邊緣檢測(cè)
- 基于改進(jìn)多目標(biāo)模板匹配在鋁材計(jì)數(shù)的應(yīng)用
徐挺關(guān)鍵詞：邊緣檢測(cè);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(kù)和出庫(kù)頻率相應(yīng)增加，準(zhǔn)確統(tǒng)計(jì)鋁材數(shù)量對(duì)庫(kù)存調(diào)配愈發(fā)重要。傳統(tǒng)的統(tǒng)計(jì)方法通常依賴人工清點(diǎn)計(jì)數(shù)，但是人工計(jì)數(shù)方式不僅效率低下，而且無(wú)法確保統(tǒng)計(jì)數(shù)據(jù)的準(zhǔn)確性，此外鋁材存放環(huán)境復(fù)雜、堆積量大，在這樣的環(huán)境下采用人工計(jì)數(shù)方法統(tǒng)計(jì)鋁材的入庫(kù)和出庫(kù)數(shù)據(jù)存在巨大的安全隱患。目前，自動(dòng)化技術(shù)[1-2]在各個(gè)領(lǐng)域都有應(yīng)用。在鋁材數(shù)量統(tǒng)計(jì)方面，采用自動(dòng)化技術(shù)可以
軟件工程 2024年1期2024-01-29
- 級(jí)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(guò)邊緣檢測(cè)任務(wù)進(jìn)行道路邊緣特征自動(dòng)化提取，將其與改進(jìn)的ResUNet模型對(duì)應(yīng)的卷積單元進(jìn)行特征級(jí)聯(lián)融合，為語(yǔ)義分割道路訓(xùn)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(guò)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(jìn)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(biāo)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(shí)驗(yàn)結(jié)果表明，該模型的道路提取精確率
- 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(cè)；輪廓提取中圖分類號(hào)：TP39? 文獻(xiàn)標(biāo)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(duì)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(jìn)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(dǎo)致信息缺失，三維領(lǐng)域主要是基于點(diǎn)云進(jìn)行提取［1-2］。點(diǎn)云精度很高，但是點(diǎn)云的制作成本較高，隨著傾斜攝影測(cè)量技術(shù)的出現(xiàn)，帶來(lái)了新的解決
無(wú)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(píng)估對(duì)比
：深度學(xué)習(xí)，邊緣檢測(cè)，遷移學(xué)習(xí)。摘要：建筑物邊緣提取對(duì)智慧城市建設(shè)具有重要的研究意義，采用人工標(biāo)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(xué)習(xí)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(biāo)注的精確樣本進(jìn)行訓(xùn)練。因此，文章構(gòu)建了3個(gè)邊緣檢測(cè)數(shù)據(jù)集并復(fù)現(xiàn)了2個(gè)經(jīng)典邊緣檢測(cè)網(wǎng)絡(luò)RCF和BDCN進(jìn)行交叉訓(xùn)練測(cè)試實(shí)驗(yàn)，評(píng)估邊緣檢測(cè)模型的可遷移性，為研究構(gòu)建普適性更強(qiáng)的邊緣檢測(cè)網(wǎng)絡(luò)提供思路。關(guān)鍵詞：深度學(xué)習(xí)；邊緣檢測(cè)；遷移學(xué)習(xí)中圖分類號(hào)：P237
無(wú)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(chǎng)空位檢測(cè)模型
anny算子邊緣檢測(cè)和霍夫變換直線特征提取等方法的停車場(chǎng)空位檢測(cè)模型，其準(zhǔn)確率達(dá)到94.44%，在檢測(cè)停車空位方面取得較好效果﹐為停車場(chǎng)空位圖像檢測(cè)方向提供了實(shí)現(xiàn)方法和技術(shù)支撐。關(guān)鍵詞：霍夫變換;邊緣檢測(cè);深度學(xué)習(xí);車位檢測(cè)中圖法分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：AParking space detection model based on hough transform anddeep neural networkQUAN Jianghao，WANG Yun
計(jì)算機(jī)應(yīng)用文摘·觸控 2022年9期2022-06-09
- 基于機(jī)器視覺(jué)的高精度微納光纖直徑實(shí)時(shí)測(cè)量
;圖像分割;邊緣檢測(cè)中圖分類號(hào)： TP 391.4; O 434.3 文獻(xiàn)標(biāo)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(xué)儀器 2022年1期2022-05-09
- 模擬“what”通路前端視覺(jué)機(jī)制的邊緣檢測(cè)網(wǎng)絡(luò)
摘? 要： 邊緣檢測(cè)是圖像處理工作的關(guān)鍵步驟之一，目前邊緣檢測(cè)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(fù)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(jué)機(jī)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(jī)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(jì)鄰近融合網(wǎng)絡(luò)以整合編碼
