基于图像边缘的灰度加权算法应用于LED管芯检测

LED管芯检测的像素级算法受到图像分割的影响,造成目标中部分像素的丢失.本文利用图像边缘区域的灰度加权算法,以求取物体边缘所在像素点的灰度来计算边缘位置.检测结果分析表明,该算法在检测精度上有了明显提高.     

基于小波变换的图像边缘检测算法的研究

在对经典的图像边缘检测算法深入分析的基础上,进一步完善了基于小波变换的边缘检 测算法.随尺度增加,边缘和噪声的小波幅值表现出不同变化特性,从而在低信噪比的信号中检测出噪声和边缘.实验结果表明,基于小波变换的图像边缘检测算法能够比其它算法保留更多的图边缘信息,鉴别出伪边缘,其精度能够满足基于图像处理技术的各种质量检测系统的要求.     

图像边缘检测方法对比与实现

本文主要针对彩色图像和灰色图像边缘检测的一些方法进行了对比。对于灰色图像根据不同方法的优缺点提出了一种基于数据融合的边缘检测的方法。该方法对原始图像分别采用sobel算子和小波变换两种方法进行边缘提取,然后采用加权平均的方法进行融合并且得到了边界更为清晰的边缘图像;对于彩色图像则分别对比了在RGB彩色空间直接计算梯度得到的边缘图像,以及在分量图像分别计算然后相加得到的梯度图像的边缘效果。     

基于小波变换的图像边缘检测

本文主要对目前存在的图像边缘检测的方法进行了研究分析,重点研究了小波变换在图像边缘检测方而的优势,提出了基于连续小波变换的边缘检测方法,并编程展示编码的结果,验证其在实际应用中的可行性。     

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。     

图像边缘检测中的数据融合技术研究

提出一种基于数据融合的图像边缘检测算法。实验结果证明融合后的边缘图像是一种有效的图像边缘检测方法。     

基于小波分析方法的图像边缘检测

边缘检测是图像处理的重要组成部分,是图像处理与分析技术的研究热点,首先介绍小波分析方法的发展历史与主要思想,然后分析其中的多尺度分析方法,并将这种方法应用于图像的边缘检测中,从而得出小波变换是一种较好的进行边缘检测的手段。     

图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

基于FPGA边缘检测算法的研究

当前,基于计算机的图像边缘检测在各领域中占有重要环节,通过有效的边缘检测,可以大大简化后续图像处理过程对图像信息的分析工作。因此,基于FPGA的实时图像边缘检测的研究与设计已经倍受人们的关注。本文主要研究基于FPGA图像边缘检测的算法。     

光伏电池边缘检测算法研究

为了满足晶硅光伏电池视觉印刷高精度边缘定位要求,本文提出了一种改进的亚像素边缘定位算法.该算法首先应用Sobel算子和线性插值得到边缘垂直方向上新的边缘图像;最后对插值的边缘图像使用改进的灰度矩算子,得到的亚像素边缘.同时本文进行改进亚像素检测算法与传统亚像素检测算法的精度及鲁棒性对比实验.结果表明:本文算法比传统亚像...     

基于分形特征参数的目标边缘检测算法

图像的边缘提取在计算机视觉系统的初级处理中具有关键作用,但目前仍是"瓶颈"问题.本文主要针对复杂背景下的目标边缘检测问题,提出了一种新的基于分形特征参数的目标边缘检测方法.算法基于分数布朗运动的方差性质提出一种改进的分形维数及其截距特征参数的计算方法,进而将该分形维数与截距特征参数相结合,提出了一种基于分形特征参数的边缘检测算法.实验表明,算法可以有效地实现目标边缘检测,同时算法的运算效率得到提高.     

基于GPU的快速Sobel边缘检测算法

传统的Soble边缘检测算法的优化和实现都是针对常用处理器(CPU、DSP和FPGA等)提出的,难以应用在图像处理器(GPU)上.本文提出了一种基于NVIDIA公司CUDA架构图形处理器(GPU)的快速Sobel边缘检测算法.快速算法根据GPU的并行结构和硬件特点,采用了纹理存储技术、多点访问技术和对称计算技术三种加速技术,优化了数据存储结构,提高了数据访问效率,降低了算法复杂度.实验结果表明,快速算法充分利用了GPU的并行处理能力,在处理4 096x4 096分辨力的8位灰度图像时速度可达190 fps,是基于CPU实现的122倍.     

An Image Edge Detection Algorithm Based on Multi-Feature Fusion

Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method.     

一种边界-区域相结合的图像分割算法

提出了一种模仿人类视觉机制的区域-细节的图像分割算法.首先提取图像边缘,然后将边缘分段切割,得到端点集合,然后从端点集合生成Delaunay三角形网络,以Delatmay三角形为顶点,相邻三角形的属性差异作为边的权重,构造图;9以基于图的分割算法生成最小生成树,划分区域.最后用Snake模型精确确定区域边界,生成准确的区域边缘.实验证明,这种区域分割和边缘检测相结合的方法能准确地分割非纹理图像,较好地克服了块现象和非连续边界,相比单一区域分割或者边缘检测方法有更好的分割结果,并且计算速度比较快.     

基于边缘检测的视觉反馈误差扩散半色调算法

提出一种基于边缘检测的视觉反馈误差扩散半色调算法。首先,对原图像进行误差扩散,然后采用LOG算子提取原图像和半色调图像的边缘信息;接着计算原始图像边缘信息与半色调图像边缘信息之间的视觉差,并将该视觉差利用反馈函数传递到原图像,得到新的连续调图像;最后,对新的连续调图像进行误差扩散,得到最终的半色调图像。实验仿真结果表明,相较于标准误差扩散和快速误差扩散,所提算法在主观感受和客观评价方面都有较大提升,是一种有效的半色调图像生成方法。     

基于边缘检测算法的对焦评价函数改进研究

本文针对现有边缘检测算法构建对焦评价函数的不足,提出了一种改进的基于Sobel算子的边缘检测算法,该算法能在一定程度上有效地解决由计算中的方位局限产生的边缘粗糙,在极点附近尖锐性表现不明显等问题,能更好地满足对焦评价函数的性能特征。本文最后通过仿真实验证明了该改进算法可行,在峰值两侧具有很好的单调性,比其它同类算子变现出更高的灵敏度,可以较好地满足对焦评价标准。     

基于高斯积分曲线拟合的亚像素边缘提取算法

针对传统边缘提取算法定位精度低、对噪声敏感等缺点,提出一种基于高斯积分曲线拟合的亚像素边缘提取算法。通过曲面插值求取像素级边缘法截线上各离散点的灰度值,再进行高斯积分曲线拟合,寻找高斯积分曲线的均值点坐标,实现亚像素边缘的精定位。用量块直线边缘进行实验,并与现有亚像素边缘提取算法比较,实验证明基于高斯积分曲线拟合的亚像素边缘提取算法定位精度较高,可以达到1 μm,且算法可靠性高、计算速度快,能够用于高精度测量。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

基于敏感区域多结构元素形态学边缘检测算法

在边缘检测算法的应用中,很难同时兼顾图像处理效果和处理速度,为此,提出了一种新的边缘检测算法,将边缘处理集中在感兴趣的图像区域中.该算法利用梯度算子获得图像中的敏感区域,再构造多种结构元素,结合形态学梯度和OTSU分割法检测敏感区域的边缘.应用于沥青路面裂缝图像检测,实验结果表明,与其它边缘检测算法相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.在保证处理效果的同时,也保证了处理速度,有很高的实用性和推广性.