检索结果-南通市图书馆

基于图像边缘检测技术的采摘机器人视觉系统设计

在线全文

学校读者我要写书评

暂无评论

农机化研究 2020年第3期42卷 245-248页

作者：孟颍辉王洁琼田二林于源郑州轻工业大学计算机与通信工程学院

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走... 详细信息

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。

关键词：图像边缘检测采摘机器人视觉系统定位导航位置坐标

视觉增强图像边缘检测算法研究及DSP硬件实现

在线全文

学校读者我要写书评

暂无评论

视觉增强图像边缘检测算法研究及DSP硬件实现

作者：李旭成都理工大学

学位级别：硕士

图像边缘检测技术在工业、医学、遥感和航空等众多领域均发挥着至关重要的作用,但由于图像采集设备本身存在缺陷和特殊的提取过程等多种因素的影响,使得图像存在边缘模糊、视觉感受效果差等问题,所以对图像进行增强成为了必要的图像处... 详细信息

图像边缘检测技术在工业、医学、遥感和航空等众多领域均发挥着至关重要的作用,但由于图像采集设备本身存在缺陷和特殊的提取过程等多种因素的影响,使得图像存在边缘模糊、视觉感受效果差等问题,所以对图像进行增强成为了必要的图像处理过程。对图像进行增强处理的目的是为了增加图像中的重要细节信息,提高图像的对比度,使图像具有更加良好的视觉效果。传统的图像边缘检测方法只关注图像中的数学指标,忽视了视觉效果的重要性,因此在视觉观察效果上不是很理想。对图像的边缘信息提取在图像特征信息识别和特征匹配的描述中有着重要的作用,所以,基于视觉特性增强的图像边缘检测技术研究具有重要意义。随着图像处理技术的不断进步,很多科研学者根据其人眼的视觉特性来对图像进行增强和边缘检测,取得了很多相关研究成果,但是仍然没有找到一种对所有图像都适用的图像处理方法,这些方法都存在着一定的缺陷和局限性。本文将根据人眼视觉特性,建立一种新的阈值计算方法。并把这种新建立的阈值计算方法应用在图像增强和图像边缘检测算法中,通过对图像边缘检测算法进行分析和改进,将改进后的边缘检测算法通过CCS集成开发环境软件编程,在基于TMS320F28335为核心处理器的DSP硬件平台中实现。本文做的主要工作如下:（1）对目前国内外常用的图像增强和图像边缘检测算法进行了研究与分析,在MATLAB仿真平台中对其传统的图像边缘检测算法进行实验仿真。根据人眼对灰度等级的辨识能力这一视觉特性,建立了一种基于三角函数模型的阈值计算方法。（2）通过对基于人眼视觉特性建立的阈值计算方法进行研究和分析,对计算出的阈值在LIP（Log Image Process）对数图像处理的图像增强算法中应用,具有较强的去噪能力。（3）结合传统的几种滤波算法和本文方法对图像进行去噪处理,通过计算峰值信噪比（Peak Signal to Noise Ratio,PSNR）和均方误差（Mean-square error,MSE）对比几种方法的去噪效果。（4）针对传统边缘检测算法所存在的不足,根据人眼的视觉特性,在传统的边缘检测算法基础上,实现了一种改进的图像边缘检测算法,通过在传统的Prewitt算法梯度模板中增加22.5°、45°、67.5°、112.5°、135°、157.5°六个梯度方向,并将原来3×3大小的模板改为5×5的卷积模板,使其能够检测到更多的梯度方向,这样可以保留更多的图像信息。改进的Prewitt算法不仅具有较好的去噪能力,而且还能获取更多的边缘信息。（5）为了在硬件平台中实现该算法,本文以TMS320F28335为核心处理器搭建硬件系统,完成对TMS320F28335最小系统和OV7670摄像头图像采集模块的硬件电路设计。（6）将改进的基于视觉特性增强的图像边缘检测算法在DSP硬件平台中实现。本文采用TI公司的TMS320F28335为核心处理器的硬件开发平台,通过CCS（Code Composer Studio）集成开发环境,对改进后基于视觉特性的多方向图像边缘检测算法进行程序编写,并将实验结果通过CCS集成开发环境中的Image图形显示窗口显示,验证该算法在DSP硬件平台上的可实现性。

