邊緣檢測
- 基于改進多目標模板匹配在鋁材計數(shù)的應(yīng)用
徐挺關(guān)鍵詞：邊緣檢測;模板匹配;直線擬合;圖像金字塔0 引言（Introduction）隨著鋁材需求的增加，鋁材的入庫和出庫頻率相應(yīng)增加，準確統(tǒng)計鋁材數(shù)量對庫存調(diào)配愈發(fā)重要。傳統(tǒng)的統(tǒng)計方法通常依賴人工清點計數(shù)，但是人工計數(shù)方式不僅效率低下，而且無法確保統(tǒng)計數(shù)據(jù)的準確性，此外鋁材存放環(huán)境復雜、堆積量大，在這樣的環(huán)境下采用人工計數(shù)方法統(tǒng)計鋁材的入庫和出庫數(shù)據(jù)存在巨大的安全隱患。目前，自動化技術(shù)[1-2]在各個領(lǐng)域都有應(yīng)用。在鋁材數(shù)量統(tǒng)計方面，采用自動化技術(shù)可以
軟件工程 2024年1期2024-01-29
- 級聯(lián)融合邊緣特征的高分辨率遙感影像道路提取
。該模型通過邊緣檢測任務(wù)進行道路邊緣特征自動化提取，將其與改進的ResUNet模型對應(yīng)的卷積單元進行特征級聯(lián)融合，為語義分割道路訓練提供更多的決策依據(jù)，提升道路提取結(jié)果的連通性。通過在各模型特征提取單元中引入交叉壓縮注意力模塊，提升模型的特征提取能力，并在改進的ResUNet模型的編解碼器之間添加全局多尺度特征融合模塊，獲取不同尺度目標地物的全文特征信息，以提升道路最終提取結(jié)果的完整性。在DeepGlobe道路數(shù)據(jù)集上的實驗結(jié)果表明，該模型的道路提取精確率
貴州大學學報（自然科學版） 2023年6期2023-12-14
- 基于傾斜攝影三維網(wǎng)格模型的建筑物輪廓提取研究
；三維網(wǎng)格；邊緣檢測；輪廓提取中圖分類號：TP39? 文獻標志碼：A0 引言建筑物是城市中不可或缺的組成部分，而建筑物的邊緣與輪廓涵蓋了建筑物的幾何形狀和地理位置等信息，對于城鄉(xiāng)地籍管理、三維重建以及智慧城市具有不可替代的作用，傳統(tǒng)的建筑物邊緣與輪廓提取是基于圖像數(shù)據(jù)進行處理的，但是圖像數(shù)據(jù)易受到分辨率、樹木遮擋等因素影響導致信息缺失，三維領(lǐng)域主要是基于點云進行提?。?-2］。點云精度很高，但是點云的制作成本較高，隨著傾斜攝影測量技術(shù)的出現(xiàn)，帶來了新的解決
無線互聯(lián)科技 2023年3期2023-06-15
- 高分遙感影像建筑物邊緣提取模型遷移性評估對比
：深度學習，邊緣檢測，遷移學習。摘要：建筑物邊緣提取對智慧城市建設(shè)具有重要的研究意義，采用人工標注建筑物邊緣的方法需要消耗大量的人力物力。目前，利用深度學習的方法已經(jīng)能提取建筑物大致輪廓，但其需要大量的人工標注的精確樣本進行訓練。因此，文章構(gòu)建了3個邊緣檢測數(shù)據(jù)集并復現(xiàn)了2個經(jīng)典邊緣檢測網(wǎng)絡(luò)RCF和BDCN進行交叉訓練測試實驗，評估邊緣檢測模型的可遷移性，為研究構(gòu)建普適性更強的邊緣檢測網(wǎng)絡(luò)提供思路。關(guān)鍵詞：深度學習；邊緣檢測；遷移學習中圖分類號：P237
無線互聯(lián)科技 2023年6期2023-05-23
- 基于霍夫變換和深度神經(jīng)網(wǎng)絡(luò)的停車場空位檢測模型
anny算子邊緣檢測和霍夫變換直線特征提取等方法的停車場空位檢測模型，其準確率達到94.44%，在檢測停車空位方面取得較好效果﹐為停車場空位圖像檢測方向提供了實現(xiàn)方法和技術(shù)支撐。關(guān)鍵詞：霍夫變換;邊緣檢測;深度學習;車位檢測中圖法分類號：TP391文獻標識碼：AParking space detection model based on hough transform anddeep neural networkQUAN Jianghao，WANG Yun
計算機應(yīng)用文摘·觸控 2022年9期2022-06-09
- 基于機器視覺的高精度微納光纖直徑實時測量
;圖像分割;邊緣檢測中圖分類號： TP 391.4; O 434.3 文獻標志碼： AHigh-precision and real-time measurement of micro-nano fiber diameter based on machine visionLI Hua，MA Yanna，GU Fuxing（School of Optical-Electrical and Computer Engineering， University of
光學儀器 2022年1期2022-05-09
- 模擬“what”通路前端視覺機制的邊緣檢測網(wǎng)絡(luò)
摘? 要： 邊緣檢測是圖像處理工作的關(guān)鍵步驟之一，目前邊緣檢測模型基于卷積神經(jīng)網(wǎng)絡(luò)（CNNs）搭建編碼-解碼網(wǎng)絡(luò)。由于現(xiàn)有編碼網(wǎng)絡(luò)提取特征能力有限，且忽視了神經(jīng)元之間復雜的信息流向，本文模擬視網(wǎng)膜、外側(cè)膝狀體（LGN）和腹側(cè)通路（“what”通路）前端V1區(qū)、V2區(qū)、V4區(qū)的生物視覺機制，搭建全新的編碼網(wǎng)絡(luò)和解碼網(wǎng)絡(luò)。編碼網(wǎng)絡(luò)模擬視網(wǎng)膜-LGN-V1-V2的信息傳遞機制，充分提取圖像中的特征信息;解碼網(wǎng)絡(luò)模擬V4區(qū)的信息整合功能，設(shè)計鄰近融合網(wǎng)絡(luò)以整合編碼
