改进的Freeman链码在边缘跟踪及直线提取中的应用研究

针对传统链码用于边缘跟踪过程中易产生边缘断裂,提出一种改进的Freeman链码用于边缘跟踪及直线提取。该算法在链码跟踪过程中,记录链码起点,优先跟踪位于边缘方向上的点。对当前点,先进行基于Freeman链码八邻域内跟踪,在八邻域内没有边缘点的情况下,再进行八邻域外链码跟踪。然后对跟踪后得到的边缘链码进行分裂提取直线链码。实验结果表明,该算法不仅能有效提取直线,而且能提取曲线边缘,并且保持完好的边缘连续性,避免后续直线合并。

一种链码跟踪与相位验证相结合的直线提取方法

提出了一种链码跟踪与相位验证相结合的直线提取方法。该方法首先针对Canny边缘图提出一种完全细化方法;其次提出一种改进的链码跟踪方法,其步骤包括检测链码端点,建立动态链码主方向确定链码跟踪方向,优先跟踪八邻域内边缘点,八邻域内无边缘点再进行八邻域外边缘点,并采用直线化分析对链码进行动态约束;最后对链码进行直线拟合及相位验证,满足条件输出直线,不满足要求的链码则重新设定端点进行跟踪直线提取。通过多种不同光学图像数据的试验结果分析表明,本文所提出的方法不仅能够精确实现边缘直线信息的拟合,并且能够解决由于白噪声及相位编组所引起的直线断裂问题。

链码跟踪在矩形检测中的应用

几何图形的识别是计算机视觉领域的重要任务之一,为了准确识别目标,针对矩检测问题,提出了一种基于链码跟踪的检测算法。该算法用改进的链码跟踪方法来求得候选矩形的轮廓,将轮廓分段后由直线拟和求得候选矩形的数值解,并通过证据收集来确认真矩形以保证检测精度。数值实验结果表明:该算法具有鲁棒性较好、精度较高、速度较快的优点。

链码跟踪直线提取算法在道路标志判断中的应用

为了准确快速提取和识别道路中的标志线,提出了一种基于链码的道路标志线提取与识别算法.道路中的标志线在图像处理中可以作为直线处理,整个提取算法分为3个步骤:首先,通过对道路图像的预处理去除噪声,利用Canny算子提取边缘;然后,对边缘图像进行链码编码并进行直线判断;最后,对属于同一条直线的直线段进行线段连接,过滤短的非道路标志线.实验表明,该算法可以准确快速地识别城市道路中的标志线和道路边缘,达到了实时准确的要求.

一种分层并行迭代式链码跟踪直线提取算法

提出了一种分层并行迭代式链码跟踪直线提取方法.该方法首先基于分层并行结构,将图像按层次分割成若干独立的半径逐级递增的子区域;在第一层的处理中,基于现有链码跟踪法,在跟踪起始点的选择、链码跟踪处理、直线段提取等方面进行了相应改进,并行实现各子区域线段的提取;在较高层子区域,根据包含的次级子区域的直线段信息,引入四类非重叠窗口标记处理,进行连接与合并的高效迭代处理,实现图像直线段的获取.该方法具有很好的实时性和检测精度,并且保持了直线的端点、长度等信息.实验结果证明了该方法的有效性.

基于Freeman链码的边缘跟踪算法及直线段检测

本文主要总结了目前几个常用的直线段检测方法。分析了当前边缘跟踪算法的不足。在此基础上,提出了一种基于Freeman链码的直线段检测方法,主要在边缘跟踪环节中对原有方法进行改进。实验表明,该算法能够快速,准确地检测直线段。

基于链码跟踪的Data Matrix二维条码快速识别

为实现工业现场中Data Matrix二维条码的快速识别,提出一种基于链码跟踪、直线段提取的条码快速识别方法。首先采用Sobel算子提取图像边缘;然后基于链码跟踪方法,跟踪图像的边缘点,记录链码;接着根据快速直线段提取方法,将直线相似度低于阈值的线段剔除,结合线形连接方法合并断裂线段,并使用长度判别剔除不可靠的线段;最后结合Data Matrix二维条码的特征,定位Data Matrix二维条码。实际测试表明,该识别方法能够快速、准确地定位二维条码区域,识别正确率可达99.39%以上,具有实时性强、可靠性好等特点,满足工业现场要求。

