分數階微分差與高斯曲率濾波的邊緣檢測算法

針對自然環(huán)境下無人駕駛車輛的道路邊緣檢測問題,提出一種基于3d激光雷達的實時道路邊緣檢測算法。對激光雷達的點云數據進行網格化處理,求出每個網格中的高度差,并針對道路邊緣的高度特征,對網格數據進行閾值處理;再由近及遠逐個提取左右道路邊緣,利用最小二乘法對左右道路邊緣網格進行曲線擬合平滑處理,得到左右道路邊緣。實驗結果表明,該道路邊緣檢測算法可靠性高,穩(wěn)定性強,能夠準確完成道路邊緣檢測,滿足實時系統(tǒng)的要求。

圖像的邊緣檢測精度決定了實際尺寸的測量精度,為了提高測量精度,提出了一種基于改進的zernike矩的測量玻璃瓶實際尺寸的算法。將傳統(tǒng)的zernnike矩算法與otsu自適應閾值法相結合,得到改進的快速算法;利用該快速算法對采集的玻璃瓶圖像進行亞像素級邊緣檢測;運用最小二乘法根據亞像素坐標對瓶口與瓶底所形成的橢圓進行擬合;應用標準塊規(guī)對系統(tǒng)進行標定并得到玻璃瓶實際的測量尺寸。實驗結果表明,該方法不僅可使邊緣檢測達到亞像素級精度,還避免了人工反復選擇閾值而造成的低效率與誤判,實現(xiàn)了快速、準確、無接觸測量實際尺寸的功能。

多方位結構元素路面裂縫圖像邊緣檢測算法——在數學形態(tài)學基礎上，針對路面圖像中噪聲和裂縫類病害不同的像素分布特點，提出了多方位結構元素形態(tài)學邊緣檢測算法。該算法利用類間最大距離法確定路面裂縫圖像中發(fā)生梯度變化的點，后對其采用多方位結構元素腐蝕操...

闡述了花崗石表面輪廓的特點,提出先對原始輪廓曲線進行高斯濾波,然后再進行粗糙度計算的方法;并對用高斯濾波和最小二乘中線兩種方法計算的粗糙度進行了比較,認為高斯濾波方法更適合花崗石表面輪廓的粗糙度研究。其計算方法較為可靠和簡捷。

為提高膠囊濾棒的檢測效率和精度,基于微波諧振腔微擾法設計了一種膠囊濾棒質量檢測裝置,主要由下料裝置、濾棒輸送裝置、微波檢測單元和分選裝置組成.通過建立波峰形位分析算法,對膠囊濾棒中膠囊的缺失、位置偏移和破損3種情況進行快速檢測.結果表明,所設計的檢測裝置和波峰形位分析算法對于膠囊位置具有較高的檢測精度,對于膠囊的缺失和破損情況均有較好的識別效果.膠囊位置重復性檢測最大標準差為0.111mm,膠囊缺陷檢測準確率達到100%;裝置檢測速度為120支/min,可滿足膠囊濾棒質量檢測需求,保障了膠囊卷煙生產質量.該裝置為膠囊濾棒質量檢測提供了一種快速有效的方法.

為了減小軌檢儀采集的軌道檢測原始數據中夾雜的粗大誤差噪聲對檢測結果的影響，提出經驗模態(tài)分解法對檢測數據濾波的可行性。對經驗模態(tài)分解得到的第一層imf1信號采用3σ準則識別粗大誤差點并剔除，重構得到去除噪聲后的信號。對限幅濾波法和經驗模態(tài)法濾除噪聲的波形進行分析和評價，進一步驗證了經驗模態(tài)分解法在處理非線性非平穩(wěn)信號方面的優(yōu)勢。實例表明，論文提出的方法可以有效識別信號中的粗大誤差點并剔除噪聲信號，得到較為理想的濾波結果。

在陶瓷墻地磚的邊緣檢測過程中,圖像在采集、轉換和傳輸中不可避免的會引入噪聲,產生降質而影響檢測結果。介紹了一種基于小波去噪的陶瓷墻地磚邊緣檢測方法,對墻地磚圖像采用小波去噪后再進行邊緣檢測,其結果較好地滿足了檢測要求。

