- 
                题名基于Sobel算子含噪低对比度图像的边缘检测方法
                    被引量:6
            
- 1
- 
                
            
- 
                
                            作者
                                郑敏
                                王有熙
                                税冬东
                
            
- 
                    机构
                    
                            武警工程学院
                    
                
- 
                出处
                
                
                    《石河子大学学报(自然科学版)》
                    
                            CAS
                    
                2008年第1期117-119,共3页
            
- 
                    文摘
                        在分析噪声图像、低对比度图像的各种边缘检测方法及Sobel算子检测原理的基础上,提出了一种以Sobel算子为基础,应用直方图均衡化和二值化的改进算法。经实验证明,改进过的算法对含噪低对比度图像具有较好的检测效果,与传统的Sobel、Canny算法相比,具有边缘连续、清晰的优越性。
                        
                    
            
- 
                    关键词
                    
                            边缘检测
                            SOBEL算子
                            直方图均衡化
                            含噪低对比度图像
                    
                
- 
                    Keywords
                    
                            edge detection
                             Sobel operator
                             linear equal histogram
                             noise and low-contrast image
                    
                
- 
                    分类号
                    
                            
                                
                                    TP391
[自动化与计算机技术—计算机应用技术]                                
                            
                    
                
- 
                
            
            - 
                题名基于灰度变换的图像增强实现
                    被引量:10
            
- 2
- 
                
            
- 
                
                            作者
                                张岩
                                崔晓萌
                
            
- 
                    机构
                    
                            郑州牧业工程高等专科学校
                            南京林业大学
                            华南理工大学制浆造纸工程国家重点实验室
                    
                
- 
                出处
                
                
                    《包装工程》
                    
                            CAS
                            CSCD
                            北大核心
                    
                2010年第19期95-98,共4页
            
- 
                        基金
                        
                                    河南省重点科技攻关项目(082102250002)
                        
                    
- 
                    文摘
                        在研究基于灰度变换图像增强的原理和方法的基础上,对灰度线性变换和直方图均衡化的实现方法进行了实验分析,并采用MATLAB对灰度线性变换和直方图均衡化等2种方法,进行了编程实现。实验结果证明:这2种方法能够有效改变原图像的亮度值动态范围及其灰度分布,从而提高图像对比度,明显改善图像的视觉效果。
                        
                    
            
- 
                    关键词
                    
                            图像增强
                            灰度线性变换
                            直方图均衡化
                    
                
- 
                    Keywords
                    
                            image enhancement
                             linear gray transformation
                             histogram equalization
                    
                
- 
                    分类号
                    
                            
                                
                                    TS801.3
[轻工技术与工程]                                
                            
                    
                
- 
                
            
            - 
                题名融合多特征图的野生动物视频目标检测方法
                    被引量:9
            
- 3
- 
                
            
- 
                
                            作者
                                陈建促
                                王越
                                朱小飞
                                李章宇
                                林志航
                
            
- 
                    机构
                    
                            重庆理工大学计算机科学与工程学院
                    
                
- 
                出处
                
                
                    《计算机工程与应用》
                    
                            CSCD
                            北大核心
                    
                2020年第7期221-227,共7页
            
- 
                        基金
                        
                                    国家自然科学青年基金(No.61702063)
                                    重庆市基础科学与前言技术研究重点专项(No.cstc2017jcyjBX0059)。
                        
                    
- 
                    文摘
                        针对YOLOv3在野生动物视频目标检测领域中,存在的前后视频帧同区域关系难以描述的缺点,提出了Context-aware YOLO模型。该模型使用互信息熵对相邻帧的图像相似度进行量化,根据量化结果拟合出帧融合的相关因子,并使用相关因子对视频前后帧的特征图进行线性迭代融合;引入直方图均衡计算相似度的方法,判断"镜头切换"的情况,以确定特征图融合的临界条件。实验结果表明,Context-aware YOLO模型相对于YOLOv3模型F1值提升了2.4%,平均准确率(mAP)提升了4.71%。
                        
                    
            
- 
                    关键词
                    
                            YOLOv3模型
                            视频目标检测
                            互信息熵
                            线性迭代
                            直方图均衡
                    
