公路曲线边缘线的坐标计算及测设方法

采用传统的方法进行圆曲线及缓和曲线的边缘线的测设方法工作量大，效率低，提出采用圆曲线或缓和曲线的边缘线上任一点的坐标，在任意上安置一次仪器，便可测出圆曲线及缓和曲线内，外边缘线的测设方法。     

基于分形特征的医用图像边缘增强和检测

由曼德勃罗特（BenoitB.Mandelbrot）的分形理论可知,建立在分形布朗运动模型之上的医用图像总可以计算得到一分形维数。本文在建立于分形布朗运动模型之上的分形维数的估算进行了讨论。通过将整个医用图像中每个像素的分形值,转化为相应象素的灰度值,得到了边缘增强和检测图。结果显示,基于分形的医用图像转化算法较之传统的图像边缘增强算法有利于减少噪声。     

雨重行车

春夏季节雨水较多,机动车驾驶员一定要提高警惕。交警提示：雨天行车,后车应随时注意前车动态,保持安全距离,避免因前车紧急制动或急转方向而发生事故。如果在山区道路遇雨天泥泞,机动车要与道路边缘保持适当距离,选择道路中间坚实路面行驶,防止路基松软坍塌造成险情。     

基于最优条件下三次B样条小波的多尺度边缘检测算子

提出了一种新的基于三次Ｂ样条小波的边缘提取算子该算子通过构造一个目标函数而得到一组最优滤波器的系数,并将这一组系数和以三次Ｂ样条函数作为尺度函数的线性组合作为最优边缘检测算子提取边缘,经验证算子优于Ｃａｎｎｙ算子。     

基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题,对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波,并融合Laplace边缘增强法,滤除大量噪声的同时保留图像边缘细节信息;使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向;然后通过最大类间方差法自适应计算图像的最优阈值;最后选用BSD500数据集进行实验,结果表明：文中算法相对于经典Canny算法,峰值信噪比平均提升14.5 dB,边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14,算法性能指标提高24.8%。     

改进神经网络的船舶红外图像边缘检测方法

研究改进神经网络的船舶红外图像边缘检测方法,提升边缘检测抗噪声干扰能力。采用块匹配的主成分分析方法对船舶红外图像实施去噪处理后,经梯度算子将降噪后船舶红外图像转换为二值图像;以BP神经网络为基础,通过附加动量法-自适应学习速率调整BP神经网络权值,提高网络训练鲁棒性;将转换后舰船二值图像作为改进神经网络的输入,在实施网络训练后得出输出值,依据输出值和设置阈值的对比结果,获取船舶红外图像边缘点,实现船舶红外图像边缘检测。实验结果表明：该方法降噪后船舶红外图像的PSNR值全部高于40 dB,降噪效果较好;可有效提取船舶红外图像边缘特征且边缘检测结果清晰、连贯,能够达到船舶红外图像边缘检测标准。     

基于双结构元素数学形态学的铁轨图像边缘检测方法

针对铁轨图像在采集过程中经常受到不同程度的噪声影响,传统边缘检测方法难以检测并提取准确的铁轨边缘.文中通过分析灰度数学形态学抗噪图像边缘检测的常用方法,提出基于不同几何形状及大小的双结构元素抗噪数学形态学铁轨图像边缘检测算法.并应用这种算法对掺杂有噪声的铁轨弯道图像边缘进行铁轨边缘检测,实验结果表明:该方法具有比传统经典边缘检测方法更好的铁轨弯道边缘检测及提取效果.     

基于机器视觉的水位快速测量方法的设计

水位测量在航道测量中起着重要的作用,文中提出了用机器视觉代替人工去“观测”水尺吃水线在刻度字之间的值。首先利用Canny算子检测出吃水线,计算出水平面距离刻度上边缘的距离,并利用BP神经网络对分割出来的字符进行识别,计算出吃水线的值,从而快速准确的获取水位,消除了人工观测水位过程中产生的误差,提高了航道测量的效率和准确性。     

路面裂缝图像自动识别算法综述

路面裂缝自动检测对于路面养护管理、路面性能评价与预测、路面材料和结构设计具有重要的实用价值,但快速、准确、全面且稳定地识别路面裂缝一直是个难题.为此,对路面裂缝自动检测研究现状进行综述,包括以图像增强和去噪为目的的预处理方法,基于阈值分割、边缘检测和种子生长的空间域识别算法,以小波变换为代表的频域识别算法,基于有监督学习的识别算法及其他裂缝识别方法;指出既有裂缝识别算法存在易受光照和油污等因素的影响、裂缝识别图像连续性差和识别速度和精度较低等不足.最后,提出综合考虑边界和区域特征消除纹理和噪声干扰、基于局部和全局信息设计优化识别算法和基于三维图像进行裂缝识别等研究展望,为裂缝自动识别算法的改进提供参考.     

基于BP神经网络的静态手势识别方法

手势识别正成为人机交互技术研究中的一种重要模式.本文针对运用摄象机和计算机视觉技术捕获来的静态手势,提出了一种手势特征提取和基于神经网络分类的手势识别方法.实验表明该方法的正确识别率可以达到98%左右,是一种非常有效的静态手势识别方法.