異常檢測一直是數據挖掘領域的重要工作之一?；跉W氏距離的異常檢測算法在應用于高維數據時存在檢測精度無法保證和運行時間過長的問題。在基于角度方差的異常檢測算法基礎上,提出了一種多層次的高維數據異常檢測算法（hybridoutlierdetectionalgorithmbasedonanglevarianceforhigh-dimensionaldata,hoda）。算法結合了粗糙集理論,分析屬性之間的相互作用以排除影響較小的屬性;通過分析各維度上的數據分布,對數據進行網格劃分,尋找可能存在異常點的網格;最后對可能存在異常點的網格計算角度方差異常因子,篩選異常數據。實驗結果表明,與abod、fastvoa和經典lof算法相比,hoda算法在保證精測精度的前提下,運行時間顯著縮短,且可擴展性強。

采用凸集投影法重構的高分辨率圖像中常出現(xiàn)邊緣質量下降的現(xiàn)象。針對該問題,提出一種超分辨率重構方法,引入傅里葉變換配準方法解決圖像獲取過程中的位移偏差,通過laplace算子進行邊緣檢測以消除邊緣震蕩。實驗結果證明,采用基于邊緣檢測的超分辨率重構方法能獲取質量較高的圖像。

設計了一種基于機械感生長周期光纖光柵(mi-lpg)的雙邊緣濾波光纖布拉格光柵(fbg)傳感解調方案。采用不同寫制參數制作了諧振邊帶對稱交迭,諧振峰值和帶寬相同的兩個mi-lpg作為濾波器,利用反射fbg信號通過不同光譜特性的濾波器時輸出不同光強的比值對數算法確定被測波長。實驗表明,本解調方法能夠精確、穩(wěn)定地實現(xiàn)fbg傳感信號的解調,動態(tài)范圍可達5nm,解調系統(tǒng)線性擬合計算值和光譜儀所測波長值的均方差為6pm,線性度好,精度高。

提出了一種基于最小二乘原理的垂直擬合邊緣檢測方法。該方法針對高溫板材熱膨脹率測量過程中異常邊緣點隨機出現(xiàn)的特點,利用最小二乘法同時擬合兩個相互垂直方向上的邊緣直線,并進行多次重復擬合使邊緣直線逐漸接近真實值。實驗表明,該方法能在異常點存在的情況下準確、快速地擬合出高溫鋼板圖像的邊緣直線。

針對脈沖噪聲的特征,提出結合檢測技術與四階偏微分方程的msdlc算法.該算法采用\"先檢測再復原\"的兩步策略:檢測階段,利用統(tǒng)計的思想定位受到脈沖噪聲污染的噪聲像素;復原階段,采用lc四階偏微分方程對噪聲像素點進行復原.采用的lc四階偏微分方程根據方程性質使用適當的系數函數.實驗表明,msdlc算法可以在脈沖噪聲去除方面和保持圖像細節(jié)方面獲得極好的平衡.

機載激光雷達（lidar）數據是離散的三維點云,同一個建筑面的三維激光腳點具有隨機分布的特性,并且由于建筑本身形狀的多樣性和復雜性,以及建筑物周圍環(huán)境的復雜性,導致從lidar數據提取建筑物輪廓線變得更加困難。提取建筑物的輪廓線,最關鍵的就是提取lidar數據中建筑物的邊緣點。文中提出一種改進的提取lidar點云數據邊緣點方法：設定具體的半徑和閾值,把lidar點云數據中存儲的每個點作為圓心建立包裹圓,求得點云數據中其他點到該點的距離,并統(tǒng)計落在包裹圓內點的個數,通過每個包裹圓內點的個數跟設定的閾值進行比較,從而確定該點是否為邊緣點。通過仿真發(fā)現(xiàn),文中算法與alphashape算法相比,在保持邊緣點提取效果的基礎上,極大減少了運行時間,總體效率有了顯著地提高。

提出了跳變系統(tǒng)檢測的卡爾曼濾波算法，與鋼絲繩無損檢測信號特征相對應，設計了鋼絲繩斷絲定量識別的多重假設檢測方法，克服了差分超門限方法不能考慮背景噪聲、測量噪聲及誤判率的不足，可以在線監(jiān)測鋼絲繩狀態(tài)。