关键词：视觉特性阈值计算图像边缘检测图像增强 DSP

基于GHT的公路隧道衬砌裂缝图像边缘检测系统

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自动化技术与应用 2023年第4期42卷 49-52,70页

作者：闫浩国中铁第一勘察设计院集团有限公司陕西西安710000

针对目前方法存在裂缝覆盖性能差、检测裂缝宽度误差大、检测效果差的问题,设计基于GHT的公路隧道衬砌裂缝图像边缘检测系统。首先基于裂缝检测要求完成系统的整体框架;再对框架中图像采集、辅助以及裂缝识别等模块进行设计;以系统模块... 详细信息

针对目前方法存在裂缝覆盖性能差、检测裂缝宽度误差大、检测效果差的问题,设计基于GHT的公路隧道衬砌裂缝图像边缘检测系统。首先基于裂缝检测要求完成系统的整体框架;再对框架中图像采集、辅助以及裂缝识别等模块进行设计;以系统模块为基础设计系统软件,其中采用GHT算法对图像像素进行缩减操作,从而实现裂缝图像边缘的检测。实验结果表明,本次设计的系统覆盖性能高,检测裂缝宽度误差小,检测效果好。

关键词： GHT算法隧道衬砌裂缝图像边缘检测

在线全文

学校读者我要写书评

暂无评论

灰色系统理论在图像边缘检测中的应用研究

武汉大学学报（信息科学版） 2012年第8期37卷 929-931页

作者：徐腊梅易春菊武汉理工大学自动化学院武汉市珞狮路122号430070

提出了一种将邓氏关联度与经典的Prewitt边缘检测算子相结合的边缘检测方法。采用Prewitt算子作为参考序列,图像各像素点及其8邻域构成比较序列,计算参考序列和比较序列之间的邓氏关联度,依据邓氏关联度的大小来判断图像的边缘。仿真实... 详细信息

提出了一种将邓氏关联度与经典的Prewitt边缘检测算子相结合的边缘检测方法。采用Prewitt算子作为参考序列,图像各像素点及其8邻域构成比较序列,计算参考序列和比较序列之间的邓氏关联度,依据邓氏关联度的大小来判断图像的边缘。仿真实验表明,该方法可以较准确地检测出有用的图像边缘信息,具有一定的抗噪能力,提取的边缘比较完整,非边缘点少,连续性好。

关键词：图像边缘检测 Prewitt算子邓氏关联度

基于图像边缘检测技术的入水空泡形态及特征计量方法研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中国计量大学学报 2023年第2期34卷 163-171,223页

作者：郑葳段金雄孙铁志中国计量科学研究院北京100029 大连理工大学船舶工程学院辽宁大连116024

目的:对高速摄像得到的入水空泡影像图片进行空泡轮廓提取,定量分析入水空泡形态和特征。方法:前期利用图像增强技术对入水空泡图像进行预处理,利用Canny边缘检测算子对预处理得到的图像进行空泡边缘坐标提取,最终完成对入水空泡的形态... 详细信息

目的:对高速摄像得到的入水空泡影像图片进行空泡轮廓提取,定量分析入水空泡形态和特征。方法:前期利用图像增强技术对入水空泡图像进行预处理,利用Canny边缘检测算子对预处理得到的图像进行空泡边缘坐标提取,最终完成对入水空泡的形态特征计量。结果:通过对小球入水实验入水空泡图像进行边缘轮廓处理,算法计算结果与实验数据误差保持在2.5%以下,验证了空泡边缘检测技术的可行性。利用空泡边缘检测技术对小球入水空泡以及圆柱入水空泡边缘坐标进行了提取并进一步定量分析了入水空泡的形态特征。结论:入水空泡边缘检测技术在应用中效果良好,可以定量提取入水空泡边缘轮廓坐标。

