简介：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。

简介：摘要：目标检测算法在不断更新迭代，从20世纪90年代至今，目标检测领域已经发生了翻天覆地的变化。本文简要梳理了目标检测算法的发展历程，重点对YOLOv1和YOLOv3两代算法进行了详细讨论，同时还探讨了YOLO算法在农业、工业、医学和遥感监测等领域的广泛应用，并展望了其未来的发展潜力。

简介：

简介：摘要：目前绝缘子缺陷检测的方法可分为人工巡检、基于机器学习的图像识别技术和基于深度学习的目标检测算法。人工巡检主要通过人工排查绝缘子明显、直观的故障，费时费力，且存在安全隐患。基于机器学习的图像识别技术如局部二值模式特征(Local Binary Pattern，LBP)，方向梯度直方图特征(Histogramof Oriented Gradient，HOG)和Deformable Part Models(DPM)目标检测算法等虽已取得一定的效果，但其主要使用单一特征(如颜色、纹理、形状等)，同时依赖人工提取特征，工作量大，检测效率低。

简介：运用边缘检测和图着色理论，可以提出基于图着色的边缘检测算法。在基于图着色的边缘检测算法当中，首先利用不同的颜色梯度和色集合进行划分，其次对相邻像素点间的关联边进行着色，再次根据相邻像素点间的关联边的着色情况，在尽量保证图像信息完整的基础上，提取出尽可能少或者尽可能合适数量的边缘点，最后利用降噪函数对结果中的噪声点进行筛选，最终达到边缘提取的目的。

简介：红外图像中弱小目标的检测是实现红外搜索跟踪、红外侦查预警等红外图像处理的核心技术之一。当目标距离成像系统较远,目标呈现出面积小、信噪比低等特点,增加了对其检测的难度。为了准确、快速地实现不同红外背景下的弱小目标检测,提出了一种基于多层数据融合的红外图像弱小目标单帧检测算法。

简介：摘 要: 随着计算数学和信号处理技术的发展，基于深度神经网络的目标检测算法获得了比传统模板匹配算法更优的结果。深度 学习目标检测算法分为一阶段目标检测（one-stage）和两阶段目标检测（two-stage）两类。常见的一阶段目标检测算法有 YOLO算法、SSD算法。一阶段目标检测算法的优势在于利用回归的思想直接通过图像得到预测目标框信息，速度快。二阶段目标检测算法在精度方面要优于前者，例如R-CNN、Fast-CNN等，其策略是先利用网络产生一系列的候选框，然后进行分类和回归，虽然其精度相较一阶段算法准确度更高，但是速度方面相差甚远。

简介：摘要：由于故障电弧电流随机性、隐蔽性等特点，给故障电弧检测技术带来了挑战。针对现有故障电弧检测技术在实时性、数据可移植性等方面存在的些问题，本文提出一种基于Transform模型的实时检测故障电弧的系统。

简介：摘要：由于故障电弧电流随机性、隐蔽性等特点，给故障电弧检测技术带来了挑战。针对现有故障电弧检测技术在实时性、数据可移植性等方面存在的一些问题，本文提出一种基于FPGA的实时检测故障电弧的系统。

简介：边缘检测是图像分析和计算机视觉中最重要的内容之一。80年代中期,从图像所具有的不确定性是由模糊性引起的观点出发,首次将模糊集理论引入图像的边缘检测中,提出了图像边缘检测模糊算法（简称Pal算法）。与传统的空间域微分算法相比,该算法具有较好的抑噪、边缘检测效果,但是此算法仍然存在不少缺陷。就三种改进的模糊算法从算法原理和检测效果上与传统的Pal算法进行比较分析,用以说明改进算法能取得更好的检测效果。

简介：运用计算机图像拼接技术,提出一种将炮管内膛局部表面照片快速无缝拼接的算法。该算法选择Harris角点检测算子对特征点进行自动提取和匹配,通过对匹配过程的松弛迭代,消除误匹配;采用加权融合算法进行内膛图像融合,生成无缝拼接的内膛表面图。

