基于小波变换和边缘模板相结合的序列B超图像边缘提取

由于B超图像的分辨率差、灰度级别少等特点,用传统的边缘检测难以得到满意的效果。本文采用了基于离散二进小波变换的门限选取法,通过检测图像直方图不上波变换的零交叉点来得到图像的边缘;进而又构造出一种边缘模板,利用小波变换和边缘模板相结合的方法提取出序列B超图像的边缘。     

共生矩阵耦合Otsu阈值的彩色图像边缘提取算法

针对当前彩色边缘提取算法因没有考虑不同颜色通道的关系,导致提取的边缘不连续或色彩边缘信息缺失等不足,提出了一种基于共生矩阵耦合Otsu阈值的彩色边缘提取。首先,为了评估图像的局部区域内容,计算图像中固定距离与方向上两点像素的关联,构建共生矩阵,得到了像素之间的统计特征,有效描述图像局部统计信息的变化。其次,对共生矩阵空间依次从左到右,从上到下逐像素扫描,形成属性图像。然后,利用二阶邻域来描述每个属性图像当前像素与邻域像素之间的关联,通过对当前像素与邻域的加权计算,得到8个边缘强度,并找出最大边缘强度。最后,引入Otsu阈值方法,将图像的局部最大边缘强度与最优Otsu阈值进行比较,获取其边缘像素,完成边缘提取。仿真结果表明,与当前彩色边缘提取技术相比,所提算法能够有效提取彩色边缘,获得的边缘清晰、连续性良好,取得了优异的边缘优质系数与峰值信噪比(PSNR)。     

基于边缘检测的瓷质绝缘子裂缝特征检测方法

由于人工登塔检查安全性差、电场法不能检测一些不影响电场的外绝缘缺陷等问题的存在,现有的一些绝缘子裂缝检测方法不具备实用性和通用性。为此,提出一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,首先将获得的彩色绝缘子图像分解成R、G、B3个通道,并采用中值滤波去除噪声;其次采用一种改进Kirsch边缘检测算法,进行骨架提取并结合最小二乘法完成拟合,从而得到连续完整的图像边缘;然后用最大类间方差法提取得到绝缘子的裂缝区域;最后分别计算3个通道裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征。实验结果表明该方法提高了裂缝检测的准确性。     

高压输电线路红外图像的边缘检测

高压输电线路的导线，金具及绝缘子串等的红外图像的特点有：边缘模糊，对比度差，空间域上存在孤立的点和小块噪声。采用中值滤波方法。在保护图像边缘细节信息的前提下有效地降低了图像空间域高频噪声，用分段线性灰度变换增强了图像边缘的对比度，提高了图像的温度分辨力和空间分辨力。通过对Roberts边缘算子、Sobel边缘算子、Prewit边缘算子、Laplace边缘算子和Laplace改进算子等常用边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析，选用Roberts算子完成了图像的边缘轮廓检测，并对不连续边缘进行跟踪和连接，得到了清晰连续的图像边缘，完成了高压输电线路红外图像的边缘特征提取。以一幅耐张绝缘子串的红外图像为应用实例，验证了图像预处理及边缘检测方法的有效性。     

基于小波模极大值的织物疵点检测

织物疵点部分相当于图像中灰度突变的奇异信号,对比传统的边缘检测方法,小波变换在检测图像微小细节边缘时具有明显的优势,能很好地刻划突变点的奇异性。首先利用小波的多尺度特性求得织物图像局部极大值点,有效提取出织物疵点区域的边缘,然后结合形状特征求出织物疵点区域的形状特征,对常见重纬、重经、缺经、缺纬、油污、破洞织物疵点图像进行仿真实验,结果表明此方法既保留了织物疵点边缘信息,又剔除了虚假边缘,最终有效地提取出了疵点区域的形状特征。     

基于航拍图像的杆塔编号目标提取

针对输电线路航拍图像中杆塔编号的采集图像,采用了基于灰度特征的方法对杆塔编号图像进行目标提取。首先,对原始图像进行图像增强,突出目标点信息;其次,对增强后的图像进行分割,采用膨胀和腐蚀形态学运算对分割后的图像进行去噪处理;再次,通过改进的Canny边缘检测算子对去噪后的图像进行边缘检测;最后,对图像中的边缘点数量进行区域统计,对统计区域内的目标进行目标提取。结果表明,该方法可有效地对杆塔编号进行目标提取,对输电线路的故障定位提供了技术支撑。     