基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究

极化SAR影像中阴影、水体和裸露的耕地3种地物类型有非常相似的极化散射特性,常规基于非相干分解的分类方法难以将其有效地区分。对此,本文引入基于Freeman分解的散射熵Hf和各向异性度Af两个特征参数,并将其用于极化SAR影像分类。首先利用Hf和Af参数将阴影和水体提取出来,然后将其他地物按散射机制分为3大类,并对每一类再次利用Hf和Af参数进行细分,最后通过基于Wishart分布的聚类和迭代分类,得到最终的分类结果。通过利用Radarsat-2在河南登封获取的全极化SAR数据进行试验,表明该算法执行效率高,能够有效地区分阴影、水体和裸露的耕地,并且对其他地物类型也有很好的分类效果。

Freeman链码描述的曲线匹配方法

针对普通曲线匹配算法不能处理旋转和缩放曲线的不足,提出Freeman链码描述的曲线匹配方法。该方法为Freeman链码设计一种基于差别累加值及链码差的拐角点快速检测算法,能够快速地检测出曲线拐角点;通过计算曲线起点和曲线方向,得到不随曲线旋转、平移和尺度变化的标准拐角点序列;根据拐角点的长度序列和夹角序列进行相似判断实现曲线匹配。Freeman链码描述的曲线匹配方法不受曲线旋转和缩放的影响,计算量小,易于实现,仿真实验证明该算法合理有效。

基于改进Freeman链码的柑橘簇生区域数量判别方法

水果簇生区域的数量判别是图像处理技术的难点。提出了一种改进的Freeman链码,即在Freeman8邻域链码的基础上插入了3个新的链码元素"S"、"8"和"9"。识别过程中,首先获得水果簇生区域二值图像的改进Freeman 8邻域链码,然后计数链码中"8"出现的次数,再根据研究对象的轮廓特性,计算出簇生区域的数量。利用该方法对柑橘树数字图像中簇生区域的柑橘数量进行了判别,实验结果表明,该方法对2～5簇生判别效果良好,效率高,其中2、3簇生识别正确率为100%。

基于Freeman链码的圆识别方法

在研究圆的Freeman链码性质并得出圆的Freeman链码与其对称链码的关系后,提出了一种基于Freeman链码性质的圆识别方法,通过圆的Freeman链码与其对称链码的相似度和奇偶码值出现的次数对圆进行识别。实验结果表明,该方法识别准确、效率高。

一种有效的基于Freeman链码的拐角检测法

拐角检测在模式识别和机器视觉中有重要作用。本文提出了一种有效的用于检测和确定拐角位置的方法，它能显著地改善现有拐角检测法的性能。该算法基于Ｆｒｅｅｍａｎ链码，它包括三个步骤：（１）排除掉在一条直线上的非拐角点，同时提取出必是拐角的点。（２）估算剩下可疑点的曲率，把曲率大于一阈值的点做为可能的拐角点。（３）挑出每组临近可能拐角点中曲率最大的点为真实拐角点，将其它曲率较小的可能拐角点作为伪拐角点排除掉。实验结果表明本文提出的方法优于现有的拐角检测法，它能准确地检测出同被测对象相一致的拐角点。另外，该方法的处理速度也比现有的拐角检测法快。

台风螺旋云带骨架跟踪方法的研究

用紧邻交叉点的已跟踪编码过的一段象素点的编码信息,用最小二乘法向前作线性预测,求出交叉点处下一步的预测搜索方向,当用线性预测方法无法求出预测方向时,则计算交叉点前的已跟踪编码过的一段象素点的平均链码值作为预测搜索方向,最后以交叉点的各邻点方向中与预测搜索方向最接近的方向作为下一点的搜索方向。该方法有效地克服了基于链码的跟踪在交叉点处容易发生迷向的现象,同时跟踪速度和自动化程度得到了较大的提高。

Freeman链码角点和面积比角点检测的比较研究

针对Freeman链码角点检测方法和面积比角点检测方法进行比较研究,并提出了一种改进的面积比角点检测方法,该方法在角点检测效果不变的情况下提高了角点检测的实时性。最后给出了计算机仿真研究,研究结果验证了改进算法的有效性。