廣西科技大學(xué)學(xué)報(bào) 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(shí)別系統(tǒng)設(shè)計(jì)
;（2）基于邊緣檢測(cè)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(shí)別等步驟。對(duì)手機(jī)拍攝的車牌照片進(jìn)行實(shí)驗(yàn)，所提出的算法利用神經(jīng)網(wǎng)絡(luò)匹配識(shí)別精度達(dá)到95.2%，平均運(yùn)行時(shí)間為2.015 s，無(wú)論識(shí)別精度還是時(shí)間都能夠達(dá)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(cè);人工神經(jīng)網(wǎng)絡(luò);車牌識(shí)別中圖分類號(hào)：TP311.5? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(xì)胞膜優(yōu)化的圖像邊緣檢測(cè)
膜優(yōu)化的圖像邊緣檢測(cè)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(diǎn)，然后再用細(xì)胞膜優(yōu)化算法的全局尋優(yōu)能力從邊緣特征像素點(diǎn)中求解最優(yōu)邊緣像素點(diǎn)，實(shí)現(xiàn)圖像邊緣檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該算法提取出的邊緣連續(xù)清晰，同時(shí)較好的細(xì)化了圖像邊緣。關(guān)鍵詞： 鄧氏關(guān)聯(lián)度; 細(xì)胞膜優(yōu)化算法; 全局尋優(yōu)能力; 邊緣檢測(cè)中圖分類號(hào)：TP317? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）30-0114-03開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：Imag
電腦知識(shí)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(cè)的研究
應(yīng)用過(guò)程中，邊緣檢測(cè)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(duì)該項(xiàng)技術(shù)的邊緣檢測(cè)概念進(jìn)行介紹，探討了數(shù)字圖像處理技術(shù)的實(shí)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(cè);應(yīng)用現(xiàn)如今，伴隨著我國(guó)科學(xué)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(guó)生物醫(yī)學(xué)、航空航天、遙感技術(shù)、軍事探測(cè)等領(lǐng)域，具有極快的發(fā)展速度。在圖像處理和計(jì)算機(jī)視覺(jué)當(dāng)中，邊緣檢測(cè)技術(shù)是十分重要的專業(yè)技
科技信息·學(xué)術(shù)版 2021年23期2021-11-10
- 基于YOLO v5算法的板材質(zhì)量視覺(jué)檢測(cè)技術(shù)研究
LO v5;邊緣檢測(cè);尺寸檢測(cè)中圖分類號(hào)：TP277? ? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：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(cè)系統(tǒng)的研究
、Canny邊緣檢測(cè)、Hough變換以及縱向位移計(jì)算等算法的實(shí)現(xiàn)過(guò)程。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的系統(tǒng)具有較高精確性和可靠性，能夠滿足工程實(shí)際需要。關(guān)鍵詞：鋼軌縱向位移;圖像處理;邊緣檢測(cè);Hough變換Abstract：The rail expends under the action of running load and natural factors and thus produces longitudinal displacement， which a
計(jì)算技術(shù)與自動(dòng)化 2021年3期2021-10-01
- 基于高分影像的建設(shè)項(xiàng)目擾動(dòng)面積自動(dòng)提取
和Canny邊緣檢測(cè)算法，提出擾動(dòng)面積的自動(dòng)提取算法，并開(kāi)發(fā)了水土保持目標(biāo)監(jiān)測(cè)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(gè)塔基施工區(qū)，進(jìn)行擾動(dòng)面積的自動(dòng)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(jìn)行比較。結(jié)果表明，開(kāi)發(fā)的水土保持目標(biāo)監(jiān)測(cè)系統(tǒng)提取的擾動(dòng)面積與現(xiàn)場(chǎng)人工實(shí)測(cè)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(xiàng)目;擾動(dòng)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(cè)的槽罐車焊縫提取方法
提出一種基于邊緣檢測(cè)的方法提取出焊縫區(qū)域。對(duì)槽罐車內(nèi)壁圖像進(jìn)行灰度化、高斯濾波去噪等預(yù)處理;用Canny算子獲取到焊縫的邊緣細(xì)節(jié)，采用一系列形態(tài)學(xué)處理方法把焊縫邊緣連接成一個(gè)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(gè)頂點(diǎn)坐標(biāo)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(wèn)題。關(guān)鍵詞：槽罐車;邊緣檢測(cè);焊縫提取;最小外接矩形中圖分類號(hào)：TG409? ? ? 文獻(xiàn)標(biāo)志碼
