用边缘检测算子实现图像边缘检测

边缘检测作为一种低层图像处理方法,是各种高级图像处理的基础,它在医疗诊断、指纹识别等方面有着广泛的用途。本文探讨了用边缘检测算子实现边缘检测的方法。     

一种新的图像边缘检测算法

提出了一种新图像边缘检测算法。与其他方法不同，该文从图像边缘的特性入手来解决边缘检测问题，为此定义了一系列边缘点约束条件作为算法基础，并用集合论的方法解决了这些约束问题，进而建立了整个边缘检测算法。     

Delphi实现图像边缘检测

总结了计算机图像边缘检测的基本步骤和原理,分析了实现图像边缘检测三种基本边缘算子,给出了基于Delphi编程工具的图像边缘检测的实现方法。     

基于边缘特征和模糊理论的阴影检测

阴影检测在图像处理中是一个十分重要的课题。该文提出了一种基于边缘特征的阴影边缘检测方法。对于阴影边缘检测的结果,利用文献所提出的基于模糊理论的边缘连接方法来进行连接,并在此基础上提出了一种基于模糊理论的边缘闭合方法将未闭合的离散边缘点或曲线段连接成闭合边缘。最后,利用局部均值和直方图获取阴影区域。实验结果表明,本文提出的方法在定位精度和去除噪声等方面都取得了较好效果。     

图像边缘提取技术的分析及优化

本文对现有代表性的各种图像边缘提取方法进行了介绍和归纳,对比、分析了各自的优缺点,并自己提出了基于小波变换数据融合的图像边缘检测算法,该方案结合使用了微分法和小波变换两种方法,发挥了它们各自的优点,获得了比较明显的图像边缘。并对几种图像边缘提取算法进行计算机仿真研究,实验结果表明基于小波变换数据融合的图像边缘检测算法所得到的边缘提供了较高的边缘定位精度,是一种有效的图像边缘提取算法。     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

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。     

基于迭代阈值和形态学的图像边缘检测

提出了一种迭代阈值和数学形态学相结合的微生物图像边缘检测。这种边缘检测方法,不但有效地抑制了噪声,而且检测出的边缘连续、清晰。实验结果表明,本文所用的边缘检测方法要优于传统的边缘检测方法。     

基于Sobel的边缘检测方法

使用二种方法进行边缘检测。第一种方法为传统方法;第二种方法为新方法。第一种方法:先用Sobel算子做边缘检测,再用Ostu方法二值化边缘,最后用多像素边缘细化算法进行细化;第二种方法:先用Sobel算子做边缘检测,再用Sobel算子对边缘进行细化,最后用自适应的动态阈值计算方法进行二值化。结果表明:第二种方法在结果和时间上都要优于第一种方法。     

基于曲率的屋脊边缘检测方法

本文提出一种新的、基于曲面曲率的屋脊边缘检测方法.通过屋脊边缘沿最大主曲率方向的最大主曲率局部极值检测屋脊边缘,同时最小主曲率的方向就是屋脊边缘的走向.理论分析和实验证明,本文方法具有更好的性质和边缘检测效果.     

一种基于边缘生长的灰度和彩色图象分割方法

边缘检测可以快速准确地提供区域分割的边缘点,是图象处理的一个重要领域。但由于边缘点不连续和难以把存在大量碎边缘点的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为此提出用边缘生长的方法来解决不连续的边缘点链接问题和通过找出高细节区周围的区域,以便间接地将高细节区围成一个区域。该算法是边缘检测的后续处理,适合于多种应用目的,同时还可以嵌入到其它利用边缘信息的分割算法中。     

