基于加权融合特征与Ostu分割的红外弱小目标检测算法

为提高红外弱小目标在复杂背景干扰与低信噪比条件下的检测精度与效率,基于局部加权融合特征与分类二维Ostu分割,提出红外弱小目标检测算法。利用红外弱小目标与背景的灰度差异,基于Top-Hat算子设计红外背景过滤机制,使弱小目标从背景中凸显出来,使用图像的熵值定义局部加权融合特征,完成弱小目标的粗定位。采用分形理论计算粗定位区域内所有像素的分维值,构建像素分维像模型完成弱小目标的细定位,并通过特征分类二维Ostu分割机制实现红外弱小目标的精确检测。测试结果表明,与现有红外弱小目标检测算法相比,该算法具有更高的检测精度与更短的检测耗时。

基于OSTU炉膛火焰图像分割建模

炉膛火焰图像的正确分割对于提取炉膛燃烧参数具有重要的意义,本文针对OSTU分割法的不足,提出先对炉膛火焰灰度图像进行伪彩色增强处理,目的是使目标与背景图像产生明显的区分,然后再采用OSTU分割法对炉内火焰图像进行分割等一系列处理,实验结果表明该方法的分割效果是明显的,克服了炉内火焰灰度图像直接采用OSTU分割法带来的分割不明显情况。

一种显著图分割的遥感油库检测方法

针对遥感影像中油罐检测识别率低、难度大的问题,提出了一种基于显著图分割分布式的目标检测识别方法,利用视觉显著模型得到油库疑似候选区域,采用多阀值Otsu方法分割出目标,以及利用油罐的似圆特征和分布式的空间分布规律对油库进行检测识别,通过油库场景分布的先验知识,提高检测识别效率、降低虚警率。大量实验表明,文中方法可有效实现对遥感影像中油库的检测识别。

肝囊型包虫病超声图影像区域分割算法研究

目的测试Ostu阈值分割、马尔可夫随机场分割和基于深度学习的Poly-YOLO网络模型分割3种方法在肝囊型包虫病超声图像影像区域的分割性能。方法分别使用单尺度图像增强Ostu阈值分割、马尔可夫随机场分割和基于深度学习方法的Poly-YOLO分割网络对肝囊型包虫超声图像中的扇形影像区域进行分割,以去除图像中的干扰信息,并采用Dice相似系数(Dice Similarity Coefficient,DSC)、重叠度(Intersection of Union,IOU)、真阳性率(True Positive Rate,TPR)、豪斯多夫距离(Hausdorff Distance,HD)评价上述3种算法的分割效能。结果Poly-YOLO算法对肝囊型包虫病超声图像具有较好的分割结果,在有效去除非影像区域信息的同时,DSC可达0.80,TPR为0.88,IOU为0.71,HD为2.11。结论相较于基于SSR的Ostu阈值分割方法、马尔可夫随机场图像分割算法,基于深度学习的Poly-YOLO网络能较好地分割出肝囊型包虫病超声图像扇形影像区域,去除图像中的非影像信息,为后续病灶自动分类研究奠定了一定的理论基础。

基于颜色信息的采摘西红柿识别方法

为了使西红柿采摘机器人对采摘区域内的成熟西红柿进行准确识别,提出一种识别方法。通过对自然场景下田间西红柿图像中目标与背景在不同色彩空间的颜色指标进行统计分析,确定采摘对象识别的颜色特征分量,在此基础上结合不同的分割算法进行分割效果的比较,建立基于色差信息的改进Ostu分割算法的识别模型。实验结果表明,该算法对于成熟果的识别准确率可达到98%以上,对绿熟果的识别准确率可达到90%以上。

加权融合特征耦合Top-Hat变换的红外目标检测算法

当前红外目标检测算法在复杂背景干扰下通过单帧技术来实现目标的检测,使其难以过滤固定噪声等虚警,为此提出一种基于多尺度Top-Hat选择变换与加权融合特征的红外目标检测算法。通过对经典Top-Hat变换的结构元素进行分割,形成多尺度结构元素,考虑真实目标与背景的灰度差异,构建多尺度Top-Hat选择变换,从不同尺度提取图像的感兴趣信息,将真实目标从背景中分离出来;考虑序列图像的帧间差异,提取红外目标的运动特征,联合灰度特征与梯度特征,建立加权融合特征模型,精确定位候选目标区域;引入二维Ostu分割机制,对提取的候选目标区域进行分割,完成弱小目标检测。实验结果表明,与当前红外目标检测技术相比,在复杂背景下,所提算法可更好地抑制背景与过滤虚警,具有更高的检测精度与效率。

基于Kalman滤波算法的视频跟踪技术在交通道路中的应用

Kalman滤波是目标跟踪系统中比较常用的一种跟踪算法,本文将自适应波门跟踪与Kalman滤波跟踪算法相结合,克服了以往跟踪算法计算量大,目标识别错误,目标丢失等问题。并利用了MATLAB对Kalman滤波算法建模仿真,验证滤波跟踪效果明显,能够满足系统的实时准确跟踪的要求。

计算机视觉在条形码缺陷检测中的应用

提出一种新的基于计算机视觉技术的识别方法.通过各种计算机视觉算法的合理配置,达成对缺陷条形码的修正和识别.在预处理阶段,采取线性灰度化方法和Ostu阈值分割方法,增强黑色条纹和白色背景之间的对比度;在条纹定位阶段,采取Canny边缘检测和Hough变换,有效定位黑色条纹对应的直线特征.实验结果表明:该方法对缺陷条形码的识别是有效的.