電焊機(jī) 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(cè);線性插值;雙線性插值中圖分類號(hào)：TP301.6 ? ? 文獻(xiàn)標(biāo)識(shí)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(cè)算法
向的各向異性邊緣檢測(cè)算法。首先構(gòu)造4個(gè)具有各向異性的4階差分模板，對(duì)其進(jìn)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(gè)方向的差分圖像，將四個(gè)差分圖像相加并開(kāi)方得到梯度圖像，然后對(duì)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(xué)方法對(duì)二值化圖像進(jìn)行細(xì)化操作，得到邊緣圖像。通過(guò)多組模擬仿真實(shí)驗(yàn)，驗(yàn)證了該算法的有效性和優(yōu)越性。關(guān)鍵詞： 邊緣檢測(cè);各向異性;差分模板;閾值二值化;形態(tài)學(xué)方法中圖分類號(hào)：TP18? ? ? 文獻(xiàn)
電腦知識(shí)與技術(shù) 2021年13期2021-07-19
- 一種基于OpenCV的香煙濾棒計(jì)數(shù)算法
過(guò)亮度均勻、邊緣檢測(cè)、顆粒剔除等預(yù)處理方法，獲取濾棒的圓周邊緣;然后通過(guò)霍夫圓檢測(cè)獲取濾棒的位置;最后通過(guò)灰度和位置進(jìn)行異常剔除，得到濾棒的識(shí)別結(jié)果。通過(guò)實(shí)驗(yàn)，普通濾棒、顆粒濾棒、細(xì)支濾棒的F1-分?jǐn)?shù)分別為99.85%、99.73%、99.92%。說(shuō)明該方法能夠很好滿足卷煙工廠流水線場(chǎng)景下的使用需求，具備良好的泛化性能。關(guān)鍵詞：濾棒識(shí)別;邊緣檢測(cè);霍夫圓檢測(cè);計(jì)數(shù)目前對(duì)于基于圖像的濾棒計(jì)數(shù)方法，主要有三類：分別為面積法近視估算、基于機(jī)器學(xué)習(xí)的識(shí)別算法和基于
電子樂(lè)園·中旬刊 2021年8期2021-07-09
- 圖像邊緣檢測(cè)算法的應(yīng)用研究
? 要】圖像邊緣檢測(cè)是圖像處理中非常重要的基礎(chǔ)，邊緣檢測(cè)直接影響圖像分割的好壞，因此，要對(duì)某個(gè)圖像進(jìn)行分析和研究，首先要從邊緣檢測(cè)開(kāi)始。論文主要研究了邊緣檢測(cè)的基本原理，并針對(duì)Canny算子給出了改進(jìn)的方法，同時(shí)研究了不同的閾值對(duì)Canny算子的影響，并用MATLAB進(jìn)行仿真，最后對(duì)得到的結(jié)果進(jìn)行分析比較。【關(guān)鍵詞】邊緣檢測(cè);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(jué)的移動(dòng)設(shè)備屏幕提取與規(guī)范化方法
原始圖像進(jìn)行邊緣檢測(cè)，獲得包含設(shè)備和手部的輪廓;其次，通過(guò)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(cè)方法得到手部區(qū)域，再與之前得到的填充區(qū)域做減運(yùn)算，以得到獨(dú)立的設(shè)備區(qū)域;然后再在獨(dú)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(gè)頂點(diǎn);最后通過(guò)透視變化得到規(guī)范化后的設(shè)備屏幕圖像。實(shí)驗(yàn)表明，該方法在背景不復(fù)雜且設(shè)備作為主體的照片環(huán)境下具有較高的準(zhǔn)確率。關(guān)鍵詞：移動(dòng)設(shè)備;圖像提取;邊緣檢測(cè);皮膚檢測(cè)中圖分類號(hào)：TP391
計(jì)算技術(shù)與自動(dòng)化 2021年1期2021-04-09
- 一種基于改進(jìn)的Sobel算法鋼軌表面損傷語(yǔ)義分割方法
；語(yǔ)義分割；邊緣檢測(cè)*基金：湖南省教育廳資助科研項(xiàng)目（19C1214）0 引言隨著鐵路運(yùn)輸?shù)闹剌d化、高頻化愈加頻繁，鋼軌受到頻繁強(qiáng)力撞擊，傷損頻繁。鐵路運(yùn)輸間歇時(shí)間短暫，效率低下的人工檢查方式致使作為鐵路安全運(yùn)營(yíng)之基的鋼軌無(wú)法及時(shí)有效排除隱患，給鐵路安全運(yùn)行帶來(lái)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(cè)效率低，最易被忽視，增加行車危險(xiǎn)系數(shù)和維護(hù)成本。近年來(lái)，高效自動(dòng)的鋼軌表面?zhèn)麚p檢測(cè)技術(shù)成為學(xué)者們研究的重點(diǎn)，包括渦流檢測(cè)技術(shù)、漏磁檢測(cè)技術(shù)、超聲檢測(cè)
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(shí)別系統(tǒng)
P神經(jīng)網(wǎng)絡(luò);邊緣檢測(cè);字符識(shí)別;特征提取中圖分類號(hào)： TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(shí)與技術(shù) 2021年3期2021-03-15
- 基于圖像識(shí)別的天線機(jī)械下傾角測(cè)量研究
機(jī)械下傾角;邊緣檢測(cè);圖像識(shí)別中圖分類號(hào)：TG399? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(shí)與技術(shù) 2020年30期2020-12-29
- 夜間車道線檢測(cè)的研究
