基于Edline线特征的图像快速匹配算法

特征分布不均匀或缺乏会严重影响点特征的检测和描述,从而增加图像错误匹配率和降低了计算效率。为了解决这些问题,论文提出了一种基于Edline进行边缘绘制,产生像素链,然后利用最小二乘线拟合方法提取Edline(Lind Band Descriptor)描述子进行图像匹配。实验结果表明:相比较传统的线特征检测算法,该方法能够在一些特征缺乏的场景中有效的提高线特征匹配精度,减少图像匹配时间。

基于颜色空间变量的输电线图像分类及特征提取

针对输电线图像背景复杂多变和单一图像处理方法难以有效处理各种背景类型输电线图像的问题,提出一种基于颜色空间变量的输电线图像分类及特征提取方法。首先根据输电线图像各颜色空间的变量值与图像特征之间的关系对图像进行分类。然后根据不同类别图像特征选用适合的滤波方法通过两次滤波结合去噪,并采用自适应直方图分段均衡化增强图像对比度。通过对Otsu算法得出的阈值进行线性变换确定canny边缘检测参数,提取输电线路边缘。最后根据输电线形状特征和概率霍夫直线变换与形态学运算提出一种边缘优化方法,较好地去除非输电线边缘。结果表明:该方法可以有效处理各种背景类型图像,为输电线路图像智能化处理提供了一种新的思路和方法。

直线特征约束在运动板坯图像边缘跟踪测量中的应用

基于计算机视觉摄像测量方法由于其固有的非接触测量特点,在工业生产过程中应用越来越广泛。本文根据连铸板坯运动图像特征,利用直线相关约束和检测区域空间隔离滤波方法,成功实现连铸板坯长度在线实时跟踪测量。实际应用结果表明,该方法有效地克服了连铸板坯表面氧化铁皮对实际板坯边缘实时检测的严重干扰,提高了视觉测量系统的坚固性和可靠性。

基于图像表征特性的轮廓线提取的研究

轮廓线提取是计算机视觉中的一个重要问题。但是,用来解决这个问题的传统方法总是不能得到像人的视觉系统一样令人满意的结果。人的视觉系统一个重要的特点,就是人眼在获得轮廓线的时候,不仅对轮廓线两侧图像的差异及轮廓线本身几何拓扑结构上有所考虑,同时也考虑到了轮廓线周围区域图像的特性(图像的亮度、颜色、纹理等特征)的连续性。然而计算机解决这个问题的传统方法通常忽略了后一个问题。这些方法总是被分成边缘检测和边缘连接两步骤而当边缘被检测出来之后,它们周围区域图像的特性就不会再被考虑到,导致了属于不同物体的边缘被错误地连在一个轮廓线中。通过提取表示边缘的线段并连接它们的方法找出一幅图像中最显著的轮廓线。引入了一个"表征特性"来描述以表示边缘的线段周围的图像的特性,然后这个特征被用来定义一个度量轮廓线显著程度的尺度"显著度估计"中。这样,图像中最显著的一个完整轮廓线就可以通过对这个"显著度估计"的优化来得到。最后,这个方法的有效性在实验中得到了验证。

无人机影像中直线类电力线检测算法研究

随着无人机技术的高速发展,无人机巡航环境中的障碍物检测成为热点。针对目前复杂环境下直线类障碍物检测准确率低、精度差的问题,提出了一种基于像素梯度和距离编组的直线类电力线检测算法。首先结合图像灰度特征提取图像直线边缘点,根据图像电力线特征构建直线支撑区域并对其进行调整,为改善图像电力线检测断裂的问题,最后根据直线间的距离度量完成直线段的编组和拟合,实现复杂背景环境中直线类电力线的检测。通过实验证明,算法有效解决了无人机复杂背景环境电力线图像中直线的误检、断裂与漏检问题,降低了光照变化对电力线的检测影响,提高了电力线检测的鲁棒性。

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。

复杂地物背景下的电力线识别算法

为了从复杂无人机航拍图像中快速有效地检测与提取出电力线,基于电力线特征,提出一种复杂地物背景下的电力线识别算法。采用改进的Ratio算子并结合基于轮廓特征的背景去噪算法完成电力线的边缘检测,利用基于Hough变换的直线动态编组拟合与筛选算法进行边缘提取,最终识别出完整的电力线。实验结果表明,所提算法可有效排除噪声干扰,在多种航拍场景下的识别准确率达96.37%以上,识别精度与时效性比常见的同类算法均有明显的提升,具有较好的电力巡线应用价值。

基于基本块分组与融合的特征直线检测算法

直线特征蕴含图像中重要的几何信息,进行精确直线检测至关重要。针对场景复杂、纹理重复对象的直线检测中存在断线多、误检测率高的问题,提出一种基于基本块分组与渐进式融合的特征直线检测方法(BPC_GF)。该方法首先采用改进的自适应Canny边缘检测算法检测图像边缘点的属性;其次从边缘像素点中确定瞄点,引入基本块概念,结合贪心算法生成不同类型的基本块;然后对同一类型的基本块依据相邻基本块间主方向角度偏差和空间距离约束进行分组、渐进式融合生成候选特征直线,克服了LSD算法中断线及LB_LSD算法中短线段过融合的问题;最后利用改进Helmholtz原理准则剔除由噪声等外界干扰形成的虚假特征直线,得到准确特征直线集。以古建筑图像为数据集进行特征直线检测,实验结果表明,与现有算法LB_LSD相比,该方法的精确率平均提高了5.43个百分点,F-score提高了6.11个百分点。

基于Hough一维变换的直线检测算法

针对标准Hough变换直线检测存在的问题,提出了一种基于Hough一维空间变换的直线检测算法。对图像进行边缘检测,将互不连通的边缘进行分组;利用Hough一维空间变换对边缘组进行直线检测并编组,降低了算法和空间复杂度;通过对直线组进行精确处理,解决了过连接、端点确定和检测精度存在的问题。实验结果表明:该算法有效地解决了标准Hough变换算法中存在的问题,降低了误检率和漏检率,提高了直线检测精度,能够实现对不同类型影像数据的直线检测处理。