摘要：针对多层显著性图融合过程中产生的显著目标边缘模糊、亮暗不均匀等问题,提出一种基于域变换和轮廓检测的显著性检测方法.首先选取判别式区域特征融合方法中的3层显著性图融合得到初始显著性图;然后利用卷积神经网络计算图像显著目标外部轮廓;最后使用域变换将第1步得到的初始显著性图和第2步得到的显著目标轮廓图融合.利用显著目标轮廓图来约束初始显著性图,对多层显著性图融合产生的显著目标边缘模糊区域进行滤除,并将初始显著性图中检测缺失的区域补充完整,得到最终的显著性检测结果.在3个公开数据集上进行实验的结果表明,该方法可以得到边缘清晰、亮暗均匀的显著性图,且准确率和召回率、F-measure,ROC以及AUC等指标均优于其他8种传统显著性检测方法.

摘要：目的考虑到图像信息在视觉通路中的表征是多尺度的,为了实现自然场景下多对比度分布图像的轮廓检测任务,提出了一种基于双视通路尺度信息融合的轮廓检测新方法。方法首先构建对亮度信息敏感和对颜色信息敏感的大细胞(M)、小细胞(P)并行通路,构建不同尺度的感受野模拟神经节细胞对刺激的模糊和精细感知,使用亮度对比度和色差信息指导不同尺度感受野响应的自适应融合,使其能够充分提取亮度轮廓和颜色轮廓。其次结合外膝体(lateral geniculate nucleus,LGN)多尺度方向差异编码与多尺度朝向选择性抑制方法,构建显著轮廓提取模型,实现轮廓区域的增强以及背景纹理的抑制。最后将加工后的亮度轮廓和颜色轮廓前馈至初级视皮层(V1)区,构建双通道响应权重调节模型整合M、P通路所得信息,进一步丰富轮廓。结果本文使用BSDS500(berkeley segmentation data set)图像库和NYUD(New York University-depth)图像库对提出的算法进行验证,其中在BSDS500图像库的最优平均准确率(average precision,AP)指标为0.74,相对于SCSI(subfield-based center-surround inhibition)、BAR(bilateral asymmetric receptive)和SED(surround-modulated edge detection)等基于生物视觉机制的检测方法有4%~13%的提升,所得结果轮廓图也更为连续、准确。结论本文利用M、P双通路机制以及亮度信息和颜色信息在前端视觉通路中的编码过程实现轮廓信息的加工与提取,可以有效实现自然图像的轮廓检测,尤其是对于图像中的细微轮廓边缘的检测,也为研究更高级皮层中视觉信息机制提供新的思路。

摘要：为实现对工件表面微观形貌测量系统要求远距离传输、实时在线及非接触测量,同时达到高精度、高分辨力、高信噪比测量,提出基于声光调制的光纤外差法轮廓检测技术,采用外差法可有效抑制随机噪声,提高信噪比,通过原理分析建立数学模型;系统设计画出工件表面粗糙度测量框图;实验测量得出被测工件表面粗糙度,分辨力达到1nm;讨论了不确定度来源及控制方法,测量精度为1‰。实验结果表明:外差法、声光调制及光纤测试技术可有效降低噪声、提高分辨力和测量精度。

摘要：提出基于图像定位与轮廓检测的喷墨宽度测量算法.首先,根据图像灰度熵特征与旋转定位函数,提出基于动态阈值熵函数分割与EmguCV的产品定位算子,得到产品中心点坐标与旋转角度;然后,传递给机器人Robert,引导Robert到产品边缘喷墨上方进行局部图像采集;最后,采用大律法分割法处理喷墨边缘图像,设计基于Canny边缘检测与轮廓检测的测量算子,从而完成喷墨宽度测量.实验数据显示:与当前目标宽度测量技术相比,文中算法具有更高的测量精度与稳定性.