廣西科技大學學報 2022年2期2022-04-12
- 基于手持設(shè)備圖像的車牌定位與車牌識別系統(tǒng)設(shè)計
;（2）基于邊緣檢測的車牌傾斜校正;（3）基于人工神經(jīng)網(wǎng)絡(luò)的車牌字符分割與識別等步驟。對手機拍攝的車牌照片進行實驗，所提出的算法利用神經(jīng)網(wǎng)絡(luò)匹配識別精度達到95.2%，平均運行時間為2.015 s，無論識別精度還是時間都能夠達到應(yīng)用需求。關(guān)鍵詞：智能手持設(shè)備;車牌定位;邊緣檢測;人工神經(jīng)網(wǎng)絡(luò);車牌識別中圖分類號：TP311.5? ? ?文獻標識碼：A文章編號：2096-1472（2022）-01-29-04Abstract： Automatic licen
軟件工程 2022年1期2022-01-04
- 融合鄧氏關(guān)聯(lián)度和細胞膜優(yōu)化的圖像邊緣檢測
膜優(yōu)化的圖像邊緣檢測算法。該算法首先利用鄧氏關(guān)聯(lián)度方法獲取圖像邊緣特征像素點，然后再用細胞膜優(yōu)化算法的全局尋優(yōu)能力從邊緣特征像素點中求解最優(yōu)邊緣像素點，實現(xiàn)圖像邊緣檢測。實驗結(jié)果表明，該算法提取出的邊緣連續(xù)清晰，同時較好的細化了圖像邊緣。關(guān)鍵詞： 鄧氏關(guān)聯(lián)度; 細胞膜優(yōu)化算法; 全局尋優(yōu)能力; 邊緣檢測中圖分類號：TP317? ? ? 文獻標識碼：A文章編號：1009-3044（2021）30-0114-03開放科學（資源服務(wù)）標識碼（OSID）：Imag
電腦知識與技術(shù) 2021年30期2021-11-28
- 關(guān)于數(shù)字圖像處理技術(shù)與邊緣檢測的研究
應(yīng)用過程中，邊緣檢測是十分關(guān)鍵的一類處理方式，應(yīng)用范圍較為廣泛。本文主要分析了數(shù)字圖像處理技術(shù)，并對該項技術(shù)的邊緣檢測概念進行介紹，探討了數(shù)字圖像處理技術(shù)的實際應(yīng)用，希望可以為相關(guān)工作人員起到一些參考作用。關(guān)鍵詞：數(shù)字圖像處理技術(shù);邊緣檢測;應(yīng)用現(xiàn)如今，伴隨著我國科學技術(shù)水平的不斷提升，數(shù)字圖像處理技術(shù)也變得越發(fā)成熟，并廣泛應(yīng)用于我國生物醫(yī)學、航空航天、遙感技術(shù)、軍事探測等領(lǐng)域，具有極快的發(fā)展速度。在圖像處理和計算機視覺當中，邊緣檢測技術(shù)是十分重要的專業(yè)技
科技信息·學術(shù)版 2021年23期2021-11-10
- 基于YOLO v5算法的板材質(zhì)量視覺檢測技術(shù)研究
LO v5;邊緣檢測;尺寸檢測中圖分類號：TP277? ? 文獻標識碼：A? 文章編號：2096-4706（2021）09-0149-05Research on Visual Inspection Technology of Plate Quality Based on?YOLO v5 AlgorithmLIU Fenghua1，XIE Guoxian2，XIAO Haonan2，YANG Liangsheng1，LI Jianfeng1（1.Guangz
現(xiàn)代信息科技 2021年9期2021-11-04
- 基于圖像處理的鋼軌縱向位移檢測系統(tǒng)的研究
、Canny邊緣檢測、Hough變換以及縱向位移計算等算法的實現(xiàn)過程。實驗結(jié)果表明，所設(shè)計的系統(tǒng)具有較高精確性和可靠性，能夠滿足工程實際需要。關(guān)鍵詞：鋼軌縱向位移;圖像處理;邊緣檢測;Hough變換Abstract：The rail expends under the action of running load and natural factors and thus produces longitudinal displacement， which a
計算技術(shù)與自動化 2021年3期2021-10-01
- 基于高分影像的建設(shè)項目擾動面積自動提取
和Canny邊緣檢測算法，提出擾動面積的自動提取算法，并開發(fā)了水土保持目標監(jiān)測系統(tǒng)。選擇榆橫—濰坊等特高壓輸變電工程沿線植被覆蓋度較高的平原、山區(qū)和丘陵區(qū)分別選擇8、9、7個塔基施工區(qū)，進行擾動面積的自動提取，并與傳統(tǒng)影像分類方法最大似然法、面向?qū)ο蠓ǖ奶崛【冗M行比較。結(jié)果表明，開發(fā)的水土保持目標監(jiān)測系統(tǒng)提取的擾動面積與現(xiàn)場人工實測面積相比，精度均在80%以上，明顯優(yōu)于傳統(tǒng)方法。關(guān)鍵詞：水土保持;生產(chǎn)建設(shè)項目;擾動面積;遙感影像;Otsu閾值分割;邊緣檢
人民黃河 2021年9期2021-09-22
- 基于邊緣檢測的槽罐車焊縫提取方法
提出一種基于邊緣檢測的方法提取出焊縫區(qū)域。對槽罐車內(nèi)壁圖像進行灰度化、高斯濾波去噪等預處理;用Canny算子獲取到焊縫的邊緣細節(jié)，采用一系列形態(tài)學處理方法把焊縫邊緣連接成一個區(qū)域，并用最大面積法去除周圍噪聲，初步提取到焊縫區(qū)域;求焊縫區(qū)域的最小外接矩形，將最小外接矩形的四個頂點坐標用到槽罐車焊縫原圖像，提取出完整的焊縫區(qū)域;采用“ 旋轉(zhuǎn)法 ”解決傾斜焊縫的提取問題。關(guān)鍵詞：槽罐車;邊緣檢測;焊縫提取;最小外接矩形中圖分類號：TG409? ? ? 文獻標志碼