                
- 
                    Keywords
                    
                            YOLOv3 model
                            video object detection
                            mutual information entropy
                            linear iteration
                            histogram equalization
                    
                
- 
                    分类号
                    
                            
                                
                                    TP391
[自动化与计算机技术—计算机应用技术]                                
                            
                    
                
- 
                
            
            - 
                题名基于MSR理论的交通图像去雾霾方法
                    被引量:12
            
- 4
- 
                
            
- 
                
                            作者
                                李长领
                                宋裕庆
                                刘晓锋
                
            
- 
                    机构
                    
                            天津职业技术师范大学汽车与交通学院
                    
                
- 
                出处
                
                
                    《计算机应用》
                    
                            CSCD
                            北大核心
                    
                2015年第A02期234-237,共4页
            
- 
                        基金
                        
                                    国家自然科学基金资助项目(51408417)
                                    天津市高等学校科技发展基金资助项目(20140917)
                        
                    
- 
                    文摘
                        为解决因雾霾天气导致的图像质量退化问题,减轻交通部门对交通视频图像的监测难度,提出了一种基于多尺度Retinex(MSR)的图像去雾霾算法。基于MSR理论,通过将原雾霾图像及其反转图像分别进行MSR变换,然后进行线性拉伸和幂次变换,最后将两幅图像处理结果加权线性相加,达到图像去雾的目的。通过对大量雾霾交通图像进行实验,实验结果表明此算法对雾霾图像的处理效果要好于幂次变换、直方图均衡化、MSR等图像去雾霾算法。提出图像去雾霾算法,在MSR算法的基础上进行了改进,实验结果表明该方法不仅有效地增强了图像的对比度和保真度,而且还使图像远景与近景得到一定的平衡。
                        
                    
            
- 
                    关键词
                    
                            图像增强
                            MSR变换
                            线性相加
                            幂次变换
                            直方图均衡化
                    
                
- 
                    Keywords
                    
                            image enhancement
                             Multi-Scale Retinex(MSR) transformation
                             linear stretching
                             exponential transformation
                             histogram equalization
                    
                
- 
                    分类号
                    
                            
                                
                                    TP751.1
[自动化与计算机技术—检测技术与自动化装置]                                
                            
                    
                
- 
                
            
            - 
                题名织物表面疵点检测方法的设计与实现
                    被引量:6
            
- 5
- 
                
            
- 
                
                            作者
                                俞新星
                                任勇
                                支佳雯
                
            
- 
                    机构
                    
                            苏州大学应用技术学院
                    
                
- 
                出处
                
                
                    《现代纺织技术》
                    
                            北大核心
                    
                2021年第1期62-67,共6页
            
- 
                        基金
                        
                                    江苏省高校自然基金项目(19KJB520051)
                                    江苏高校哲学社会科学研究基金项目(2018SJA2251)
                                    江苏省大学生创新创业训练计划项目(201913984009Y)。
                        
                    
- 
                    文摘
                        针对传统织物生产企业中,人工检测织物存在瑕疵检出效率低、误检率高的问题,提出了一种织物表面疵点检测方法。该方法首先采用高斯滤波、线性归一化以及限制对比度自适应直方图均衡化对织物表面图像进行预处理,从而有效增强图像中的疵点表现细节,然后通过改进的Gabor优化选择,再对选择后的图像进行初分解,从中挑选出最优滤波图像进行二值化处理,最后运用统计学方法进行疵点判断并获得最终结果。该方法实现简便、硬件要求低、适应性广,可用于判断织物表面是否含有疵点,并定位疵点。实验证明,织物表面疵点检测准确率高达95.38%。
                        
                    
            
- 
                    关键词
                    
                            织物疵点检测
                            Gabor优化选择
                            直方图均衡化
                            线性归一化
                    
                
- 
                    Keywords
                    
                            fabric defect detection
                            optimal Gabor filter
                            histogram equalization
                            linear normalization
                    
                
- 
                    分类号
                    
                            
                                
                                    TS103
[轻工技术与工程—纺织工程]                                
                            
                            
                                
                                    TP391
[自动化与计算机技术—计算机应用技术]                                
                            
                    
                
-