度，最后通過(guò)邊緣檢測(cè)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(duì)夜間環(huán)境下的車道圖像進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，該文算法較常規(guī)的車道檢測(cè)算法更能準(zhǔn)確地檢測(cè)出車道線。關(guān)鍵詞： 車道線檢測(cè); 圖像增強(qiáng); 邊緣檢測(cè); 霍夫變換; 非線性拉伸; 雙邊濾波中圖分類號(hào)： TN911.23?34; TP391 ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 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(cè)和形態(tài)學(xué)的車牌檢測(cè)算法
得畫面，經(jīng)過(guò)邊緣檢測(cè)、形態(tài)學(xué)以及顏色交叉驗(yàn)證等圖像處理方法，可將背景圖像中的噪聲和無(wú)關(guān)信息去除。最終可得到車牌外接長(zhǎng)方形坐標(biāo)并從原圖像中取出，為之后的字符識(shí)別提供預(yù)處理。關(guān)鍵詞：自動(dòng)定位;車牌檢測(cè);圖像處理;邊緣檢測(cè);形態(tài)學(xué)中圖分類號(hào)：TP181文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）28-0205-03在許多場(chǎng)景如小區(qū)閘口、商場(chǎng)停車庫(kù)閘口、高速收費(fèi)站中，為了減少人工成本或是提高執(zhí)行效率，使計(jì)算機(jī)能夠自動(dòng)識(shí)別車牌號(hào)碼是有必要的。一般地，識(shí)別過(guò)
電腦知識(shí)與技術(shù) 2020年28期2020-12-14
- 基于改進(jìn)索貝爾算子的灰度圖像邊緣檢測(cè)
劉琛摘 要：邊緣檢測(cè)在圖像處理和模式識(shí)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(cè)算法為研究對(duì)象，重點(diǎn)研究了基于索貝爾算子的檢測(cè)算法，并在原算法的基礎(chǔ)上提出了一種改進(jìn)的檢測(cè)算法，通過(guò)增加方向梯度、為斜向梯度增加權(quán)重等措施來(lái)解決傳統(tǒng)算法出現(xiàn)的斜向邊緣不敏感、邊緣粗糙等問(wèn)題。通過(guò)MATLAB平臺(tái)仿真實(shí)驗(yàn)表明，改進(jìn)后的方法具有局部特性更好、定位更準(zhǔn)確的特點(diǎn)，大幅提高了邊緣檢測(cè)效果，增強(qiáng)了目標(biāo)物體的檢測(cè)識(shí)別效率。關(guān)鍵詞：灰度圖像;邊緣檢測(cè);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(cè)算法
統(tǒng)Sobel邊緣檢測(cè)算法對(duì)噪聲敏感、定位不夠精確的缺點(diǎn)，提出了改進(jìn)Sobel算子的邊緣檢測(cè)算法。算法基于均值計(jì)算和差分處理角度構(gòu)造了5×5的梯度權(quán)值模板，通過(guò)改進(jìn)的非極大抑制算法有效細(xì)化了邊緣，采用局部自適應(yīng)動(dòng)態(tài)閾值提取邊緣信息。通過(guò)實(shí)驗(yàn)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(qiáng)的抗噪能力。關(guān)鍵詞： Sobel算子; 邊緣檢測(cè); 非極大值抑制; 局部自適應(yīng)動(dòng)態(tài)閾值中圖分類號(hào)： TN 911.73文獻(xiàn)標(biāo)志碼： AAn Edge Detecti
微型電腦應(yīng)用 2020年10期2020-11-13
- 基于改進(jìn)三幀差分法的運(yùn)動(dòng)車輛目標(biāo)檢測(cè)
三幀差分法與邊緣檢測(cè)算子相結(jié)合解決了目標(biāo)邊緣不連續(xù)性的問(wèn)題。采用自適應(yīng)閾值法對(duì)邊緣檢測(cè)算子的高、低閾值進(jìn)行自動(dòng)選取，從而提高了算法的自適應(yīng)能力。采用數(shù)學(xué)形態(tài)學(xué)算法處理，填充了運(yùn)動(dòng)目標(biāo)的部分空洞。實(shí)驗(yàn)結(jié)果表明改進(jìn)算法能更清晰完整地檢測(cè)出運(yùn)動(dòng)車輛目標(biāo)。關(guān)鍵詞：運(yùn)動(dòng)車輛目標(biāo)檢測(cè);三幀差分法;邊緣檢測(cè);自適應(yīng)閾值;數(shù)學(xué)形態(tài)學(xué)Abstract：In view of the problem of incomplete target detection and poor
科技風(fēng) 2020年29期2020-11-10
- 基于圖像鄰域?yàn)V波和分頻處理的邊緣檢測(cè)
后對(duì)圖像進(jìn)行邊緣檢測(cè)。實(shí)驗(yàn)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(xì)節(jié)。關(guān)鍵詞：邊緣檢測(cè);局部平滑;分頻優(yōu)化;抗噪性能中圖分類號(hào)：TP391 ? ? ? ? 文獻(xiàn)標(biāo)志碼：A ? ? ? ? 文章編號(hào)：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(guò)程中質(zhì)心定位方法
用圖像分割、邊緣檢測(cè)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(guò)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?shí)時(shí)質(zhì)心位置數(shù)據(jù)可以進(jìn)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(cè); DBSCAN算法; 二氧化硅融化過(guò)程;二氧化硅質(zhì)心位置中圖分類號(hào)：TP18? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）23-0