关键词：计量学入水空泡图像边缘检测空泡形态坐标提取

改进的Sobel算法和形态学小波变换相融合的图像边缘检测方法

在线全文

学校读者我要写书评

暂无评论

金陵科技学院学报 2022年第2期38卷 15-21页

作者：殷婷婷杨忠孙瑞胜张棋金陵科技学院智能科学与控制工程学院江苏南京211169 南京理工大学能源与动力工程学院江苏南京210094 中国航天科工集团8511研究所江苏南京210007

图像的边缘检测是图像处理领域的基本问题。针对小波变换模极大值法检出边缘不连续的问题,引入形态学的处理方式,增强边缘连续性。针对传统Sobel算法检测精度低且采用固定阈值的问题,提出一种结合自适应阈值和增加检测梯度的改进方法。... 详细信息

图像的边缘检测是图像处理领域的基本问题。针对小波变换模极大值法检出边缘不连续的问题,引入形态学的处理方式,增强边缘连续性。针对传统Sobel算法检测精度低且采用固定阈值的问题,提出一种结合自适应阈值和增加检测梯度的改进方法。结合形态学小波变换和改进的Sobel算法的优点,通过算法融合的方式,提出了一种将两者融合的图像边缘检测方法。仿真结果表明,该方法提高了边缘检测的精度和连续性,更好地满足了图像边缘定位稳定可靠的要求。

关键词：图像边缘检测模极大值小波变换 Sobel算法形态学

在线全文

学校读者我要写书评

暂无评论

云环境下改进TLBO算法的图像边缘检测

测绘科学 2017年第11期42卷 188-194页

作者：杨晓红杨娟陈韬张清扬安徽省基础测绘信息中心合肥230031 安徽省智慧城市与地理国情监测重点实验室合肥230031 合肥工业大学计算机与信息学院合肥230001

针对TLBO算法在解决复杂高维问题时,表现容易陷入局部最优,多样性丢失过快等不足的问题,提出了一种基于云计算环境下改进的TLBO算法(ITLBO),并将其应用到图像边缘检测中。通过对基本TLBO算法中的‘教’与‘学’阶段进行改进,引入一种新... 详细信息

针对TLBO算法在解决复杂高维问题时,表现容易陷入局部最优,多样性丢失过快等不足的问题,提出了一种基于云计算环境下改进的TLBO算法(ITLBO),并将其应用到图像边缘检测中。通过对基本TLBO算法中的‘教’与‘学’阶段进行改进,引入一种新的种群更新方法,提高算法的迭代寻优能力。利用云环境下将该方法应用到图像边缘检测中进行实际性能验证,实验仿真结果表明,该方法提取图像的边缘信息的有效性。本文研究可为智慧城市的建设提供关键技术参考。

关键词： TLBO算法图像边缘检测优化方法图像处理

在线全文

学校读者我要写书评

暂无评论

图像边缘检测Laplace算子的改进

沈阳建筑大学学报（自然科学版） 2005年第3期21卷 268-271页

作者：郑莹孙燮华沈阳建筑大学信息与控制工程学院辽宁沈阳110168 中国计量学院信息工程学院浙江杭州310018

目的改进原有Laplace算子在检测图像边缘时的精度和清晰度,进一步准确地研究图像的基本特征.方法通过将原有的模板从3×3矩阵形式扩展成7×7矩阵形式.除了对特殊方向的边缘进行检测外,增加对非特殊方向边缘的检测.同时根据各点与中心点... 详细信息

目的改进原有Laplace算子在检测图像边缘时的精度和清晰度,进一步准确地研究图像的基本特征.方法通过将原有的模板从3×3矩阵形式扩展成7×7矩阵形式.除了对特殊方向的边缘进行检测外,增加对非特殊方向边缘的检测.同时根据各点与中心点的距离远近设置合理的权系数,以提高边缘检测的效果.结果通过比较原有算子和改进算子的实验效果图表明,运用改进的Laplace算子进行边缘检测,边缘更加连续、准确和清晰,有效避免了伪边缘的出现.同时检测出一些原有的Laplace算子检测不出来的边缘,弥补了原有的Laplace算子的缺陷,取得了较好的效果.结论对Laplace算子的改进,提高了图像边缘检测的效果,较好的保持边缘的连通性,准确地检测图像的边缘.

