融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

一种改进的图像边缘检测算法

针对传统单一算子图像边缘检测效果欠佳的问题,提出一种新的边缘检测算法.新算法融合了LOG算子对于图像的阶跃型边缘定位准确、旋转不变性的优点和Canny算子的强抗噪声能力.通过实例实验分析表明:相比传统单一算子,新算法检测图像边缘的准确度更高,检测效果更理想.     

基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.     

自适应图像边缘检测LOG算法的DSP实现

LOG算子是图像边缘检测的重要算子,可以在不同尺度下检测图像的边缘特征。针对LOG算子存在的缺陷,并借助于LMS自适应算法获取最佳空间系数σ值,成功抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,当σ值较小时,LOG算子对高反差像素比较敏感,能够检测出物体的精细边缘,并且与实际边缘的一致性较好,但同时高斯滤波不彻底,图像中出现大量的虚假边缘;当σ值较大时,算子能够检测出原图像的边缘,噪声情况明显减小,但是边缘间存在相互干扰,位移严重等情况;本算法检测出的图像边缘,不仅成功抑制了图像中大部分噪声和微小的灰度变化,还保证了较高的边缘定位精度。增强了LOG算子的实用性,并且该算法易于实现,可以较好的解决图像边缘检测问题。     

图像边缘检测Laplace算子的改进

目的改进原有Laplace算子在检测图像边缘时的精度和清晰度,进一步准确地研究图像的基本特征.方法通过将原有的模板从3×3矩阵形式扩展成7×7矩阵形式.除了对特殊方向的边缘进行检测外,增加对非特殊方向边缘的检测.同时根据各点与中心点的距离远近设置合理的权系数,以提高边缘检测的效果.结果通过比较原有算子和改进算子的实验效果图表明,运用改进的Laplace算子进行边缘检测,边缘更加连续、准确和清晰,有效避免了伪边缘的出现.同时检测出一些原有的Laplace算子检测不出来的边缘,弥补了原有的Laplace算子的缺陷,取得了较好的效果.结论对Laplace算子的改进,提高了图像边缘检测的效果,较好的保持边缘的连通性,准确地检测图像的边缘.     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.     

形态学在交通标志边缘检测中的应用研究

选取自然条件下交通标志图像作为研究对象,对比了使用形态学操作前后的检测结果.同时,对图像进行了加噪处理作为干扰条件,并进行了标准条件和干扰条件的实验.实验结果表明,先对图像运用形态学进行平滑处理,然后用LOG算子进行边缘检测能够取得很好的效果.     

动态图像边缘检测性能评价的实验研究

介绍了几种传统的边缘检测算子,给出了这几种边缘检测算子在静态图像上的检测效果,并以TMS320DM642DSP为实验平台,设计了一种可以用来检测动态图像边缘的实验装置,对动态图像进行边缘检测,得到了在不同速度下的图像边缘检测效果,并对不同算法的检测效果进行了比较,得出Sobel算子在动态图像边缘检测中具有优势,为边缘检测技术在动态图像处理中的应用提供一种方法参考.     

医学图像边缘快速检测的模糊集方法

为了简单有效地获得理想的医学图像边缘,进行医学诊断,提出了一种基于模糊子集组合的图像边缘检测方法．由于图像边缘的模糊性,在边缘检测过程中应用了模糊集运算方法:先将图像的灰度直方图划分成相应的几个不同的子区,并对与灰度方差直方图子区相应的模糊子集进行运算,综合运算结果,最终得到图像的边缘．文中实例及对几种方法的比较表明,提出的Fuzzy算子所得到的图像边缘优于Sobel算子和Prewitt算子时所得到的图像边缘．     

基于CANNY算子的输电线路移动作业机器人视觉定位控制

设计一种双臂、双机械手的输电线路引流板螺栓紧固带电作业机器人,针对在螺栓拧紧作业过程中机器人机械手作业末端与螺栓头、螺母难以自动对准对接的问题,基于双作业末端输出的四路视频图像信息提出一种基于改进Canny算子图像边缘检测的机器人作业末端与螺栓螺母的对准定位控制方法,给出了Canny算子的改进方法和改进Canny算子图像边缘检测的流程。对常规Canny算子及其改进在套筒边缘检测及中心点的提取效果进行了比较分析,验证了改进算法的有效性,最后在实际线路上进行带电作业试验,试验结果表明本文所提出的改进Canny算子图像边缘检测机器人作业末端与螺栓螺母的对准定位控制具有较强的工程实用性,较常规算法而言进一步提高了作业效率。     

基于空间矩的视觉图像基元特征提取方法研究

建立了三级灰度图像边缘模型的空间矩算子。首先利用LOG(Laplacian of Gaussian)算子定位速度快的特点,确定图像像素级边缘;然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线和椭圆边缘像素点;最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线和椭圆。对空间矩算子亚像素定位算法与像面直线和椭圆亚像素提取算法的有效性和精度进行了实验研究,实验结果表明,在测量速度相当的情况下,本文提出的算法具有较高的精度和稳定性。 更多还原     

基于LOG算子的亚像素边缘检测

首先，把原始图像和LOG（Laplaciam of Gaussian)算子做卷积检测零交叉点，然后使用平面模型获得像素级边缘，最后，经过多项式插值在亚像素精度上再次确定零交叉点，得到了精确到亚像素级的边缘。     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．     

3种光照条件下灰度图像边缘检测算法的研究

边缘检测对光照强度的反应很敏感,同一种算法很难对不同光照情况下的图像进行有效的边缘检测.通过对不同光照情况下的图像特征分析,提出了不同光照情况下的图像边缘检测算法：正常光照条件下采用Sobel算子进行边缘检测;弱光照条件时先用MSR（multi-scale retine）进行图像细节增强处理,再利用类别方差自动门限法得到图像边缘;强光照条件下通过灰度扩展,将所感兴趣的灰度范围放大得到图像的边缘.实例分析表明,该方法能够从灰度图像中获取较为理想的图像边缘,并具有一定的抗噪性能.     

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。     

一种新的车牌识别预处理算法

提出了一种八方向Sobel处子模板提取图像边缘的方法，并根据边缘图像中车牌区域纹理特征来切分出车牌区域，然后利用类别方差自动门限法来确定字符色和底色的阈值，以进行字符二值化，经测试，此方法定位准确，二值化效果较好，为后字符分割和识别做了较好的预处理工作。     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.