基于Freeman分解的植被参数反演新方法

基于极化Freeman分解的极化协方差矩阵参数,极化干涉SAR互协方差矩阵可简化建模为植被高度、消光系数和地面干涉相位的函数。基于此,该文建立了以极化干涉SAR互协方差矩阵估算值与互协方差矩阵观测值之差为目标函数、以3个植被参数为未知量的优化模型,提出了基于Freeman分解的植被参数反演新方法。该方法避免了三阶段植被参数估计方法所面临的体相关系数确定问题,提供了一种独立于三阶段植被参数估计的新思路。仿真结果验证了新方法的有效性。

基于Freeman链码的花生果嘴和果腰图像识别及其DUS性状定量分析

为实现花生荚果果嘴和果腰的自动识别,以及评价图像处理方法量化花生特异性(distinctness)、一致性(uniformity)和稳定性测试(stability)(简称DUS)性状的技术适用性,该文提出了基于Freeman编码的花生果嘴和果腰识别方法以及花生荚果DUS测试性状量化方法。首先提取荚果图像边界轮廓并进行Freeman编码,接着采用近似曲率法和局部曲率最大法确定内拐角点,然后采用位置判断法定位果嘴和果腰位置,最后对荚果缢缩程度、果嘴明显程度和荚果长度3个DUS性状进行量化。对600个花生样本的测试结果表明,该文提出的方法对果嘴和果腰的识别正确率分别为93.1%和95.5%,较其他角点检测算法在时间和准确率方面都有很大优势。同时能够有效地对相关DUS性状(荚果缢缩程度、果嘴明显程度和荚果长度)进行量化,对荚果缢缩程度和果嘴明显程度的分级准确率分别为92.4%和91.7%。图像处理具有高效、客观、低成本采集和量化花生荚果外观形状的能力,为花生外观性状的自动采集和测量提供了研究基础和依据。

基于一般散射模型的Hybrid Freeman/Eigenvalue分解算法(英文)

提出了一种新的基于一般散射模型的hybrid Freeman/eigenvalue分解算法,用于分析极化合成孔径雷达(PolS AR)数据。文中,单位矩阵作为体散射模型,相干矩阵的两个较大特征值对应的特征向量作为表面散射模型和二次散射模型,并且不需要反射对称条件。新算法有三个优点:第一,表面散射和二次散射不需要反射对称条件,更符合一般散射体的建模;第二,因为散射能量是相干矩阵特征值的线性组合,所以散射能量具有旋转不变性;第三,表面散射能量和二次散射能量避免了负值现象。在San Francisco地区的AIRSAR数据上进行了实验,证明了新算法的有效性。

Freeman四方向链码压缩率提高的方法研究

文中通过大量的实验,在研究现有的基于Freeman方向链码的方法的基础上,对提高Freeman四方向链码压缩率的方法进行了深入的研究。从改变码值含义定义并对码值进行Huffman编码,进而对出现频率最高的码值进行计算编码等不同角度,进行大量的实验、比较与分析。提出了一个Freeman四方向链码新方法:计算编码不等长相对四方向Freeman链码———AVRF4。实验结果表明,其链码压缩率比Freeman八方向链码提高了26%,而比原始Freeman四方向链码提高了15%。

边界追踪及Freeman码在定量金相中的应用

根据不同情况 ,对多相合金中的颗粒状第二相进行二值化、颗粒分割、孔洞填充以及滤波等一种或多种图像预处理 ,得到离散的多目标黑白二值图像 .为了统计分析多个颗粒 ,提出了多目标边界追踪算法 ,利用八连通边界追踪得到的每个颗粒的唯一标志点及其边界的Freeman码 ,由此可以获得体积分数、周长、面积、形状因子、平均自由程等第二相的特征参数 .实验结果表明 ,在完成要求的预处理工作之后 。

基于Freeman链码的汉字图像轮廓曲线拐角点检测方法

拐角点检测在模式识别和机器视觉中有重要作用。本文应用基于Freeman链码的一种检测和确定图像轮廓曲线拐角点位置的方法,提取出汉字轮廓图像的拐角点作为特征点用于图像配准中。首先提取出汉字图像的轮廓曲线,然后利用Freeman链码给轮廓曲线编码,根据判断准则,提取出必是拐角点的点与可疑拐角点,最后估算可疑拐角点的曲率,挑出每组临近可能拐角点中曲率最大的点为真实拐角点。实验结果表明本文应用的方法能准确地检测出同被测对象相一致的拐角点,给出了实验数据与过程。