電焊機 2021年7期2021-08-26
- 一種基于邊緣算子的自適應(yīng)圖像縮放算法
：圖像縮放;邊緣檢測;線性插值;雙線性插值中圖分類號：TP301.6 ? ? 文獻標識碼：AA Self-adaptive Image Scaling Algorithm based on Edge OperatorLI Hongyan， FU Yirong， QIAO Jiawei， LAI Fangye， YAO Long（School of Mathematics， Physics and Statistics， Shanghai Universit
軟件工程 2021年7期2021-08-05
- 基于多方向的二維高通濾波器圖像邊緣檢測算法
向的各向異性邊緣檢測算法。首先構(gòu)造4個具有各向異性的4階差分模板，對其進行歸一化處理，利用差分模板與原圖像卷積，分別得到垂直、水平、45°、135°四個方向的差分圖像，將四個差分圖像相加并開方得到梯度圖像，然后對梯度圖像閾值二值化處理，得到二值化圖像，最后利用形態(tài)學方法對二值化圖像進行細化操作，得到邊緣圖像。通過多組模擬仿真實驗，驗證了該算法的有效性和優(yōu)越性。關(guān)鍵詞： 邊緣檢測;各向異性;差分模板;閾值二值化;形態(tài)學方法中圖分類號：TP18? ? ? 文獻
電腦知識與技術(shù) 2021年13期2021-07-19
- 一種基于OpenCV的香煙濾棒計數(shù)算法
過亮度均勻、邊緣檢測、顆粒剔除等預處理方法，獲取濾棒的圓周邊緣;然后通過霍夫圓檢測獲取濾棒的位置;最后通過灰度和位置進行異常剔除，得到濾棒的識別結(jié)果。通過實驗，普通濾棒、顆粒濾棒、細支濾棒的F1-分數(shù)分別為99.85%、99.73%、99.92%。說明該方法能夠很好滿足卷煙工廠流水線場景下的使用需求，具備良好的泛化性能。關(guān)鍵詞：濾棒識別;邊緣檢測;霍夫圓檢測;計數(shù)目前對于基于圖像的濾棒計數(shù)方法，主要有三類：分別為面積法近視估算、基于機器學習的識別算法和基于
電子樂園·中旬刊 2021年8期2021-07-09
- 圖像邊緣檢測算法的應(yīng)用研究
? 要】圖像邊緣檢測是圖像處理中非常重要的基礎(chǔ)，邊緣檢測直接影響圖像分割的好壞，因此，要對某個圖像進行分析和研究，首先要從邊緣檢測開始。論文主要研究了邊緣檢測的基本原理，并針對Canny算子給出了改進的方法，同時研究了不同的閾值對Canny算子的影響，并用MATLAB進行仿真，最后對得到的結(jié)果進行分析比較?！娟P(guān)鍵詞】邊緣檢測;算子;MATLAB仿真【Abstract】Image edge detection is a very important foun
中小企業(yè)管理與科技·中旬刊 2021年4期2021-06-06
- 基于視覺的移動設(shè)備屏幕提取與規(guī)范化方法
原始圖像進行邊緣檢測，獲得包含設(shè)備和手部的輪廓;其次，通過種子填充法從輪廓得到設(shè)備和手部的填充區(qū)域;接著在原始圖像上使用基于顏色空間的皮膚檢測方法得到手部區(qū)域，再與之前得到的填充區(qū)域做減運算，以得到獨立的設(shè)備區(qū)域;然后再在獨立設(shè)備區(qū)域的輪廓上做多邊形擬合，得到設(shè)備的四個頂點;最后通過透視變化得到規(guī)范化后的設(shè)備屏幕圖像。實驗表明，該方法在背景不復雜且設(shè)備作為主體的照片環(huán)境下具有較高的準確率。關(guān)鍵詞：移動設(shè)備;圖像提取;邊緣檢測;皮膚檢測中圖分類號：TP391
計算技術(shù)與自動化 2021年1期2021-04-09
- 一種基于改進的Sobel算法鋼軌表面損傷語義分割方法
；語義分割；邊緣檢測*基金：湖南省教育廳資助科研項目（19C1214）0 引言隨著鐵路運輸?shù)闹剌d化、高頻化愈加頻繁，鋼軌受到頻繁強力撞擊，傷損頻繁。鐵路運輸間歇時間短暫，效率低下的人工檢查方式致使作為鐵路安全運營之基的鋼軌無法及時有效排除隱患，給鐵路安全運行帶來巨大挑戰(zhàn)。在鋼軌損傷中，尤以表面?zhèn)麚p數(shù)量居多，檢測效率低，最易被忽視，增加行車危險系數(shù)和維護成本。近年來，高效自動的鋼軌表面?zhèn)麚p檢測技術(shù)成為學者們研究的重點，包括渦流檢測技術(shù)、漏磁檢測技術(shù)、超聲檢測
電子產(chǎn)品世界 2021年11期2021-03-22
- 基于BP神經(jīng)網(wǎng)絡(luò)的智能車牌識別系統(tǒng)
P神經(jīng)網(wǎng)絡(luò);邊緣檢測;字符識別;特征提取中圖分類號： TP391? ? ? ? 文獻標識碼：A文章編號：1009-3044（2021）03-0019-04Abstract： License plate recognition is an important part of information management of vehicles in intelligent transportation， and is very important for t
電腦知識與技術(shù) 2021年3期2021-03-15
- 基于圖像識別的天線機械下傾角測量研究