漏磁(mfl)檢測是油氣管道在線檢測中應用非常成熟的一種無損檢測技術。將小波變換與自適應濾波技術相結合,提出了一種去除漏磁數據中無縫管道噪聲(spn)的小波域自適應濾波算法。將該算法用于實測漏磁數據的處理,所得結果說明該算法具有良好的去噪效果,可以極大地提高漏磁數據中缺陷信號的可檢測性。

**資訊http://www.***.***

針對傳統(tǒng)邊坡可靠度分析方法的局限性,將高斯過程機器學習與重要抽樣方法相結合,提出了邊坡可靠度分析的高斯過程方法。利用極限平衡分析構造少量的學習樣本,采用基于統(tǒng)計學習原理的高斯過程模型重構邊坡隱式功能函數,實現(xiàn)邊坡功能函數及其偏導數的顯式表達,并構造合理的迭代方式,在計算過程中不斷提升高斯過程模型對失效概率貢獻較大區(qū)域的重構精度,進而應用重要抽樣法計算邊坡的失效概率與可靠指標。研究結果表明,該方法是可行的,具有較高的計算精度和效率。

流程模型差別檢測是業(yè)務流程管理的關鍵技術之一.針對流程模型大多是由圖結構建模,而流程圖模型中有多種類型節(jié)點,因此經典的圖編輯距離方法無法直接應用于流程差別檢測的問題,提出了基于過程結構樹的流程間差別檢測算法.算法首先將流程模型轉化為基于任務節(jié)點的過程結構樹；然后采用分治思想快速獲得流程間的最佳對等節(jié)點映射集合；最后基于節(jié)點映射集合生成一個近似最小代價編輯操作序列來表示兩個流程的差別.實驗結果表明,本文算法在準確率和效率兩方面都能滿足實際的應用需求.

進入二十一世紀以來,我國海上探測能力進一步增強,測量船與指揮部,以及測量船相互之間的信息交流,相互合作也日益頻繁,為了保證所傳輸的信息不被不法分子利用以及國外的間諜機構所探知,因此采取合適的隱寫術對信息進行加密顯得尤為重要。同時,在截獲了不法分子的情報之后進行解密以便采取相應的措施也是一項艱巨的任務。因此,本文采取了bitfield消息中的隱蔽通信檢測算法設計與軟件開發(fā)技術對信息進行隱蔽以及檢測破譯。應用本文中提出的方法,可以很好地區(qū)分針對矩陣編碼的bitfield消息隱蔽通信中的正常數據和含密數據。

為了改善短時teo能量的抗噪性和分形檢測自適應性,提出了一種能適應多種噪聲環(huán)境的端點檢測算法.該算法利用能表征能量分布的頻域上的分形維數和teo的消除零均值噪聲、表征語音共振峰特性的特點,在短時teo能量法基礎上增加分形維數計算來進行二次判決噪聲段和語音段.與傳統(tǒng)端點檢測算法相比,該算法容易易實現(xiàn)且準確度高,實驗表明,在不同的背景噪聲下,該算法相比單一端點檢測的算法魯棒性更好,彌補了單一算法抗噪性不好的缺點,能適應低信噪比下的多種噪聲環(huán)境.

利用機器視覺技術對鋼卷尺實現(xiàn)自動檢定可提高檢定效率和準確度,圖像的二值化處理是自動檢定系統(tǒng)中的重要步驟。因此,重點對鋼卷尺圖像的二值化方法進行研究。針對鋼卷尺圖像的特點,提出了基于同態(tài)濾波和改進的so-bel算子進行邊緣檢測相結合的新的二值化處理方法,該方法能較好地保留原始圖像的邊界特征。利用matlab軟件進行仿真,以檢驗該方法的結果是否正確。

基于機器視覺的智能汽車技術正在迅速發(fā)展并為駕駛員帶來了極大便利。該技術中一個重要環(huán)節(jié)是道路標識線檢測，本文主要對此進行了研究。首先分析了道路標識的特點，依據道路標識特征采用了中值濾波除去圖像中噪聲，采用環(huán)境光線設置閾值增強圖像，然后分析了邊緣檢測算法，采用sobel結合hough變換的方法對圖像邊緣進行了提取，并達到了預期效果。