基于随机Hough变换的圆形目标检测实验

针对REVS-50M小型光电跟踪系统基于颜色阈值检测所存在的误跟踪问题,设计了形状检测实验。在实验过程中,提出采用Hough变换检测圆形手动靶标的方法。但常规Hough变换存在许多缺点,并不适用于较为复杂的情况。进而引导学生采用随机Hough变换,并针对其随机采样带来的缺陷,对随机Hough变换做出了一些改进,利用了梯度信息减少无效累积,并在判断真圆时缩小了验证范围,从而优化了算法。     

基于Hough变换的椭圆检测算法对比分析

椭圆检测在图像识别与计算机视觉领域具有重要研究意义。为了对比分析出不同椭圆检测算法的优缺点,提高检测精确度和效率,针对基于Hough变换的椭圆检测4种算法（传统Hough变换方法、几何特征椭圆检测法、弦中点椭圆检测法和三点椭圆检测法）进行仿真,并对不同算法进行有效性分析。通过对检测结果进行客观评价,得出对比结论,并根据实验结果分析不同算法适用的对象。设计了椭圆检测对比分析软件平台,便于进行不同算法的对比分析。     

基于数学形态学的小波变换图像去噪方法研究

数学形态学和小波变换在信号处理领域应用广泛,提出基于数学形态学的小波自适应算法进行图像去噪处理,通过实验证明该算法不仅可以对图像进行有效的去噪处理,而且能很好地保留原图像的细节特征,避免了常规算法的缺点,效果良好。     

基于形态学及dq变换的电能质量检测新方法

现代化电力系统要求实现电力系统和电气设备的数字化检测、控制与保护,而这些都是基于对电气参数的及时、准确和可靠检测基础上的。先用dq变换将电压信号分解成直流量和倍频分量,再采用形态学滤波算法提取出电压的基频分量。仿真与实际应用表明,该方法实时性好、测量精度高、易于硬件开发。     

随机Hough变换在高压输电线检测中的应用

将改进的随机Hough变换(RHT)应用于高压输电线图像中的电线检测。对采集到的图片进行图像增强、去噪、边缘检测等预处理操作,根据高压输电线的直线特征和角度特征,采用结合角度判定改进的RHT完成输电线路的检测。实验表明,该算法能有效检测出高压输电线,与传统的Hough变换检测直线相比,该算法能够节约检测时间,提高检测精度,为实时性检测打下了良好基础。     

小型光电跟踪系统中基于Hough变换的形状检测

REVS-50M型小型光电跟踪系统的图像处理部分采用颜色阈值的方法检测手动靶标,由于相同颜色的物体进入图像检测区域而导致误跟踪。针对此问题进行改进,应用Hough变换检测形状的方法检测圆形手动靶标,消除了误跟踪,实现了转台对靶标的正确跟踪,创造了良好的实验条件。     

一种基于小波变换的血液细胞计数方法

该文提出一种基于小波变换的血液细胞计数方法。首先对原始图像做 RGB 空间到 HIS 空间的变换,提取饱和度图像,然后对饱和度图像的直方图曲线做基于小波变换的多分辨率分析,逐层迭代以确定最佳阈值。最后,对阈值处理图像进行形态学处理和连通区域检测,统计出图像中细胞的个数。仿真实验表明该方法取得了较好效果。     

一种基于肤色的人脸检测方法

提出了一种基于肤色的人脸检测方法,通过在YCbCr颜色空间内对人脸图像进行建模,实现人脸的初定位,再使用形态学理论对候选人脸区域做处理,从而实现人脸区域的精确定位。通过仿真实验发现,提出的方法相对于神经网络和模板匹配方法可以较好地适应光照变化,并且解决了计算量大的问题,提高了算法的实时性。     

基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

一种改进的基于小波变换的语音基频检测

传统的小波变换基频检测通过比较相邻尺度上的小波系数极值点来进行检测．该方法往往存在着伪极值点的误判,降低了检测的精确度,而且增加了运算量．针对小波系数的伪极值点误判情况做了分析,进行了最佳尺度的判定,以及极值点搜索方法的改进,提出了一种基于最佳尺度的小波变换基频检测算法,提高了算法的实时性和准确性,并通过实验证明了该算法的有效性．     

基于数学形态学的图象角点检测方法

提出了一种基于多结构元素的数学形态学图象角点检测方法.通过构造多种结构元素分别对图像进行腐蚀和相关的数学形态学运算,得到了图像的各种角点,然后在把这些角点合并起来便得到了图像的所有角点.实验结果表明本文算法能够准确的找到图像的角点,而且对噪声有很好的抑制作用.     