機械下傾角;邊緣檢測;圖像識別中圖分類號：TG399? ? ? ? ?文獻標識碼：A文章編號：1009-3044（2020）30-0019-04Abstract： The mechanical dip angle of the antenna determines the access range and coverage quality of the mobile network. To measure the mechanical dip angle
電腦知識與技術(shù) 2020年30期2020-12-29
- 夜間車道線檢測的研究
度，最后通過邊緣檢測算法提取出邊緣并應(yīng)用霍夫變換得出直線。應(yīng)用該文算法對夜間環(huán)境下的車道圖像進行測試，實驗結(jié)果表明，該文算法較常規(guī)的車道檢測算法更能準確地檢測出車道線。關(guān)鍵詞： 車道線檢測; 圖像增強; 邊緣檢測; 霍夫變換; 非線性拉伸; 雙邊濾波中圖分類號： TN911.23?34; TP391 ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）24?0026?04Rese
現(xiàn)代電子技術(shù) 2020年24期2020-12-28
- 基于邊緣檢測和形態(tài)學的車牌檢測算法
得畫面，經(jīng)過邊緣檢測、形態(tài)學以及顏色交叉驗證等圖像處理方法，可將背景圖像中的噪聲和無關(guān)信息去除。最終可得到車牌外接長方形坐標并從原圖像中取出，為之后的字符識別提供預處理。關(guān)鍵詞：自動定位;車牌檢測;圖像處理;邊緣檢測;形態(tài)學中圖分類號：TP181文獻標識碼：A文章編號：1009-3044（2020）28-0205-03在許多場景如小區(qū)閘口、商場停車庫閘口、高速收費站中，為了減少人工成本或是提高執(zhí)行效率，使計算機能夠自動識別車牌號碼是有必要的。一般地，識別過
電腦知識與技術(shù) 2020年28期2020-12-14
- 基于改進索貝爾算子的灰度圖像邊緣檢測
劉琛摘 要：邊緣檢測在圖像處理和模式識別等方面發(fā)揮著至關(guān)重要的作用，文中主要以邊緣檢測算法為研究對象，重點研究了基于索貝爾算子的檢測算法，并在原算法的基礎(chǔ)上提出了一種改進的檢測算法，通過增加方向梯度、為斜向梯度增加權(quán)重等措施來解決傳統(tǒng)算法出現(xiàn)的斜向邊緣不敏感、邊緣粗糙等問題。通過MATLAB平臺仿真實驗表明，改進后的方法具有局部特性更好、定位更準確的特點，大幅提高了邊緣檢測效果，增強了目標物體的檢測識別效率。關(guān)鍵詞：灰度圖像;邊緣檢測;索貝爾算子;方向梯度
物聯(lián)網(wǎng)技術(shù) 2020年11期2020-12-07
- 一種基于Sobel算子的邊緣檢測算法
統(tǒng)Sobel邊緣檢測算法對噪聲敏感、定位不夠精確的缺點，提出了改進Sobel算子的邊緣檢測算法。算法基于均值計算和差分處理角度構(gòu)造了5×5的梯度權(quán)值模板，通過改進的非極大抑制算法有效細化了邊緣，采用局部自適應(yīng)動態(tài)閾值提取邊緣信息。通過實驗表明，該算法不僅能夠較快、較好的提取邊緣信息，而且具有較強的抗噪能力。關(guān)鍵詞： Sobel算子; 邊緣檢測; 非極大值抑制; 局部自適應(yīng)動態(tài)閾值中圖分類號： TN 911.73文獻標志碼： AAn Edge Detecti
微型電腦應(yīng)用 2020年10期2020-11-13
- 基于改進三幀差分法的運動車輛目標檢測
三幀差分法與邊緣檢測算子相結(jié)合解決了目標邊緣不連續(xù)性的問題。采用自適應(yīng)閾值法對邊緣檢測算子的高、低閾值進行自動選取，從而提高了算法的自適應(yīng)能力。采用數(shù)學形態(tài)學算法處理，填充了運動目標的部分空洞。實驗結(jié)果表明改進算法能更清晰完整地檢測出運動車輛目標。關(guān)鍵詞：運動車輛目標檢測;三幀差分法;邊緣檢測;自適應(yīng)閾值;數(shù)學形態(tài)學Abstract：In view of the problem of incomplete target detection and poor
科技風 2020年29期2020-11-10
- 基于圖像鄰域濾波和分頻處理的邊緣檢測
后對圖像進行邊緣檢測。實驗結(jié)果表明，該算法能很好地避免噪聲放大，且能保留良好的邊緣細節(jié)。關(guān)鍵詞：邊緣檢測;局部平滑;分頻優(yōu)化;抗噪性能中圖分類號：TP391 ? ? ? ? 文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）31-0022-02Abstract： A new filtering method based on the combination of smoothing algorithm and frequency di
科技創(chuàng)新與應(yīng)用 2020年31期2020-11-06
- 基于DBSCAN的二氧化硅融化過程中質(zhì)心定位方法
用圖像分割、邊緣檢測等一系列圖像分析算法從圖像中提取原始圖像數(shù)據(jù)的輪廓特征，并在此基礎(chǔ)上通過DBSCAN密度聚類算法提取二氧化硅的輪廓，以發(fā)現(xiàn)圖像數(shù)據(jù)中二氧化硅的質(zhì)心的位置數(shù)據(jù)?；诙趸璧膶崟r質(zhì)心位置數(shù)據(jù)可以進一步發(fā)現(xiàn)二氧化硅的融化速率，為提高鐵尾礦的利用率提供理論依據(jù)。關(guān)鍵詞：圖像分割; 邊緣檢測; DBSCAN算法; 二氧化硅融化過程;二氧化硅質(zhì)心位置中圖分類號：TP18? ? ? ? 文獻標識碼：A文章編號：1009-3044（2020）23-0