電腦知識(shí)與技術(shù) 2020年23期2020-09-27
- Zynq SOC嵌入式圖像邊緣檢測(cè)系統(tǒng)設(shè)計(jì)
僅提高了圖像邊緣檢測(cè)質(zhì)量，而且具有實(shí)時(shí)性和可擴(kuò)展性好的優(yōu)勢(shì)。關(guān)鍵詞：嵌入式系統(tǒng);Zynq;圖像處理;邊緣檢測(cè)中圖分類號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：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(cè);亞像素;數(shù)據(jù)擬合中圖分類號(hào)： TP391;TP23 ? ?文獻(xiàn)標(biāo)識(shí)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(cè)算法分析
君摘 ?要 邊緣檢測(cè)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(xué)、地理、化學(xué)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(diǎn)，分析四種邊緣檢測(cè)方法以及四種形態(tài)學(xué)的基本運(yùn)算，并通過(guò)實(shí)驗(yàn)作出比較。關(guān)鍵詞 MATLAB;邊緣檢測(cè);Canny算子;開(kāi)運(yùn)算;閉運(yùn)算中圖分類號(hào)：TP301.4 ? ?文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：1671-489X（2020）20-0039-03Abstract Edge detection is one
中國(guó)教育技術(shù)裝備 2020年20期2020-08-06
- 基于混合濾波器的改進(jìn)Canny算子圖像邊緣檢測(cè)
nny算子在邊緣檢測(cè)時(shí)，首先會(huì)采用高斯濾波對(duì)圖像進(jìn)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(dāng)圖片中椒鹽噪聲過(guò)多時(shí)，檢測(cè)效果不理想。為了解決此問(wèn)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(duì)圖像進(jìn)行平滑處理，在MATLAB環(huán)境下仿真實(shí)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(cè);Canny算子;混合濾波;MATLAB;椒鹽噪聲中圖分類號(hào)：TP751.1文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(bào)警器設(shè)計(jì)與實(shí)踐
AN;通信;邊緣檢測(cè)中圖分類號(hào)：TP39;TN919.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2020）07-00-040 引 言火災(zāi)是社會(huì)生活中最常見(jiàn)的災(zāi)害之一，會(huì)對(duì)人類的生命、財(cái)產(chǎn)、公共安全造成威脅，國(guó)家各級(jí)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(cè)手段單一、數(shù)據(jù)交互封閉、應(yīng)用場(chǎng)景局限等問(wèn)題，嚴(yán)重制約了智慧消防的發(fā)展[2]。國(guó)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(tái)公消[2015]
物聯(lián)網(wǎng)技術(shù) 2020年7期2020-07-23
- 基于改進(jìn)Sobel算子的語(yǔ)義分割算法
題，通過(guò)結(jié)合邊緣檢測(cè)算法進(jìn)行語(yǔ)義分割，有效地改善了分割不準(zhǔn)確及邊緣模糊的問(wèn)題。算法采用并行結(jié)構(gòu)，通過(guò)邊緣檢測(cè)子網(wǎng)絡(luò)所提取的邊緣特征來(lái)對(duì)語(yǔ)義分割子網(wǎng)絡(luò)所提取的語(yǔ)義分割特征進(jìn)行信息的補(bǔ)充，采用concat融合兩路特征進(jìn)行卷積操作來(lái)獲取最終分割結(jié)果。實(shí)驗(yàn)基于TensorFlow平臺(tái)進(jìn)行，所提出方法相比以往算法在計(jì)算速度接近的同時(shí)真實(shí)值和預(yù)測(cè)值的交并比上取得了一定提升，增強(qiáng)了分割結(jié)果。關(guān)鍵詞：圖像分割;邊緣檢測(cè);深度學(xué)習(xí);全卷積神經(jīng)網(wǎng)絡(luò)中圖分類號(hào)：TP391.41
現(xiàn)代信息科技 2020年24期2020-06-28
- 基于MATLAB的火災(zāi)視頻探測(cè)技術(shù)
二值化處理、邊緣檢測(cè)等操作，對(duì)火焰的邊緣變化、形狀變化、閃動(dòng)變化和面積變化等特征進(jìn)行分析，提取火警信息。應(yīng)用表明，基于MATLAB的火災(zāi)視頻探測(cè)技術(shù)具有可靠性、準(zhǔn)確性，能夠?qū)崟r(shí)計(jì)算得到火焰軌跡，為早期預(yù)警火災(zāi)的發(fā)生打下了堅(jiān)實(shí)的基礎(chǔ)。關(guān)鍵詞： MATLAB;火災(zāi)視頻探測(cè);圖像識(shí)別;邊緣檢測(cè);傳感器引言火災(zāi)是一種威脅公共安全和社會(huì)發(fā)展的災(zāi)害，會(huì)對(duì)公用設(shè)施造成破壞，帶來(lái)嚴(yán)重的經(jīng)濟(jì)損失[1]。一般情況下，火災(zāi)探測(cè)主要依靠煙霧傳感器和測(cè)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(cè)技術(shù)對(duì)二氧化硅的實(shí)際熔化速率進(jìn)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(xué)者研究二氧化硅晶體變化提供借鑒。關(guān)鍵詞：邊緣檢測(cè);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(cè);輪廓提取;服裝設(shè)計(jì)智能化DOI： 10. 11907/rjdk.191822開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2020）004-0238-040 引言近幾年，服裝消費(fèi)逐漸向個(gè)性化轉(zhuǎn)變，傳統(tǒng)服裝設(shè)計(jì)模式已無(wú)法滿足消費(fèi)者需求。隨著計(jì)算機(jī)圖像處理技術(shù)的不斷進(jìn)步，服裝設(shè)計(jì)向著智能化、一體化方向發(fā)展。20世紀(jì)80年代初，該技術(shù)應(yīng)用于纖維、紗線、面料、成衣檢測(cè)等諸多方面，
