基于Laplace边缘检测算法虚拟植物系统的研究与实现

将计算机信息技术引入农业生产研究是目前农业生产研究的新发展方向,并伴随产生了农业信息化这样的新领域。植物叶片几何形状的识别是农业信息化结合数字图像处理技术的一个方面。为此,通过理论分析和仿真计算对研究植物叶片形状的传统图像边缘检测技术进行了分析比较,并创造性地提出了利用Laplace边缘检测算子来改进植物叶片几何形状的识别与检测系统。Laplace边缘检测算子的二维几何形态的建模具有数据的表达与复制的功能,通过生成的图像处理数据更加准确地识别与检测不同种类植物叶片的形态,为农业生产研究者提供更加有效、更加准确的研究数据。

基于FPGA的Laplace边缘检测算法设计与实现

针对目前数字图像处理速度普遍不足的问题,基于System Generator软件,在Xilinx的xc7z020-lclg484型FPGA上设计了一种以Laplace图像边缘检测算法为核心的图像边缘检测系统。系统采用模块化的设计方法构造了缓存器模块、边缘检测模块和图像二值化模块,并使用Vivado软件成功进行了仿真与实现。实验结果表明,该设计的处理速度快、效果好。

一种扩展的Laplace边缘检测算子

针对边缘检测的Laplace算子和改进的Laplace算子的不足,提出了一种扩展Laplace算子模板方法以及扩展模板的权重值的设置规则。该模板不仅能全面检测出图像的细节特征,也能逐次地对图像进行检测。实验结果表明该方法是有效的、可行的。

Laplace周期图与关联性检验相结合的半监督信号异常检测方法

信号异常检测方法具有普遍的研究意义和广泛的实用价值.该文首先研究Laplace周期图的统计性质,再结合用于关联性检验的有力工具互信息的刀切估计(JMI),对两段信号的Laplace周期图对数比进行统计检验,可判断所检测信号是否具有相同的归一化动态特征.作为一种半监督的异常检测方法,可在已知正常信号标签的情况下,以动态特征检测出未知信号是否异常.统计模拟试验和滚动轴承数据的实例分析显示,该文所提的新方法优于Laplace周期图分别与B样条F检验(B-spline F test)、Ljung-Box Q检验(LBQ)、游程检验(run test)相结合的方法,兼顾了稳健性和较低的犯错概率,具备一定的实用性和有效性.

边缘信息增强的显著性目标检测网络

针对显著性目标检测任务中识别结果边缘模糊的问题,提出了一种能够充分利用边缘信息增强边缘像素置信度的新模型。该网络主要有两个创新点:设计三重注意力模块,利用预测图的特点直接生成前景、背景和边缘注意力,并且生成注意力权重的过程不增加任何参数;设计边缘预测模块,在分辨率较高的网络浅层进行有监督的边缘预测,并与网络深层的显著图预测融合,细化了边缘。在6种常用公开数据集上用定性和定量的方法评估了该模型,并且与其他模型进行充分对比,证明设计的新模型能够取得最优的效果。此外,该模型参数量为30.28 M,可以在GTX 1080 Ti显卡上达到31帧·s^(-1)的预测速度。

基于强噪声条件下的激光图像边缘检测研究

边缘检测是激光图像处理的一个重要步骤,针对当前激光图像边缘检测误差大,易受噪声干扰等缺陷,为了获得完整的激光图像边缘,设计了基于强噪声条件下的激光图像边缘检测方法。首先采集激光图像,采用直方图均衡技术对原始激光图像进行增强处理,改善激光图像质量,然后采用小波变换去除激光图像噪声,并采用Canny算子进行激光图像边缘检测,最后测试结果表明,与当前激光图像边缘检测方法相对比,本方法能够检测出更多激光图像边缘细节,激光图像边缘检测精度的平均值超过93%,而且激光图像边缘检测时间控制60 ms以内,为激光图像提供了一种高精度检测技术。

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

融合边缘感知与统计纹理知识的输电线路金具锈蚀检测

针对输电线路金具目标小、背景环境复杂和锈蚀区域不规则等问题,提出了一种融合边缘感知与统计纹理知识的输电线路金具锈蚀检测算法。首先通过改进YOLOv7模型检测金具,然后利用改进Res-UNet模型对检测的金具进行锈蚀分割,加入SE(squeeze-excitation)注意力提高模型的稳定性,引入统计纹理知识模块(statistical texture knowledge module,STM)和边缘感知模块(edge-aware module,EAM),提出一种知识融合模块对边缘感知和统计纹理知识进行融合,提高对锈蚀分割精度。实验结果表明,检测和分割模型mAP分别提高了2.8百分点和7.7百分点。