電腦知識與技術(shù) 2020年23期2020-09-27
- Zynq SOC嵌入式圖像邊緣檢測系統(tǒng)設(shè)計
僅提高了圖像邊緣檢測質(zhì)量，而且具有實時性和可擴展性好的優(yōu)勢。關(guān)鍵詞：嵌入式系統(tǒng);Zynq;圖像處理;邊緣檢測中圖分類號：TP391? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）23-0054-03Abstract： Aiming at the disadvantage of poor scalability of embedded image processing platform on the market， w
科技創(chuàng)新與應(yīng)用 2020年23期2020-08-16
- 基于邊緣線性擬合的芯片亞像素定位算法
;中心定位;邊緣檢測;亞像素;數(shù)據(jù)擬合中圖分類號： TP391;TP23 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.06.041本文著錄格式：羅振威，丁躍澆，甘玉坤. 基于邊緣線性擬合的芯片亞像素定位算法[J]. 軟件，2020，41（06）：204207【Abstract】： In order to solve the problem that the placement machine may n
軟件 2020年6期2020-08-13
- 基于MATLAB的邊緣檢測算法分析
君摘 ?要 邊緣檢測是分割與處理圖像的主要內(nèi)容之一，廣泛應(yīng)用于醫(yī)學、地理、化學等各大領(lǐng)域。圖像不同的意思就是形狀、大小各異。為提取圖像的邊緣信息中顯示的特征像素點，分析四種邊緣檢測方法以及四種形態(tài)學的基本運算，并通過實驗作出比較。關(guān)鍵詞 MATLAB;邊緣檢測;Canny算子;開運算;閉運算中圖分類號：TP301.4 ? ?文獻標識碼：B文章編號：1671-489X（2020）20-0039-03Abstract Edge detection is one
中國教育技術(shù)裝備 2020年20期2020-08-06
- 基于混合濾波器的改進Canny算子圖像邊緣檢測
nny算子在邊緣檢測時，首先會采用高斯濾波對圖像進行平滑處理，但該濾波方法并不能很好地去除圖片中的椒鹽噪聲，當圖片中椒鹽噪聲過多時，檢測效果不理想。為了解決此問題，文中在圖像平滑階段提出了一種基于均值濾波和中值濾波的混合濾波器，對圖像進行平滑處理，在MATLAB環(huán)境下仿真實現(xiàn)，仿真結(jié)果表明，混合濾波器在平滑圖像上表現(xiàn)良好。關(guān)鍵詞：圖像平滑;邊緣檢測;Canny算子;混合濾波;MATLAB;椒鹽噪聲中圖分類號：TP751.1文獻標識碼：A文章編號：2095-
物聯(lián)網(wǎng)技術(shù) 2020年7期2020-07-23
- 支持城域LoRa物聯(lián)專網(wǎng)的煙感報警器設(shè)計與實踐
AN;通信;邊緣檢測中圖分類號：TP39;TN919.5 文獻標識碼：A 文章編號：2095-1302（2020）07-00-040 引 言火災是社會生活中最常見的災害之一，會對人類的生命、財產(chǎn)、公共安全造成威脅，國家各級政府將消防工作作為保障民生安全的重要內(nèi)容之一[1]。目前建筑體內(nèi)的消防子系統(tǒng)存在監(jiān)測手段單一、數(shù)據(jù)交互封閉、應(yīng)用場景局限等問題，嚴重制約了智慧消防的發(fā)展[2]。國家公安部、民政局、住房城鄉(xiāng)建設(shè)部已于2015年11月聯(lián)合出臺公消[2015]
物聯(lián)網(wǎng)技術(shù) 2020年7期2020-07-23
- 基于改進Sobel算子的語義分割算法
題，通過結(jié)合邊緣檢測算法進行語義分割，有效地改善了分割不準確及邊緣模糊的問題。算法采用并行結(jié)構(gòu)，通過邊緣檢測子網(wǎng)絡(luò)所提取的邊緣特征來對語義分割子網(wǎng)絡(luò)所提取的語義分割特征進行信息的補充，采用concat融合兩路特征進行卷積操作來獲取最終分割結(jié)果。實驗基于TensorFlow平臺進行，所提出方法相比以往算法在計算速度接近的同時真實值和預測值的交并比上取得了一定提升，增強了分割結(jié)果。關(guān)鍵詞：圖像分割;邊緣檢測;深度學習;全卷積神經(jīng)網(wǎng)絡(luò)中圖分類號：TP391.41
現(xiàn)代信息科技 2020年24期2020-06-28
- 基于MATLAB的火災視頻探測技術(shù)
二值化處理、邊緣檢測等操作，對火焰的邊緣變化、形狀變化、閃動變化和面積變化等特征進行分析，提取火警信息。應(yīng)用表明，基于MATLAB的火災視頻探測技術(shù)具有可靠性、準確性，能夠?qū)崟r計算得到火焰軌跡，為早期預警火災的發(fā)生打下了堅實的基礎(chǔ)。關(guān)鍵詞： MATLAB;火災視頻探測;圖像識別;邊緣檢測;傳感器引言火災是一種威脅公共安全和社會發(fā)展的災害，會對公用設(shè)施造成破壞，帶來嚴重的經(jīng)濟損失[1]。一般情況下，火災探測主要依靠煙霧傳感器和測溫傳感器，但是在空間廣、跨度大
工業(yè)技術(shù)創(chuàng)新 2020年3期2020-06-21
- 基于3D圖像重現(xiàn)的熔融二氧化硅的形態(tài)研究