軟件導(dǎo)刊 2020年4期2020-06-19
- 基于Halcon的光纖端面尺寸檢測(cè)方法
ny算子作為邊緣檢測(cè)算子確定像素級(jí)邊緣，該方法邊緣檢測(cè)性能較好，且具有較強(qiáng)的抗噪聲能力;再?gòu)倪x取的邊緣中選出類圓度高的部分邊緣進(jìn)行共圓輪廓合并、擬合，通過(guò)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(shí)驗(yàn)結(jié)果表明，纖芯和包層半徑可以精確到萬(wàn)分之一，不圓度和同心度可以精確到小數(shù)點(diǎn)后8位，測(cè)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(cè);? 邊緣檢測(cè);? 橢圓擬合; 圓擬合DOI：10. 11907/rjdk. 191603中圖
軟件導(dǎo)刊 2020年3期2020-05-28
- 基于可編程SOC的圖像邊緣檢測(cè)系統(tǒng)
實(shí)現(xiàn)對(duì)視頻的邊緣檢測(cè)。測(cè)試結(jié)果顯示，硬件邊緣檢測(cè)速度比純軟件邊緣檢測(cè)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(jì)算;可編程SOC;軟硬件協(xié)同;邊緣檢測(cè);嵌入式應(yīng)用DOI：10. 11907/rjdk. 191606中圖分類號(hào)：TP317.4?? 文獻(xiàn)標(biāo)識(shí)碼：A??????????????? 文章編號(hào)：1672-7800（2020）003-0244-04Image Edge Detection System Bas
軟件導(dǎo)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(biāo)識(shí)別算法
比模板匹配和邊緣檢測(cè)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(duì)光照和像素遷移有很強(qiáng)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(duì)邊緣不明顯的情況。實(shí)驗(yàn)中分別對(duì)手術(shù)器械和膽囊進(jìn)行模擬識(shí)別跟蹤，實(shí)驗(yàn)結(jié)果表明，在該運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤算法下，視頻畫面的幀速率穩(wěn)定在30fps，不會(huì)出現(xiàn)卡頓情況，識(shí)別準(zhǔn)確率達(dá)到了95%，并且在追蹤過(guò)程中不會(huì)丟失目標(biāo)。該算法原理簡(jiǎn)單、
軟件導(dǎo)刊 2020年3期2020-05-28
- 基于邊緣的圖像分割在牛體尺測(cè)量中的應(yīng)用
的課題之一。邊緣檢測(cè)能勾畫出目標(biāo)物體，蘊(yùn)含豐富的信息，是圖像分割、識(shí)別和分析中抽取圖像特征的重要方法。本文通過(guò)常用算子如Sobel、Roberts、Prewitt、Gauss-Laplace和Canny算法對(duì)牛體圖像分割的效果進(jìn)行實(shí)驗(yàn)對(duì)比，證明Canny算子總體上優(yōu)于其他算子。針對(duì)Canny算子分割可能產(chǎn)生的斷裂和不完整，運(yùn)用OR運(yùn)算結(jié)合模糊和邊緣信息去除斷邊，利用數(shù)字形態(tài)學(xué)重新填充圖像中的空洞，增強(qiáng)邊緣輪廓顯示的效果。在此基礎(chǔ)上進(jìn)行的牛體測(cè)量結(jié)果與實(shí)際結(jié)
數(shù)字技術(shù)與應(yīng)用 2020年2期2020-05-11
- 基于視覺(jué)的駕駛輔助系統(tǒng)研究
運(yùn)用梯度計(jì)算邊緣檢測(cè)與非最大值抑制方法檢測(cè)邊緣，通過(guò)選擇高閥值過(guò)濾邊緣像素。得到車道線輪廓線后基于Hough的車道線檢測(cè)原理，使用二元性的點(diǎn)和線，將原始圖像給出的曲線轉(zhuǎn)化為一個(gè)點(diǎn)在參數(shù)空間的曲線表達(dá)形式，解決曲線檢測(cè)問(wèn)題轉(zhuǎn)化為參數(shù)空間中的最大值，且將整體特征的檢測(cè)轉(zhuǎn)換為本地檢測(cè)的特點(diǎn)。關(guān)鍵詞：圖像處理;邊緣檢測(cè);車道線檢測(cè)中圖分類號(hào)：P237? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：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(xì)胞邊緣檢測(cè)算法的研究
詞：紅細(xì)胞;邊緣檢測(cè);噪聲點(diǎn);圖像處理技術(shù)中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）02-0208-02實(shí)踐表現(xiàn)，圖像預(yù)處理技術(shù)在多個(gè)領(lǐng)域均有涉及，依據(jù)需求的不同，要求預(yù)處理需對(duì)圖像個(gè)體性特征予以凸顯，處理方法也存在明顯差別，細(xì)胞圖像預(yù)處理以增強(qiáng)和去噪處理為主要工作內(nèi)容，圖像預(yù)處理結(jié)果如何，可對(duì)細(xì)胞檢測(cè)準(zhǔn)確率造成嚴(yán)重影響。所獲取的紅細(xì)胞圖像，因采集角度、視覺(jué)有所不同，有細(xì)胞模糊的情況存在，在處理呈模糊狀態(tài)的紅細(xì)