基于边缘引导和动态可变形Transformer的遥感图像变化检测

卷积神经网络(Convolutional Neural Network,CNN)和Transformer的混合架构能够有效建模图像的局部与全局特征,已成为遥感图像变化检测任务的主流网络.然而这类网络仍面临着一些挑战. CNN分支中的卷积和池化运算通常会抑制遥感图像中的高频信息,降低目标边界的精度;此外,Transformer分支对图像像素进行等同长程依赖关系建模,忽略了变化目标的形状及语义关联信息,导致网络对变化目标特征的表达不足.为解决上述问题,提出了基于边缘引导和动态可变形Transformer的遥感图像变化检测网络.在CNN分支中设计了边缘信息引导模块,利用高频信息增强目标区域的边缘信息,从而改善变化目标的轮廓精度.同时设计了一种新颖的动态可变形Transformer,能够自适应地匹配形状不同的变化目标,选择与变化相关的特征建模长程依赖关系,以提高网络的特征表达能力.实验结果表明,提出的方法在三个公开数据集LEVIR-CD、CDD和DSIFN-CD上显著提高了检测精度,在变化目标的边界精度和内部完整性方面都明显优于当前的主流网络.

融合边缘信息多运动目标检测识别系统设计

运动目标检测算法易受到噪声和亮度变换的影响,从而出现虚假目标,很难满足在实际应用中准确性和实时性的需求;针对上述问题,提出了一种融合边缘信息的多运动目标实时检测算法,并在FPGA平台上构建了视频图像处理系统;该算法首先使用高斯滤波增强算法来提高抗噪性能;然后,采用三帧差分法减少虚假目标的出现概率;同时,对图像进行边缘检测,并将边缘信息与帧差法的结果相融合;最后,运用多目标识别算法完成对运动目标的识别和标记;该算法实现充分利用了FPGA的并行计算和流水线操作,经实验测试检测识别系统能够在1280×720@60 Hz视频场景下实现对最多16个运动目标的实时检测。

一种融合注意力机制与边缘计算的遥感影像车辆检测算法

针对遥感影像目标检测任务中存在的背景复杂、小目标检测困难、大尺寸影像导致的检测效率低等问题,提出了一种融合注意力机制与边缘计算的遥感影像车辆检测算法。首先在YOLOv5的主干网络中引入多维协作注意机制(Multidimensional Collaborative Attention,MCA),然后提出多分支卷积模块替换特征融合网络中的CBL模块,最后将训练的网络权重部署到Atlas 200开发者套件(Developer Kit,DK)边缘计算设备。在UCAS-AOD数据集上进行模型验证与对比,实验结果表明,该网络模型在复杂环境下对车辆的检测精度达到94.9%,较YOLOv5提升8.2%;网络部署到边缘设备后速度较GPU设备提升258%。同时,该方法也可以扩展应用到其他遥感影像目标检测任务中,为相关领域提供了一种高效、准确的检测方法。

采煤机截割部低照度图像的边缘检测技术

针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pascal三角形理论确定掩膜算子上各位置的权重系数,并将掩膜算子扩展到4个不同方向;最后将得到的掩膜算子与图像进行卷积,利用图像的局部特征信息对每个方向的微分结果进行后处理。结果表明:(1)在进行多个不同场景的井下低照度图像上的实验时,Lif算法可以更全面地获取图像中不同方向上的边缘信息,在处理低照度图像时具备更强的抗噪性能,并且提取的边缘线条比其余边缘检测算法更加清晰、完整,保留了更多的纹理细节信息。(2)在客观指标评价的对比上,与基于分数阶灰色系统模型的边缘检测算法以及改进的分数阶Sobel边缘检测算法相比,Lif算法在Entropy指标上分别提高了43%、11%,AG指标上分别提高了23%、23%,SSIM指标上分别提高了152%、6%。表明Lif算法在进行采煤机截割部的边缘检测任务时更具优势,研究对井下设备工作运行时的安全性和可靠性提升具有重要意义。

基于边缘检测的数字媒体深度交互式图像分割算法

针对数字媒体深度交互式图像受噪声干扰,导致其边缘检测效果较差,影响其分割精度的问题,提出基于边缘检测的数字媒体深度交互式图像分割算法。首先,利用小波变换方法对数字媒体中的图像进行去噪处理,提高图像分割精度;其次,使用高斯函数与低通滤波增强去噪后的图像,提高图像的清晰度,为图像分割提供便利;最后,依据自适应阈值算法对数字媒体的图像进行边缘检测,像素合集中存在上下阈值。根据其上下阈值的计算求出像素合集中的高低两个阈值,并对其实施边缘连接,实现数字媒体图像分割。实验结果表明,所提方法对分割数字媒体图像去噪效果好,分割精度和效率高。