基于改进Hu矩和矩形拟合的芯片识别定位算法

目的为了实现高质量、高精度的全自动SIM贴片机的视觉识别定位,采用基于改进Hu矩和矩形拟合的芯片识别定位算法对芯片进行识别定位。方法首先对图像进行预处理,在Ostu分割的基础上提取图像的形状轮廓。然后利用相对矩和离心率特征相结合的改进Hu矩进行芯片的识别检测。最后在识别的基础上提取外轮廓,通过对外轮廓的矩形拟合实现对芯片定位的目的。结果识别芯片时采用改进Hu距的方法,正确率至少达到98%,显著提高了芯片的识别能力。芯片进行定位时,矩形拟合定位精度在0.5像素之内,位置精度高。结论该方法可基本满足芯片贴装时SIM贴片机视觉系统对高质量和高精度的要求。

无人驾驶汽车中的车道线检测研究

随着人工智能的发展,无人驾驶将成为一种新的交通趋势。无人驾驶汽车是通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车。无人驾驶技术集自动控制、体系结构、人工智能、视觉计算等众多技术于一体,是计算机科学、模式识别和智能控制技术高度发展的产物。有效的获取车道线信息,对无人车的决策有至关重要的作用。本文对车道线图片进行预处理,包括中值平滑去噪、形态学变换、OSTU阈值分割,最后采用Sobel算法进行车道线轮廓提取,MATLAB仿真结果表明,该方法能快速准确的检测出车道线。

基于矩形拟合的IC芯片块定位算法

针对IC芯片剥离系统中芯片块的视觉定位问题,提出基于矩形拟合的IC芯片块定位算法。利用IC芯片块为矩形的几何特征,通过最大类间方差方法将图像分割成背景和目标两部分;使用改进的矩形拟合算法提取芯片块亚像素边缘,利用芯片块对边直线相互平行、邻边垂直相交的约束条件对提取的边缘矩形拟合,达到对芯片块精确定位的目的。实验表明,该方法可以满足剥料机高精度定位芯片块的要求。

基于Sentinel-1B SAR数据的洪水提取和监测

洪涝灾害是我国最严重的气象灾害之一,及时准确的洪灾监测是防灾减灾的重要前期工作和基础。本文利用sentinel-1B雷达数据,以黑瞎子岛为研究区,联合使用OSTU阈值分割法和随机森林面向对象分类法针对像素统计单波形、双波形、多波形SAR影像提取洪水要素,实现对洪灾淹没面积的时序监测,为灾情监测提供数据和技术支撑。

基于灰度均衡模型联合Gabor滤波器的钢轨表面缺陷检测方法

目的设计一种钢轨表面缺陷检测方法,对钢轨表面存在的缺陷进行快速、准确地检测。方法首先,利用图像的灰度均值构造灰度均衡模型,对钢轨表面图像中像素点的灰度值进行修正,以克服光照不均的影响。然后,利用图像的谱残差模型与相位谱增强钢轨表面图像中的缺陷部分,引入ostu阈值分割法对增强后的图像进行二值化,对图像中的缺陷区域进行准确地分割提取。最后,利用Gabor滤波器,将二值化图像中的噪声进行滤除,并保留缺陷区域的边缘等细节特征。结果与对照组方法相比,所提方法的检测效果较好,精确率以及召回率都有所提高。直观测试结果显示,所提方法能够较为完整地检测出钢轨表面缺陷。客观测试实验结果显示,所提方法的精确率为90.11%,召回率为93.41%,且平均耗时为45.17 ms,相对对照组方法而言,耗时最少。结论所提钢轨表面缺陷方法不仅能够准确地对钢轨表面缺陷进行检测,而且还具有较高的检测效率。

海上监控图像的海天线及其目标区域提取

根据海上监控采集海面图像的特点,提出一种适用于海天线及其目标区域提取的方法。该方法具体是对海面图像灰度化和高斯滤波后,首先根据灰度差异采用OSTU自适应阈值分割方法对海面图像进行分割;接着利用Canny边缘检测得到图像的所有边缘点集,从而获得主要轮廓;然后,根据梯度方向,减少无关边缘点,来改进Hough变换,连接相邻斜率误差小的直线段,减少直线段数目,选取有效程度最大的直线为海天线;最后,依据海天线的位置确定海天线区域。海天线区域的确定,为运动目标的检测、跟踪和避障节约了时间,并减少了误检概率。

基于分块相位梯度算法的多舰船尾迹自动识别

提出一种基于分块相位梯度算法(PGA)的多舰船尾迹合成孔径雷达(SAR)图像自动识别方法。首先在多结构形态学滤波和自适应阈值(OTSU)分割的基础上,利用分块PGA算法消除运动舰船的位置偏移和像元模糊,还原舰船实际信息;利用改进的局部Hough变换对分块图像进行检测和识别,根据识别出的尾迹坐标和角度反演运动舰船位置和航向信息。检测结果表明,该算法可准确检测SAR图像中舰船的实际位置和航向,识别准确度高,抗干扰性强。

基于FPGA的自适应阈值边缘提取的Canny算法的实现

在数字图像实时处理中,应用Canny算法对梯度幅值图像进行非极大值抑制后,需要先确定高低阈值才能进行边缘提取,而且不同的图像采用的阈值也不尽相同,阈值选取算法过于复杂及处理时间过长等问题,限制了Canny算法在实际中的应用。为了对Canny算法的这些缺陷进行改进,本设计充分利用FPGA并行执行的特点,将自适应阈值Canny算法移植到FPGA上,并通过理论推导获得了更加适应FPGA的算法公式,解决了自适应阈值选取过程时间过长的问题。最终系统测试结果表明,在FPGA中应用canny算法进行图像处理比在上位机中运行的速度提高了近十倍,充分证明了该设计的正确性和实时性。