電腦知識(shí)與技術(shù) 2020年2期2020-03-16
- 機(jī)載LIDAR輸電巡檢中絕緣子缺陷識(shí)別研究
緣子影像進(jìn)行邊緣檢測(cè)，處理后所獲取圖像邊緣更完整、清晰。邊緣連接性更強(qiáng)，輪廓邊緣的細(xì)節(jié)更加完整，能有效抑制噪聲對(duì)邊緣檢測(cè)的干擾，實(shí)驗(yàn)結(jié)果表明，該方法可以較好地完成對(duì)目標(biāo)圖像的識(shí)別，從而對(duì)絕緣子缺陷監(jiān)測(cè)和定位提供數(shù)據(jù)支撐。關(guān)鍵詞：輸電線路? 激光雷達(dá)? 絕緣子? Canny算法? 邊緣檢測(cè)中圖分類號(hào)：TM755? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2020）0
科技創(chuàng)新導(dǎo)報(bào) 2020年27期2020-02-22
- 改進(jìn)Canny算子在水面目標(biāo)邊緣檢測(cè)中的研究
于Canny邊緣檢測(cè)思想，采用雙邊濾波，以及通過(guò) Sobel 算子計(jì)算梯度幅值方向，并在梯度非極大值抑制過(guò)程中，將極大值點(diǎn)作為候選邊緣點(diǎn)，將極大值二次刷選，保留8鄰域內(nèi)候選邊緣點(diǎn)不相鄰的非極大值點(diǎn)，最后利用 Otsu 計(jì)算圖像高低閾值。結(jié)果證明，該方法能更準(zhǔn)確的檢測(cè)邊緣信息，且具備較強(qiáng)的自適應(yīng)性。關(guān)鍵詞： 邊緣檢測(cè); Canny算法; 雙邊濾波; 非極大值抑制; Otsu中圖分類號(hào)：TP311 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ?文章編號(hào)：1006-8
計(jì)算機(jī)時(shí)代 2020年1期2020-02-14
- 基于彈簧質(zhì)點(diǎn)模型邊緣檢測(cè)算法的改進(jìn)
彈簧質(zhì)點(diǎn)模型邊緣檢測(cè)算法。為解決現(xiàn)有彈簧質(zhì)點(diǎn)模型邊緣檢測(cè)算法檢測(cè)的邊緣較粗問(wèn)題，本文在該模型計(jì)算像素點(diǎn)合力的公式中增加一個(gè)合力因子，結(jié)合數(shù)學(xué)形態(tài)學(xué)中腐蝕膨脹的原理來(lái)改進(jìn)彈簧質(zhì)點(diǎn)模型邊緣檢測(cè)算法，以便能得到單像素寬度的邊緣。實(shí)驗(yàn)結(jié)果表明，該算法的檢測(cè)效果更加理想。關(guān)鍵詞：邊緣檢測(cè);彈簧質(zhì)點(diǎn)模型;數(shù)學(xué)形態(tài)學(xué);細(xì)化邊緣中圖分類號(hào)：TP391.41;TP751文獻(xiàn)標(biāo)識(shí)碼：ATheimproved algorithm based on Massspring mode
科技風(fēng) 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(cè)、形態(tài)學(xué)濾波等，完成了MATLAB環(huán)境下的仿真，最后實(shí)現(xiàn)了基于灰度邊緣檢測(cè)的車牌定位。實(shí)驗(yàn)結(jié)果表明，該方法去噪效果較好，簡(jiǎn)單方便，定位快、成功率高。【關(guān)鍵詞】MATLAB;車牌定位;灰度化;邊緣檢測(cè)中圖分類號(hào)： TP391.41文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 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(jué)測(cè)量方法
理，結(jié)合常規(guī)邊緣檢測(cè)方法和圖像的灰度曲線圖，利用閾值分割和標(biāo)準(zhǔn)長(zhǎng)度進(jìn)行亞像素自適應(yīng)閾值選擇。為驗(yàn)證該方法的有效性，對(duì)標(biāo)準(zhǔn)量塊長(zhǎng)度進(jìn)行測(cè)量實(shí)驗(yàn)，并分析測(cè)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(cè)結(jié)果，該方法的平均測(cè)量準(zhǔn)確度提升46.2%。實(shí)驗(yàn)結(jié)果表明該算法的測(cè)量精度較高，可以快速、精確地測(cè)量出物體的幾何尺寸。關(guān)鍵詞：視覺(jué)測(cè)量;尺寸測(cè)量;邊緣檢測(cè);亞像素插值算法中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-5124（2019）0
中國(guó)測(cè)試 2019年5期2019-11-15
- 基于智能控制算法的自動(dòng)駕駛系統(tǒng)優(yōu)化研究
目標(biāo)識(shí)別; 邊緣檢測(cè); 系統(tǒng)測(cè)試中圖分類號(hào)： TN876?34; TP391.99 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ?文章編號(hào)： 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(xì)邊緣檢測(cè)模型
于深度學(xué)習(xí)的邊緣檢測(cè)技術(shù)生成的邊緣粗糙及模糊等問(wèn)題，提出一種基于更豐富特征的邊緣檢測(cè)（RCF）模型（Richer Convolutional Features for Edge Detection）的端到端的精細(xì)邊緣檢測(cè)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(jī)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(xì)節(jié)信息過(guò)度丟失，使用擴(kuò)張卷積技術(shù)增大模型感受野，并利用殘差結(jié)構(gòu)將
計(jì)算機(jī)應(yīng)用 2019年9期2019-10-31
- 結(jié)合語(yǔ)義邊界信息的道路環(huán)境語(yǔ)義分割方法