简介：复杂图像中对特定目标的检测和定位是机器视觉领域的难点之一。提出使用中层视觉元素描述检测目标,以建立权值模板图像;然后对目标图像和权值模板进行加权SIFT特征匹配得到最优匹配位置,从而实现目标检测。该方法以自行车为检测目标进行实验,检测率达到86%,优于传统SIFT-AdaBoost和HOG-SVM检测方法。实验结果表明该方法能够减少复杂图像中背景干扰的问题,对于不同姿态的目标进行检测也有较强的鲁棒性。

简介：摘要随着经济的迅速发展，大量整流设备等非线性负荷不断投入运行，使得电网中产生电压畸变、谐波；三相不对称负载，如单相大容量负荷（电气化铁路、电弧炉及大功率设备）由于在三相系统中的容量和电气位置分布不合理，引起系统三相不平衡；具有波动性、冲击性的负荷（钢铁企业的电弧炉、大型轧钢机）容易引起电压波动和闪变，严重威胁着电力系统安全、稳定、可靠、经济的运行。用户侧设备的运行也受电能质量的影响。如果供电突然中断或者波动，将会给工业生产带来巨大的经济损失，尤其对于用户侧安装的一些对电能质量具有高要求的控制设备、电子装置等。为了保证电力系统的安全经济运行，减少因电能质量问题对用户和用电设备造成的影响，了解电能质量的定义、基本指标，研究电能质量的检测方法具有重要意义。

简介：摘要：行人检测一直是计算机视觉领域的研究热点，本文指出了行人检测的问题和遇到的难点，并对传统的行人检测方法进行了研究，最后讨论了基于深度学习方法的行人检测算法。

简介：提出了一种基于立体视觉的物体边缘检测的方法。先对立体图像对进行基于图割的立体匹配方法求取场景的视差图，然后再用Canny的边缘检测方法对视差图进行边缘检测。立体视觉方法有效解决了单目视觉检测方法中的一些难点，利用了物体在空间的深度信息，对复杂背景下的物体和具有复杂纹理物体的边缘检测有很高的鲁棒性。实验结果表明该边缘检测方法优于传统的单目视觉边缘检测方法。

简介：结合图像采集原理与实际的运用过程,对Sobel算法在FPGA的实现方法进行阐述,通过设计linebuffer实现Verilog像素存取的问题,得到良好的边缘检测效果。

简介：摘 要

简介：介绍和分析了在当前成像跟踪系统中常用的几种点目标滤波检测算法。为了满足图像处理实时性要求，设计了一套针对图像滤波算法的FPGA硬件实现结构。该结构具有FPGA高速并行计算能力，能在信号读出的过程中实时地完成多种滤波处理。成像实验证明该方案切实可行，具有良好的实时滤波效果。

简介：摘要：圆检测是图形检测中的重要问题之一，图像中的圆经常会受到干扰（如遮挡）等问题。为解决这个问题，本文提出一种圆检测算法，兼顾检测精度和耗时。首先随机在圆上选取两点，再由圆的几何特征确定另一点，即在该两点线段的中垂直线上找第三点，由这三点确定候选圆；再对候选圆上的点进行统计，判断候选圆的真假以得到真实圆。此问题的解决是可提高人脸和虹膜活体检测的准确性，因为摄像头采集到的眼睛常受到眼睫毛眉毛等遮挡的情况下的干扰。

简介：摘要：深度学习已经在目标检测领域取得了显著的进展，通过自动学习特征表示和端到端的训练方式，提高了目标检测的准确性和效率。本文对基于深度学习的目标检测算法进行了综述，包括单阶段和两阶段检测器。单阶段检测器如YOLO和SSD直接在图像上进行密集预测，具有实时性和高效性，但可能存在定位不准确性。两阶段检测器如R-CNN系列通过候选区域生成和分类/定位两个阶段实现更精确的定位，但计算资源消耗较大。选择适合任务需求的检测器取决于实时性、准确性和定位要求。未来，深度学习目标检测算法将进一步发展，结合单阶段和两阶段的优势，以提高性能和效果。