上对危险化学品车辆进行识别,对实时监测危险化学品车辆、保证事故后的及时救援有重大意义。根据危化车辆车顶必须安装危险标志灯的特征,针对监控设备抓拍的车辆头部图片,采用边缘检测、连通边缘提取、相似三角形检测等一系列算法,检测图像中是否存在标志灯,从而实现对危化车辆的识别。最后采用Matlab实现了识别算法,验证了本方法的准确性和可行性。