基于改进的数学形态学边缘检测算法研究

研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

基于改进Canny算子边缘检测和数学形态学的车牌定位算法

车牌识别系统已经成功进入智能交通领域,其中车牌定位是车牌分割和车牌识别能顺利展开的基础。首先使用边缘检测改进canny算子进行一次粗定位,大致确定车牌所在区域;再对边缘检测后的二值图像进行膨胀、腐蚀等一系列数学形态学操作,完成车牌二次精确定位。根据实验结果表明,这种算法能够避免一定的噪声影响,解决目标图像噪声干扰及边缘模糊的问题,具有一定的鲁棒性。     

图像边缘检测算法分析

图像边缘检测技术是图像分割、目标识别、区域形状提取等图像分析领域中十分重要的基础。对具有代表性的图像边缘检测算子进行了讨论,还结合小波变换方法和数学形态学方法分析了在边缘检测中的应用,并给出了这些算法的仿真实验效果,最后对实验结果进行了分析。这有助于学习和寻找更好的边缘检测方法。     

基于Hough变换的运动模糊方向鉴别方法

曝光的瞬间,由于物体与成像系统产生相对运动造成图像降质而导致图像模糊,这一短暂过程虽可近似地作为匀速直线运动来处理,但是模糊图像中模糊方向未知。若能从模糊图像出发,估计出运动模糊方向,则可通过图像旋转将运动方向旋转到水平轴,这样图像复原问题就可由二维降为一维,大大降低图像复原的难度。为了实现这一目的,提出了一种基于Hough变换的运动模糊方向的估计方法。实验表明,该方法不仅可鉴别出运动模糊方向,而且具有鉴别范围大、鉴别精度高、稳定性好的优点。     

基于过零检测的子波变换图像边缘检测

以基于过零检测的子波变换方法,对２５６×１５６×ｂｉｔｓ／像素Ｌｅｎａ图像进行边缘提取,得到不同尺度下的边缘。结果表明,此法能有效提取边缘,既保留了子波变换进行边缘提取的各种优点,又吸收了ＬｏＧ算子进行边缘提取的简洁性,算法更简单,计算效率更高。     

基于dq0变换的电压暂降检测方法研究

提出了一种基于dqO变换的可用于三相不平衡电压暂降检测的方法。介绍了电压暂降及dqO变换的概念,分析了利用dqO变换后得到的ua,uq,u0分量特征值来辨识不同情况下的电压暂降信号,最后给出控制检测的算法和原理框图。     

基于小波变换频谱细化方案的电动机故障检测方法

交流电动机是近代工业生产中重要的动力设备,然而,在工作过程中,电动机故障却时有发生,如果检测、处置不及时,则非常容易延误生产,致使工业生产停滞。为了解决这一难题,广大电动机科研工程师、技术人员努力钻研、刻苦研究,研发了许多较为可行的方式方法,其中,小波变换的频谱细化方案在实践应用中的效果较好。透过对故障信号的索取、搜集,找出运行状态下电动机装置各功能元件的在线工作情况,进而判断出故障源、问题点,可提高故障检测的准确性、故障排除的效率。基于此,本文将结合小波变换的频谱细化方案,深度解析电动机常见的故障问题,并仔细研究其在电动机故障检测过程中的主要应用。     

基于改进概率霍夫变换的车道线检测与跟踪算法

传统车道线检测算法通常直接在预处理后的图像上进行霍夫变换,检测效率较低。本文提出一种改进的算法,首先通过图像预处理去除干扰,然后提取道路图像轮廓,根据轮廓外包矩形的参数筛选符合车道线特征的轮廓线,最后利用改进概率霍夫变换和Kalman滤波算法实现车道线的检测与跟踪。该算法通过轮廓筛选和改进概率霍夫变换可以有效减少霍夫变换所需检测的线段数量,从而提高算法的运行效率。仿真实验表明,改进后的算法相对传统算法准确率提高了8.1%,检测速率提高了23.9%,可以在多种复杂场景下准确快速地检测并跟踪车道线。     

一种基于park变换的新型UPQC检测方法

介绍UPQC的结构和工作原理,并提出利用瞬时无功功率理论中的park变换和park反变换,提取出三相不对称畸变电压系统的基波正序电压,再利用能量平衡原理计算出电源参考电流的检测方法.该方法与现有的UPQC检测方法相比,简单易行,实时性好.仿真结果验证了该方法的正确性和有效性.