边缘异常识别下视频图像篡改细节检测

视频图像不同栅格位置或不同压缩区域被合成为篡改图像时会出现特征块效应的差异,改变原视频的关键信息。为了准确识别图像中被篡改的像素点,提出基于边缘异常识别的视频图像篡改检测方法。通过离散余弦变换,将能量全部集中到图像的低频系数内,描述出视频的边缘等细节。利用能量比与频域熵间关系得出图像中能量的可疑度,结合预测掩膜概率图划分出发生篡改的位置区域。利用Sobel边缘检测边缘点,量化边缘点特征判断出边缘是否异常,当出现异常对其跟踪直至目标消失,检测出视频图像中的篡改位置区域。实验结果表明,所提方法能够精准检测出视频图像被篡改位置,且耗时低于1ms,应用优势显著。

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。

改进多方向Sobel算子的剩余油边缘检测方法

为进一步提高剩余油边缘检测的质量和精度,提出一种改进多方向Sobel算子的剩余油边缘检测方法。该方法通过改进双边滤波方法去除微观剩余油分布图像噪声,实现保边去噪的目的;结合Otsu算法使其能自适应获得微观剩余油图像的最佳阈值;在改进的4个方向上依次使用幅度为3×3的Sobel算子计算剩余油图像梯度的幅值和方向;最后利用非极大值抑制算法过滤伪边缘像素点,从而得到最终的剩余油边缘检测图像。实验结果表明,该方法能在去除微观剩余油图像噪声的同时,精确检测出微观剩余油分布图像中的剩余油边缘信息。

复杂稠密网络下的并置多尺度融合边缘检测模型

边缘检测是计算机视觉任务的基础.目前的技术主要依赖于深度学习,但是大多数的模型在评价阶段会借助非极大值抑制来提高预测边缘的准确率.该策略仅着重关注预测边缘的准确性,没有同时考虑边缘的粗细程度.针对这一问题,本文基于复杂稠密网络,提出了一种新的特征融合策略.该策略在传统深度学习边缘检测器侧输出的基础上,添加了自顶向下的并置多尺度融合架构.此架构可以更好地将高层的高语义特征与低层的高分辨率纹理特征结合,有效地抑制了边缘预测中存在的背景模糊和伪线条的现象.在特征连接处使用Concat block块代替单一的Concat操作,更好地融合了不同尺度的语义信息.最后使用一个简单的注意力融合块融合多个网络输出,并结合跟踪损失对输出的不同尺度的预测图进行深度监督.此方法不依赖于非极大值抑制,并且充分利用了目标的多尺度、多层次信息,在精细边缘图像的同时也提升了预测的准确性.实验结果显示,在未使用和使用形态学非极大值抑制方案的情况下,所提出的模型在BIPED数据集上的ODS、OIS、AP分别达到了0.891、0.895、0.900和0.894、0.899、0.931,优于所有比较算法.在MDBD的数据集上也取得了最优的结果.

基于改进遗传算法的图像边缘检测

针对经典边缘检测算法在一定程度上的局限性,提出了一种改进的遗传算法进行边缘检测。阐述了图像梯度的幅值和变化率,并将遗传算法引入到图像边缘检测中。利用天牛须搜索算法来引导遗传算法中交叉点位置的移动方向。通过提高子辈种群的多样性,防止了搜索区域逐渐缩小,克服了传统遗传算法早熟收敛的现象。实验结果表明,与传统的边缘检测算法相比,改进的遗传算法应用于不同的图像检测具有良好的稳定性和较快的收敛速度,可以收敛到全局最优解甚至逼近全局最优解,从而提高被检测图像边缘的完整性。

基于FPGA改进的Canny算法边缘检测系统

针对Canny算法在图像边缘检测中的限制,包括自适应性差、边缘信息易丢失和处理时间过长等问题,提出了一种基于FPGA的模块化硬件设计,用于实现改进型Canny算法的高效边缘检测。首先,利用FPGA的数据并行处理特性,采用快速自适应中值滤波算法替代高斯滤波方法;其次,引入3×3模板替代2×2模板,并在45°和135°方向上增加计算模板,以获取图像的梯度和幅值信息;最后,结合Otsu原理,采用三阈值连接来增强自适应性,减少图像边缘信息的丢失。经过实验验证,该系统展现出良好的自适应性能,有效处理图像中噪声的同时,能够捕捉到有效的边缘特征,并具备高速、实时等特点。

基于改进Canny算子的声呐图像边缘检测

目标的识别与解译是声呐图像处理中的一项重要任务。受到海底混响噪声和复杂背景的干扰,声呐图像有对比度差、分辨率低、噪声严重的问题,给声呐图像的目标识别带来了显著的挑战。为此,本文提出了一种改进的Canny算子边缘检测方法。通过LEE滤波器去除噪声,其次用OTSU阈值法划分高低阈值,最后运用Laplacian算子检测离群点并将其去除。本文将该方法命名为Canny-Laplacian算子(C-L算子)。本文使用多种边缘检测方法与改进的方法对真实声呐图像进行了处理,并在连续性、完整性和准确性上进行了对比。本文使用多种评价指标进行定量分析,证明了本文方法在声呐图像的边缘检测上有更好的效果。