SFS模型和邊緣檢測技術(shù)對二氧化硅的實際熔化速率進行定量分析，并得出二氧化硅在1 500 ℃條件下的熔化速率，然后推知其晶體構(gòu)成等理化性質(zhì)。希望本文能為學者研究二氧化硅晶體變化提供借鑒。關(guān)鍵詞：邊緣檢測;圖像處理;卷積;SFSAbstract： In this paper， based on SFS model and edge detection technology， the actual melting rate of silicon dioxide
河南科技 2020年10期2020-06-21
- 圖像分割技術(shù)在服裝領(lǐng)域的應(yīng)用
;圖像分割;邊緣檢測;輪廓提取;服裝設(shè)計智能化DOI： 10. 11907/rjdk.191822開放科學（資源服務(wù)）標識碼（OSID）：中圖分類號：TP317.4文獻標識碼：A文章編號：1672-7800（2020）004-0238-040 引言近幾年，服裝消費逐漸向個性化轉(zhuǎn)變，傳統(tǒng)服裝設(shè)計模式已無法滿足消費者需求。隨著計算機圖像處理技術(shù)的不斷進步，服裝設(shè)計向著智能化、一體化方向發(fā)展。20世紀80年代初，該技術(shù)應(yīng)用于纖維、紗線、面料、成衣檢測等諸多方面，
軟件導刊 2020年4期2020-06-19
- 基于Halcon的光纖端面尺寸檢測方法
ny算子作為邊緣檢測算子確定像素級邊緣，該方法邊緣檢測性能較好，且具有較強的抗噪聲能力;再從選取的邊緣中選出類圓度高的部分邊緣進行共圓輪廓合并、擬合，通過擬合的橢圓和圓得到光纖半徑、不圓度、同心度等幾何參數(shù)。實驗結(jié)果表明，纖芯和包層半徑可以精確到萬分之一，不圓度和同心度可以精確到小數(shù)點后8位，測量精度較高且不受操作水平影響。關(guān)鍵詞：Halcon; 光纖端面尺寸檢測;? 邊緣檢測;? 橢圓擬合; 圓擬合DOI：10. 11907/rjdk. 191603中圖
軟件導刊 2020年3期2020-05-28
- 基于可編程SOC的圖像邊緣檢測系統(tǒng)
實現(xiàn)對視頻的邊緣檢測。測試結(jié)果顯示，硬件邊緣檢測速度比純軟件邊緣檢測速度快10倍，為邊緣人工智能在嵌入式應(yīng)用方面提供了可行方向。關(guān)鍵詞：邊緣人工智能;邊緣計算;可編程SOC;軟硬件協(xié)同;邊緣檢測;嵌入式應(yīng)用DOI：10. 11907/rjdk. 191606中圖分類號：TP317.4?? 文獻標識碼：A??????????????? 文章編號：1672-7800（2020）003-0244-04Image Edge Detection System Bas
軟件導刊 2020年3期2020-05-28
- 基于模板匹配的醫(yī)用內(nèi)窺鏡影像目標識別算法
比模板匹配和邊緣檢測匹配兩種算法之后，發(fā)現(xiàn)模板匹配方法容易受到光照影響，將兩者綜合后的算法對光照和像素遷移有很強的抗干擾能力，適合于醫(yī)用內(nèi)窺鏡光照條件不足的應(yīng)用環(huán)境。此外，引入的CamShift 算法以顏色特征作為第二匹配依據(jù)，可應(yīng)對邊緣不明顯的情況。實驗中分別對手術(shù)器械和膽囊進行模擬識別跟蹤，實驗結(jié)果表明，在該運動目標檢測跟蹤算法下，視頻畫面的幀速率穩(wěn)定在30fps，不會出現(xiàn)卡頓情況，識別準確率達到了95%，并且在追蹤過程中不會丟失目標。該算法原理簡單、
軟件導刊 2020年3期2020-05-28
- 基于邊緣的圖像分割在牛體尺測量中的應(yīng)用
的課題之一。邊緣檢測能勾畫出目標物體，蘊含豐富的信息，是圖像分割、識別和分析中抽取圖像特征的重要方法。本文通過常用算子如Sobel、Roberts、Prewitt、Gauss-Laplace和Canny算法對牛體圖像分割的效果進行實驗對比，證明Canny算子總體上優(yōu)于其他算子。針對Canny算子分割可能產(chǎn)生的斷裂和不完整，運用OR運算結(jié)合模糊和邊緣信息去除斷邊，利用數(shù)字形態(tài)學重新填充圖像中的空洞，增強邊緣輪廓顯示的效果。在此基礎(chǔ)上進行的牛體測量結(jié)果與實際結(jié)
數(shù)字技術(shù)與應(yīng)用 2020年2期2020-05-11
- 基于視覺的駕駛輔助系統(tǒng)研究
運用梯度計算邊緣檢測與非最大值抑制方法檢測邊緣，通過選擇高閥值過濾邊緣像素。得到車道線輪廓線后基于Hough的車道線檢測原理，使用二元性的點和線，將原始圖像給出的曲線轉(zhuǎn)化為一個點在參數(shù)空間的曲線表達形式，解決曲線檢測問題轉(zhuǎn)化為參數(shù)空間中的最大值，且將整體特征的檢測轉(zhuǎn)換為本地檢測的特點。關(guān)鍵詞：圖像處理;邊緣檢測;車道線檢測中圖分類號：P237? ? ? ? ? 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）11-0049-03Ab
科技創(chuàng)新與應(yīng)用 2020年11期2020-04-26
- 一種紅細胞邊緣檢測算法的研究
詞：紅細胞;邊緣檢測;噪聲點;圖像處理技術(shù)中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2020）02-0208-02實踐表現(xiàn)，圖像預處理技術(shù)在多個領(lǐng)域均有涉及，依據(jù)需求的不同，要求預處理需對圖像個體性特征予以凸顯，處理方法也存在明顯差別，細胞圖像預處理以增強和去噪處理為主要工作內(nèi)容，圖像預處理結(jié)果如何，可對細胞檢測準確率造成嚴重影響。所獲取的紅細胞圖像，因采集角度、視覺有所不同，有細胞模糊的情況存在，在處理呈模糊狀態(tài)的紅細