摘要：利用声波的传播速度构建声学断层图像,已成为一种有效的木材无损检测方法。在实践中发现,树干横截面形状对林木声学断层成像的精度有显著影响。然而,现有研究都是假设树干为圆形的,导致生成的声学断层图像与实际情况不符。为了精确检测原木、活立木的树干横截面形状,研制了一种基于激光测距传感器的树干横截面轮廓检测仪器。采用滚珠丝杆在树干周围建立等边三角形,并利用步进电机驱动激光测距传感器沿滚珠丝杆移动,检测不同位置上树干表面的样本点与滚珠丝杆间的垂直距离,然后通过坐标平移、坐标旋转等坐标转换方法将样本点的测量数据转换到同一个坐标系,最后利用3次样条插值算法对所有样本点进行曲线拟合,可以方便地绘制出待测树干的轮廓。详细介绍了检测仪器的机械系统、电路系统、软件系统的设计方法,并分别采用近似圆形和不规则形状的原木样本进行了实验。实验结果表明,该仪器绘制的树干轮廓与真实情况基本一致,生成的轮廓曲线长度与树干周长之间的相对误差为0.83%。

摘要：轮廓检测旨在提取自然场景中目标形状以及区域与区域之间显著的分界线,是计算机视觉中的研究热点之一.近几年,基于卷积神经网络的轮廓检测模型取得了显著突破,这些模型由编码网络和解码网络两部分构成.编码网络一般采用现有的VGG16网络,研究者主要致力于解码网络设计.考虑到自然图像中包含许多不同尺度的轮廓,充分利用丰富的层级特征对于轮廓检测非常重要.因此,从充分利用多尺度特征的角度出发,提出一种能够有效整合不同尺度卷积特征信息的解码网络结构.将输入信息分成浅层、中层和深层3种特征,利用解码网络分别对不同尺度的特征进行整合,最后平均融合3种特征,进行图像到图像的轮廓预测,在BSDS500数据集上对模型进行评估.对比实验结果表明,模型预测的轮廓清晰,最佳数据集尺度指标达到了0.818,具有较好的性能评估指标.

摘要：目前研究的航天器目标跟踪控制系统控制有效率低,追踪图像与实际目标不同,准确率低;基于图像轮廓检测设计了一种新的航天器目标跟踪控制系统,根据系统硬件的不同性能与结构进行模块式划分,同时将图像轮廓检测数据准则添加入中心管理系统中,时刻保证数据的检测安全系数处于系统操作允许范围内;调整原有的软件结构状态,采集航天器轮廓图像并提取轮廓信息,选用适当的图像轮廓检测阈值,集中检验跟踪目标的运动方向,调控方向数据,以此降低图像的像素变化程度,得到准确的航天器目标跟踪控制结果;实验结果表明基于图像轮廓检测的航天器目标跟踪控制系统控制有效率达到了84%,跟踪目标更加准确。

摘要：在汽车轮廓检测系统中,对于汽车轮距的测量是采用超声波测距传感器进行的。由于超声波测距传感器输出模拟信号,计算机只接收和输出数字量,因此,在检测过程中,必须通过转换器把模拟量转换成数字量,从而实现CPU与超声波测距传感器之间的信息交换。针对所设计的汽车轮廓检测系统采用TLC2543A/D转换芯片实现模拟量到数字量的转换,采用接口芯片MAX485和P89C58X2单片机进行串行通讯实现与上位机之间的数据传递,以完成数据处理任务。

摘要：针对由于DICOM图像的复杂性导致图像目标测量不准确的问题,文章在三维图像数据的基础上,开发了相应的目标定位和距离测量算法,设计了一种利用轮廓检测和目标定位的方法来分析和测量DICOM图像。首先,通过CT设备获取原始图像数据,并分析原始数据的结构特征,使用开源图像库ITK解析DICOM图像,将其读取到系统软件的内存中,并在自主开发的软件界面上显示。其次,对DICOM图像进行轮廓检测,确定目标所在帧。然后,结合分水岭算法和水平集分割算法,设计了定位模型,完成目标的定位和测量,并输出定位的图像结果。最后,利用QT开发平台实现了测量和定位算法以及相应的软件功能。测试结果表明:与当前的DICOM图像测量技术方案相比,文章所提方法具有更高的测量和定位准确度。

摘要：基于深度学习的轮廓检测模型通常由编码和解码2个部分组成,其中编码部分负责提取、分离图像特征,解码部分则解析、表征图像特征。为了尽可能利用每一个卷积层的信息,设计了一种高性能轮廓检测模型。首先,将编码网络的输出分为2组进行逐级解码;然后引入交互式连接,2组网络分别互换部分卷积层进行特征交互以获取更多的特征信息;最后,2组网络的输出传入加法层进行融合得到最终输出。在BSDS500和NYUD-v2数据集上对该神经网络模型进行实验,结果与近几年的研究相比,有着显著的提升。通过消融实验进一步证明,采用交互式解码方法的F值(ODS)由0.816提升至0.819,提高了0.003。