路環(huán)境感知;邊緣檢測(cè);無(wú)人駕駛車輛中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)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(jì)算機(jī)應(yīng)用 2019年9期2019-10-31
- 基于機(jī)器視覺(jué)的智能卡挑線自動(dòng)定位方法研究
：機(jī)器視覺(jué);邊緣檢測(cè);自動(dòng)定位中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）22-0184-02開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)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(shí)與技術(shù) 2019年22期2019-10-31
- 基于機(jī)器視覺(jué)圖像識(shí)別及處理的方法
;顏色過(guò)濾;邊緣檢測(cè);霍夫變換;HSV1 緒論機(jī)器視覺(jué)是人工智能正在快速發(fā)展的一個(gè)分支。通俗地講，機(jī)器視覺(jué)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。機(jī)器視覺(jué)系統(tǒng)是通過(guò)攝像頭等圖像采集裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，通過(guò)對(duì)圖像的像素特征進(jìn)行處理運(yùn)算得到目標(biāo)的特征進(jìn)而根據(jù)結(jié)果來(lái)進(jìn)行下一步操作。生產(chǎn)生活中人們對(duì)智能化產(chǎn)品的需求日益劇增，機(jī)器視覺(jué)作為人工智能不可或缺的一個(gè)分支，具有非常重要的研究?jī)r(jià)值。2 圖片模糊模糊操作時(shí)圖像處理中最簡(jiǎn)單和常用的操作之一，使用該操作的原因
科技風(fēng) 2019年15期2019-10-21
- 基于機(jī)器視覺(jué)的齒輪檢測(cè)研究
去噪，為精確邊緣檢測(cè)提供基礎(chǔ)。最后，采用改進(jìn)的canny邊緣檢測(cè)算法對(duì)齒輪的邊緣進(jìn)行提取。通過(guò)實(shí)驗(yàn)得出，該算法不僅定位準(zhǔn)確，而且齒輪邊緣的完整性能夠清晰的提取出來(lái)，降低亮斑對(duì)齒輪圖像檢測(cè)的誤差，為機(jī)械自動(dòng)化一體設(shè)備完成自動(dòng)檢測(cè)提供了前期技術(shù)支持?！娟P(guān)鍵詞】機(jī)器視覺(jué);圖像預(yù)處理;邊緣檢測(cè);canny邊緣檢測(cè)算法;機(jī)械自動(dòng)化引言如今，隨著圖像處理、光學(xué)成像、傳感器、處理器等技術(shù)的快速崛起與發(fā)展，機(jī)器視覺(jué)在人們生產(chǎn)和生活中的應(yīng)用越來(lái)越廣泛，從工業(yè)生產(chǎn)到金融、安防
- 基于圖像處理的長(zhǎng)距離車道線檢測(cè)
車道線檢測(cè);邊緣檢測(cè);智能交通;長(zhǎng)距離檢測(cè);透視變換中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(cè)
輸電線路覆冰邊緣檢測(cè)，提出了一種基于圖像融合技術(shù)的方法對(duì)輸電線路覆冰狀態(tài)進(jìn)行判定。對(duì)輸電線路進(jìn)行邊緣檢測(cè)是通過(guò)圖像預(yù)處理、Canny算子的邊緣檢測(cè)、形態(tài)學(xué)邊緣檢測(cè)以及像素級(jí)圖像融合等方法實(shí)現(xiàn)的。實(shí)驗(yàn)仿真表明：融合后的圖像邊緣能夠取各自的優(yōu)勢(shì)，使邊緣檢測(cè)效果更好。關(guān)鍵詞： 邊緣檢測(cè);形態(tài)學(xué);Canny算子;圖像融合;輸電線路中圖分類號(hào)： TP391.41 ? ?文獻(xiàn)標(biāo)識(shí)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(cè)
： 針對(duì)傳統(tǒng)邊緣檢測(cè)方法難以實(shí)現(xiàn)邊緣信息的準(zhǔn)確檢測(cè)問(wèn)題，提出了一種零件缺陷邊緣檢測(cè)的新方法.首先對(duì)采集到的零件缺陷圖像進(jìn)行灰度化和Wiener濾波，以減少噪聲等因素對(duì)后期檢測(cè)的影響;然后，以kalman算法預(yù)估圖像分割閾值作為Krisch算法的初始閾值;在此基礎(chǔ)上，進(jìn)行零件缺陷邊緣檢測(cè)，以提高零件缺陷檢測(cè)的準(zhǔn)確性. 最后，利用MATLAB軟件對(duì)零件缺陷圖像進(jìn)行仿真試驗(yàn)，驗(yàn)證邊緣檢測(cè)算法的檢測(cè)效果.實(shí)驗(yàn)結(jié)果表明，推薦算法檢測(cè)的平均準(zhǔn)確率達(dá)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(shí)別
;圖像增強(qiáng);邊緣檢測(cè);圖像分割;識(shí)別;閾值分割中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2019）08-00-030 引 言新時(shí)代之際，計(jì)算機(jī)視覺(jué)技術(shù)席卷而來(lái)?；跈C(jī)器視覺(jué)的圖像識(shí)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(shí)別扮演著實(shí)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(shí)別技術(shù)開(kāi)始著重于機(jī)器層面上的智能識(shí)別。于農(nóng)業(yè)而言，十九大報(bào)告中指出：世界各國(guó)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(jī)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