電腦知識與技術(shù) 2020年2期2020-03-16
- 機載LIDAR輸電巡檢中絕緣子缺陷識別研究
緣子影像進行邊緣檢測，處理后所獲取圖像邊緣更完整、清晰。邊緣連接性更強，輪廓邊緣的細節(jié)更加完整，能有效抑制噪聲對邊緣檢測的干擾，實驗結(jié)果表明，該方法可以較好地完成對目標圖像的識別，從而對絕緣子缺陷監(jiān)測和定位提供數(shù)據(jù)支撐。關(guān)鍵詞：輸電線路? 激光雷達? 絕緣子? Canny算法? 邊緣檢測中圖分類號：TM755? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）0
科技創(chuàng)新導報 2020年27期2020-02-22
- 改進Canny算子在水面目標邊緣檢測中的研究
于Canny邊緣檢測思想，采用雙邊濾波，以及通過 Sobel 算子計算梯度幅值方向，并在梯度非極大值抑制過程中，將極大值點作為候選邊緣點，將極大值二次刷選，保留8鄰域內(nèi)候選邊緣點不相鄰的非極大值點，最后利用 Otsu 計算圖像高低閾值。結(jié)果證明，該方法能更準確的檢測邊緣信息，且具備較強的自適應(yīng)性。關(guān)鍵詞： 邊緣檢測; Canny算法; 雙邊濾波; 非極大值抑制; Otsu中圖分類號：TP311 ? ? ? ? ?文獻標識碼：A ? ?文章編號：1006-8
計算機時代 2020年1期2020-02-14
- 基于彈簧質(zhì)點模型邊緣檢測算法的改進
彈簧質(zhì)點模型邊緣檢測算法。為解決現(xiàn)有彈簧質(zhì)點模型邊緣檢測算法檢測的邊緣較粗問題，本文在該模型計算像素點合力的公式中增加一個合力因子，結(jié)合數(shù)學形態(tài)學中腐蝕膨脹的原理來改進彈簧質(zhì)點模型邊緣檢測算法，以便能得到單像素寬度的邊緣。實驗結(jié)果表明，該算法的檢測效果更加理想。關(guān)鍵詞：邊緣檢測;彈簧質(zhì)點模型;數(shù)學形態(tài)學;細化邊緣中圖分類號：TP391.41;TP751文獻標識碼：ATheimproved algorithm based on Massspring mode
科技風 2020年22期2020-01-20
- 基于MATLAB的車牌定位技術(shù)研究
度化、去噪、邊緣檢測、形態(tài)學濾波等，完成了MATLAB環(huán)境下的仿真，最后實現(xiàn)了基于灰度邊緣檢測的車牌定位。實驗結(jié)果表明，該方法去噪效果較好，簡單方便，定位快、成功率高?！娟P(guān)鍵詞】MATLAB;車牌定位;灰度化;邊緣檢測中圖分類號： TP391.41文獻標識碼： A文章編號： 2095-2457（2019）32-0038-002DOI：10.19694/j.cnki.issn2095-2457.2019.32.015Research on License P
科技視界 2019年32期2019-12-02
- 基于灰度的亞像素插值視覺測量方法
理，結(jié)合常規(guī)邊緣檢測方法和圖像的灰度曲線圖，利用閾值分割和標準長度進行亞像素自適應(yīng)閾值選擇。為驗證該方法的有效性，對標準量塊長度進行測量實驗，并分析測量系統(tǒng)的誤差影響因素。相比于傳統(tǒng)的Canny算子方法檢測結(jié)果，該方法的平均測量準確度提升46.2%。實驗結(jié)果表明該算法的測量精度較高，可以快速、精確地測量出物體的幾何尺寸。關(guān)鍵詞：視覺測量;尺寸測量;邊緣檢測;亞像素插值算法中圖分類號：TP391.4 文獻標志碼：A 文章編號：1674-5124（2019）0
中國測試 2019年5期2019-11-15
- 基于智能控制算法的自動駕駛系統(tǒng)優(yōu)化研究
目標識別; 邊緣檢測; 系統(tǒng)測試中圖分類號： TN876?34; TP391.99 ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）20?0177?04Optimization of automatic driving system based on intelligent control algorithmHUO Guili1， 2（1. Shanxi University
現(xiàn)代電子技術(shù) 2019年20期2019-11-12
- 基于RCF的精細邊緣檢測模型
于深度學習的邊緣檢測技術(shù)生成的邊緣粗糙及模糊等問題，提出一種基于更豐富特征的邊緣檢測（RCF）模型（Richer Convolutional Features for Edge Detection）的端到端的精細邊緣檢測模型。該模型以RCF模型為基礎(chǔ)，在主干網(wǎng)絡(luò)中引入“注意力”機制，采用SE（Squeeze-and-Excitation）模塊提取圖像邊緣特征，并且去掉主干網(wǎng)絡(luò)部分下采樣，避免細節(jié)信息過度丟失，使用擴張卷積技術(shù)增大模型感受野，并利用殘差結(jié)構(gòu)將
計算機應(yīng)用 2019年9期2019-10-31
- 結(jié)合語義邊界信息的道路環(huán)境語義分割方法
