整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

基于Sobel和LoG相结合的边缘检测与细化方法

鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。     

基于FPGA的改进Sobel算法图像边缘检测系统

边缘信息是数字图像信息的重要组成部分,传统的边缘检测程序会因串行执行指令而导致检测效率下降。为了提高图像边缘信息的处理能力,提出一种基于现场可编程门阵列的改进Sobel算子的边缘检测方法,其中,Sobel算法的卷积核从2方向扩展到8方向,并具备阈值自适应能力。板级测试结果表明,基于现场可编程门阵列的改进Sobel算法边缘检测方法充分发挥FPGA并行处理的优势,能够高效准确地检测图像的边缘信息,图像层次感强、成像稳定,在图像的并行处理中有明显的优势。     

基于改进Sobel算子的边缘检测系统的设计与实现

边缘检测是图像处理及计算机视觉中的基本问题之一,而Sobel算子对于边缘检测来说,则是最重要的算子之一.针对传统Sobel算子的局限性以及PC端串行化处理图像的效率较低的问题,提出了一种改进的方法,首先将传统Sobel算子的模板方向由2个变为8个,充分利用图像中的像素点的方向信息,然后根据现场可编程门阵列(Field ...     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel 算子基础上,增加了45°和135°2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于双边缘检测的目标定位技术

为了提高目标定位的准确性,在传统的高斯差分边缘检测和Sobel算子边缘检测的基础上,提出将二者相结合的双边缘检测算法。对原始图像进行2次标准差不同的高斯模糊求高斯差分来代替原本边缘检测图像预处理中的高斯平滑过程;对实验结果较好的高斯差分参数,进行Sobel边缘检测并进行目标定位。实验结果表明,在算法时间开销增加较少的情况下,使用高斯差分算子与Sobel算子相结合进行边缘检测的结果优于Sobel算子单独检测,检测效果较好。     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel算子的基础上,增加了45°和135° 2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于概率估计的Sobel算子医学图像边缘细化方法

针对存在大量噪声和目标边缘模糊的医学CT图像难以提取精确边缘的难点,提出边缘检测精确定位算法。该算法利用Sobel梯度图以及一阶微分期望阈值,从概率分布的方法进行定位估值,从而获得较高的定位精度。实验结果表明,本文算法比传统Sobel等算子对提取医学CT图像边缘更有效。     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

一种基于多结构元的弱对比度图像的边缘检测方法

在工业现场拍摄的图像一般对比度比较低，用传统的边缘检测方法提取的边缘特征不明显。文中提出了一种基于数学形态学的多结构元算子边缘检测的方法，对弱对比度图像进行了边缘检测实验，其结果与Sobel边缘检测算子、传统形态学梯度算子相比较，表明提出的检测算子具有检测精度高，噪声不敏感等显著特点。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

一种改善的基于支持向量机的图像边缘检测算法

本文给出一种基于支持向量机方法的边缘检测算法,用以改善传统边缘检测方法中存在的比如粗糙边缘、不准确边缘等缺点。支持向量机是建立在统计学理论基础上的一种新的机器学习方法。首先提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测。用所得到的边缘检测算法与Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与Prewitt算法相比,边缘检测性能得到提高。     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

一种基于形态学多结构元的自适应边缘检测算法*

基于形态学的图像边缘检测是图像处理的新技术之一,针对形态学单结构元在边缘检测中遗漏边缘信息的问题,提出了基于多结构元的自适应边缘检测算法。实验证明,该算法在检测边缘时能够获得比单结构元检测更多的边缘信息,具有较高的效率和很好的抗噪声能力,是一种有效的边缘检测方法。     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

基于方向信息的抗干扰性边缘检测算法研究

边缘检测是图像处理中的一个重要环节，本文主要针对传统微分算法的不足之处，从图像边缘的特性入手，提出一种基于方向信息的改进算法,文章介绍了改进算法的构造机理，通过实验与传统算法进行了比较，验证了该算法的可行性．同时表明该算法是对边缘检测算法的一种很好的补充．     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

结合四元数与最小核值相似区的边缘检测

目的 针对传统彩色图像边缘检测方法中未充分利用图像色度信息、颜色模型间非线性转换过程中时间和空间的大量耗费、算法实现复杂等问题,将四元数引入最小核值相似区（SUSAN）算法中,提出一种RGB空间下的结合四元数与最小核值相似区的边缘检测算法。方法 该算法首先对彩色图像进行四元数描述,然后用改进的SUSAN算子进行边缘检测。针对其中单一几何阈值g的限制,以及检测出的边缘较粗等问题,本文采用Otsu算法自适应获取双几何阈值,再对弱边缘点集进行边缘生长,最后根据USAN重心及其对称最长轴来确定边缘局部方向,实现对边缘点的局部非极大值抑制,得到最终细化后的边缘图像。结果 实验选取1幅合成彩色图像及3幅标准图像库图像,与彩色Canny算法、SUSAN算法,及采用单阈值的本文算法进行对比,并采用Pratt品质因数衡量边缘定位精度。本文算法能够检测出亮度相近的不同颜色区域之间的边缘,且提取的边缘比较连续、细致,漏检边缘较少。与公认边缘检测效果较好的彩色Canny算法相比,本文算法的品质因数提高了0.012 0,耗时缩短了2.527 9 s。结论 本文提出了一种结合四元数与最小核值相似区的边缘检测算法,实现了四元数与SUSAN算子的有效融合。实验结果表明,该算法能够提高边缘定位精度,对弱噪声具有较好的抑制能力,适用于对实时性要求不高的低层次彩色图像处理。     

基于边缘增强扩散的AFM图像边缘检测

在原子力显微镜（AFM）图像边缘检测中,针对其噪声干扰以及目标与背景之间差异微小等问题,提出了一种新的解决方法。其基本思路是采用基于图像梯度统计知识选取合理的梯度阈值来构造边缘增强扩散算子,利用该算子对AFM图像进行边缘保留去噪处理后,用Canny算子检测并标记其边缘。实验采用固液界面AFM图像来对上述检测方法进行评价,从实验结果来看,这种方法在边缘检测精度上优于传统的Roberts边缘检测等方法。