Edge enhancement by local deconvolution

In this paper a new approach for blurred image restoration is presented. Our algorithm is based on human vision which zooms back and forth in the image in order to identify global structures or details. Deconvolution parameters are estimated by an edge detection and correspond to the ones of a chosen edge detection model. The segmentation is obtained by merging multiscale information provided by multiscale edge detection. The edge detection is achieved by using a derivative approach following a generalization of Canny-Deriche filtering. This multiscale analysis performs an efficient edge detection in noisy blurred images. The merging leads to the best local representation of edge information across scales. The algorithm deals with a mixed (coarse-to-fine/fine-to-coarse) approach and searches for candidate edge points through the scales. Edge characteristics are estimated by the merging algorithm for the chosen model. Scale, direction and amplitude informations allow a local deconvolution of the original image. The noise problem is not considered in this work since it does not disturb the process. Results show that this method allows non-uniformly blurred image restoration. An implementation of the whole algorithm in an intelligent camera (DSP) has been performed.     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

Digital Twin-driven online anomaly detection for an automation system based on edge intelligence

Accurate anomaly detection is critical to the early detection of potential failures of industrial systems and proactive maintenance schedule management. There are some existing challenges to achieve efficient and reliable anomaly detection of an automation system: (1) transmitting large amounts of data collected from the system to data processing components; (2) applying both historical data and real-time data for anomaly detection. This paper proposes a novel Digital Twin-driven anomaly detection framework that enables real-time health monitoring of industrial systems and anomaly prediction. Our framework, adopting the visionary edge AI or edge intelligence (EI) philosophy, provides a feasible approach to ensuring high-performance anomaly detection via implementing Digital Twin technologies in a dynamic industrial edge/cloud network. Edge-based Digital Twin allows efficient data processing by providing computing and storage capabilities on edge devices. A proof-of-concept prototype is developed on a LiBr absorption chiller to demonstrate the framework and technologies' feasibility. The case study shows that the proposed method can detect anomalies at an early stage.     

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构,同时能滤除边界图象中的噪声干扰,提出了一种基于遗传算法在图象边界规整方法。该方法首先将已经检测得到的边界图象编码为两维二值码串个体,并根据理想边界模板集来计算每个个体的适应度;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整。在遗传算法收敛时,该算法不仅能得到最适合有效理想边界结构的边界图象,并能有效地滤除边界图象中的噪声。     

自适应边缘检测方法的研究

图像的边缘是图像最基本也是最重要的特征之一。边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一，在精确制导武器中有着广泛的运用。针对经典边缘检测方法在阈值选取中存在的问题，在分析几种二值化阈值选取方法的基础上，提出了自适应的边缘测检方法。基于C++Builder语言，研究了该方法的设计并得到了实现。通过实验验证，说明了该文方法的实用性和有效性。     

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上，本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法，不仅可以对整个原始图像进行边缘检测，还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后，把这种算法与一些经典的图像边缘检测做了对比分析，实验结果表明该算法具有较好的图像边缘检测性能。     

基于规则的边缘连接算法在路面病害检测中的应用

本文提出了一种基于规则的边缘连接算法，此算法对通过边缘检测提取的病害边缘块进行启发式搜索，采用基于规则的方法计算边缘连接的可信度作为连接质量的度量。通过在江苏省高速公路路面病害自动检测系统中的应用，表明此方法有较高的连接效率，同时能有效地抑制噪声。     

一种基于区域一致性测度的边缘评价方法

提出一一种新的边缘评价方法,该方法同时考虑到边缘线型连接的好坏及错检,漏检的程度,结合了传统的边缘评价方法各自的优点,更多地体现了人对边缘检测效果的评价特点。文中对测试图象及实际图象的边缘检测结果进行了评价,结果表明该评价方法是合理的,可行的。     

基于形态学多尺度算法的肺部CT图像边缘检测

医学图像边缘检测是医学图像处理和分析的基础,传统边缘检测算子对噪声敏感,检测到的图像边缘效果较差.本文提出了一种基于形态学多尺度算法的肺部CT图像边缘检测方法.首先对形态学边缘检测算子进行改进,然后利用形态学多尺度算法检测各尺度下的图像边缘,最后采用非均匀权值方法合成最终边缘.实验结果表明:该方法在检测出肺部图像边缘的同时能够很好地抑制噪声,是一种有效的肺部CT图像边缘检测方法.