路環(huán)境感知;邊緣檢測;無人駕駛車輛中圖分類號：TP391.4文獻標志碼：ASemantic segmentation method of road environment? combined semantic boundary informationSONG Xiaona1，2， RUI Ting1*， WANG Xinqing11.College of Field Engineering， Army Engineering University of P
計算機應(yīng)用 2019年9期2019-10-31
- 基于機器視覺的智能卡挑線自動定位方法研究
：機器視覺;邊緣檢測;自動定位中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（2019）22-0184-02開放科學（資源服務(wù)）標識碼（OSID）： The Research of Smart Card Metal Wire Picking Automatic Positioning Method Based on Machine VisionHUANG Wen-Hao1， LIANG Peng2*， WU Yu-ting3
電腦知識與技術(shù) 2019年22期2019-10-31
- 基于機器視覺圖像識別及處理的方法
;顏色過濾;邊緣檢測;霍夫變換;HSV1 緒論機器視覺是人工智能正在快速發(fā)展的一個分支。通俗地講，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統(tǒng)是通過攝像頭等圖像采集裝置將被攝取目標轉(zhuǎn)換成圖像信號，通過對圖像的像素特征進行處理運算得到目標的特征進而根據(jù)結(jié)果來進行下一步操作。生產(chǎn)生活中人們對智能化產(chǎn)品的需求日益劇增，機器視覺作為人工智能不可或缺的一個分支，具有非常重要的研究價值。2 圖片模糊模糊操作時圖像處理中最簡單和常用的操作之一，使用該操作的原因
科技風 2019年15期2019-10-21
- 基于機器視覺的齒輪檢測研究
去噪，為精確邊緣檢測提供基礎(chǔ)。最后，采用改進的canny邊緣檢測算法對齒輪的邊緣進行提取。通過實驗得出，該算法不僅定位準確，而且齒輪邊緣的完整性能夠清晰的提取出來，降低亮斑對齒輪圖像檢測的誤差，為機械自動化一體設(shè)備完成自動檢測提供了前期技術(shù)支持?！娟P(guān)鍵詞】機器視覺;圖像預處理;邊緣檢測;canny邊緣檢測算法;機械自動化引言如今，隨著圖像處理、光學成像、傳感器、處理器等技術(shù)的快速崛起與發(fā)展，機器視覺在人們生產(chǎn)和生活中的應(yīng)用越來越廣泛，從工業(yè)生產(chǎn)到金融、安防
科學導報·科學工程與電力 2019年22期2019-10-21
- 基于圖像處理的長距離車道線檢測
車道線檢測;邊緣檢測;智能交通;長距離檢測;透視變換中圖分類號：TP391.41文獻標識碼：A文章編號：1003-5168（2019）29-0111-03Long Distance Lane Detection Based on Image ProcessingMA Quanjun HE Zichao LIN Bangyan ZENG Wenxuan（Guangzhou College of South China University of Techno
河南科技 2019年29期2019-10-21
- 基于圖像融合的輸電線路覆冰邊緣檢測
輸電線路覆冰邊緣檢測，提出了一種基于圖像融合技術(shù)的方法對輸電線路覆冰狀態(tài)進行判定。對輸電線路進行邊緣檢測是通過圖像預處理、Canny算子的邊緣檢測、形態(tài)學邊緣檢測以及像素級圖像融合等方法實現(xiàn)的。實驗仿真表明：融合后的圖像邊緣能夠取各自的優(yōu)勢，使邊緣檢測效果更好。關(guān)鍵詞： 邊緣檢測;形態(tài)學;Canny算子;圖像融合;輸電線路中圖分類號： TP391.41 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.08.
軟件 2019年8期2019-10-08
- 基于自適應(yīng)閾值“雙K算法”的零件缺陷邊緣檢測
： 針對傳統(tǒng)邊緣檢測方法難以實現(xiàn)邊緣信息的準確檢測問題，提出了一種零件缺陷邊緣檢測的新方法.首先對采集到的零件缺陷圖像進行灰度化和Wiener濾波，以減少噪聲等因素對后期檢測的影響;然后，以kalman算法預估圖像分割閾值作為Krisch算法的初始閾值;在此基礎(chǔ)上，進行零件缺陷邊緣檢測，以提高零件缺陷檢測的準確性. 最后，利用MATLAB軟件對零件缺陷圖像進行仿真試驗，驗證邊緣檢測算法的檢測效果.實驗結(jié)果表明，推薦算法檢測的平均準確率達到94.38%，能夠
軟件 2019年2期2019-10-08
- 基于圖像分割技術(shù)的小麥識別
;圖像增強;邊緣檢測;圖像分割;識別;閾值分割中圖分類號：TP393文獻標識碼：A文章編號：2095-1302（2019）08-00-030 引 言新時代之際，計算機視覺技術(shù)席卷而來?；跈C器視覺的圖像識別技術(shù)在農(nóng)業(yè)領(lǐng)域得到了廣泛應(yīng)用。最初的圖像識別扮演著實用工具的角色，目的是將物理圖像轉(zhuǎn)換為數(shù)字圖像，而今天，圖像識別技術(shù)開始著重于機器層面上的智能識別。于農(nóng)業(yè)而言，十九大報告中指出：世界各國農(nóng)業(yè)的發(fā)展從最初的體力為主的農(nóng)業(yè)1.0，到農(nóng)業(yè)機械為主的農(nóng)業(yè)2.0
物聯(lián)網(wǎng)技術(shù) 2019年8期2019-09-25