关键词： Laplace算子图像边缘检测特殊方向矩阵形式同时检测检测图像清晰度权系数中心点连通性距离

面向交叉融合神经网络的图像边缘检测及目标分类算法研究

在线全文

学校读者我要写书评

暂无评论

面向交叉融合神经网络的图像边缘检测及目标分类算法研究

作者：王升烨重庆邮电大学

学位级别：硕士

近年来,随着图像处理技术的快速发展,图像边缘检测及目标分类在计算机视觉领域中占有重要地位,也是图像处理领域的研究热点。准确的图像边缘检测及目标分类对于进行高层次的特征提取、特征描述、目标识别和图像理解等有着极大的影响。... 详细信息

近年来,随着图像处理技术的快速发展,图像边缘检测及目标分类在计算机视觉领域中占有重要地位,也是图像处理领域的研究热点。准确的图像边缘检测及目标分类对于进行高层次的特征提取、特征描述、目标识别和图像理解等有着极大的影响。图像边缘检测及目标分类主要分为基于灰度提取的检测技术、基于卷积神经网络的检测技术等。本文主要研究内容是基于卷积神经网络在图像特征点的检测与提取,在图像特征点检测与提取阶段,构建一种基于Caffe（Convolutional Architecture for Fast Feature Embedding）框架与VGG16（Visual Geometry Group）模板,提出精确边缘检测器VCF（Visual cross-fusion networks）,并在物体多分类算法基础上改进了基于Faster R-CNN（Faster Region-CNN）的图像目标分类及识别模型,加快了图像边缘检测的效率,同时也提升了图像边缘检测的精确度和物体多分类的定位精准度。本文的主要研究工作包括:1.针对已有的特征点提取算法存在的边缘局部线条缺失、提取精确度低、易受噪声干扰等不足,本文采用深度学习卷积神经网络VGG16的五层结构网络,不同于已有算法在计算方式上的来回转换,只需一个完整网络结构就可以完成特征的提取与检测,每一个组合神经网络层之间通过最大池化方式,尽量还原被缩放的特征图像。针对特征图像的提取方面,本文设计VCF神经网络结构来实现对图像边缘的特征点进行提取。2.本文研究基于卷积神经网络提取的图像边缘检测方法,针对VGG16、HED（Holistically-nested edge detection）、RCF（Richer Convolutional Features）等算法得到的效果图过于依赖全连接层,在一定程度上存在边缘线条粗糙,且由于损失函数设定困难,极易造成梯度消失现象和大量主要特征信息丢失等问题。采用1（9）1多卷积核的梯度方式来降维,完成横纵向图像低级与高级特征对象的采集,再通过自上而下和自左向右循环卷积流向方式,保证每层的损失函数可以较平稳的前向学习和后向反馈学习。3.在完成多次卷积特征后,目标图像与参考图像被映射到同一坐标系下经过设定的损失函数和融合层处理,融合层的处理是以侧向输出的第3层为基底,分别与1、2、4层的输出图进行两两网络交叉融合,并将融合后的特征图像通过加权损失函数计算各层损失值,若有学习目标丢失或反卷积过程中追溯不到原定的位置梯度,就停止训练,重置消失层,直到循环训练结束,模型逐渐成熟,使得到的最终结果更接近目标边缘曲线。4.当一幅图像中有多个目标存在时,采用原Faster R-CNN网络结构会出现定位目标物体精确度较低等问题,本文增添候选推荐框的比例尺寸和锚点数量,使网络仍然可以捕捉到目标的特征并进行定位,也使置信度评分可以达到0.8以上。在RPN（Region Proposal Network）交叉层输出结果中,本文充分利用0.5～0.7之间的特征信息,结果输出包含丰富的正样本对象,剔除了大量的非感兴趣信息,使得图像的对象分类更加清晰准确。

关键词：卷积神经网络图像边缘检测损失函数目标检测候选框