输电线路覆冰图像边缘检测方法研究

输电线路覆冰图像边缘轮廓的提取方法有多种,通过列举对比经典边缘检测方法和新型边缘检测方法的原理、性能和特点,对处理输电线路覆冰图像边缘检测方法的选择具有指导意义。     

面向视觉假体的复杂图像处理技术

为了更准确地提取视觉假体采集的复杂图像中的信息,提出了一种基于视觉显著性的复杂图像视觉焦点检测和基于多尺度信息融合的图像边缘特征提取算法。算法首先利用GB算法计算复杂图像显著性图,然后利用双阈值分割和形态学方法提取出复杂图像中的视觉焦点区域。其次,针对传统边缘检测中单尺度微分算子的不足,提出了融合多尺度Sobel的边缘检测方法。提出的复杂图像处理策略既简化了图像信息编码的复杂度,又提高了边缘提取算法的噪声稳健性。     

基于图像融合分割的实木地板表面缺陷检测方法

针对实木地板表面缺陷检测速度慢、精确度低的问题,设计了实木地板视觉检测分选系统,并提出一种基于图像融合的区域生长分割方法。分割方法首先提取缺陷的R分量图像并进行图像缩小,在低维图像空间内运用区域生长方法完成缺陷的快速定位;利用梯度信息插值对缩小图像进行放大复原,并对缺陷进行标记生成参考图像;应用小波变换检索标记参考图像的边缘,以边缘像素点为种子在原图像进行禁忌快速搜索,实现缺陷区域的快速、精准分割。对20幅含有活节、死节、裂纹的样本图像进行了缺陷在线测试,平均分割时间为13.21 ms,缺陷分割区域的准确率达到96.8%。     

基于机器视觉的风机叶片缺陷检测

针对风机叶片缺陷难以检测的问题,提出一种基于机器视觉的风机叶片缺陷检测方法.首先,使用非局部均值方法去除图像中的背景噪声,同时平滑缺陷边缘;其次,使用自适应对比度增强方法进行图像增强,提升图像的整体质量;然后使用双阈值 OTSU 大津法分割增强后的图像,提取得到缺陷区域;最后,使用 Canny算子和形态学 变换对缺陷区域进行边缘检测,得到缺陷区域定位.试验结果表明,该算法具有一定的有效性和准确性.     

基于GPU的视频序列中运动目标轮廓提取

传统的高斯混合建模算法对阴影的抑制效果差,且存在噪声干扰和对光照突变比较敏感的问题。采用了一种改进的高斯混合建模方法进行运动目标轮廓提取。该方法利用Canny边缘图像对噪声和光照适应性强的特点,将传统高斯混合模型与Canny边缘检测相结合来提取目标轮廓。但是,该方法复杂度高且计算量大,不满足视频分析实时性的需求,因此,运用GPU强大计算能力和并行处理的优势,基于CUDA平台设计并实现了该运动目标轮廓提取算法。实验结果表明,该算法增强了对噪声和光照的适应性,且有效抑制了图像中的阴影,在保证效果的前提下能够更快速地提取视频序列中的运动目标轮廓。     

基于多尺度Gabor滤波器的彩色图像边缘检测

为了更好实现对彩色图像进行边缘提取,并保证算法具有更好的稳定性,文章使用多尺度Gabor滤波器的方法,来提取彩色图像边缘和轮廓.构建了3个尺度、16个方向的Gabor滤波器.首先将彩色图像灰度化,利用多尺度Gabor虚部滤波器提取图像灰度变化信息.通过非极大值抑制,并通过高低阈值获取边缘像素点及其候选边缘,最后利用局部边缘连接获取图像边缘轮廓.并将本算法与常用边缘检测算法进行实验性能比较,实验结果表明:提出的算法既能获得较高的定位准确度,又具有很好的噪声鲁棒性,该算法与常用的Roberts等一系列算法相比,检测效果更好,稳定性更强.     

基于Canny算子的多尺度小波变换图像边缘检测方法

图像边缘检测是图像处理中的重要一环,本文基于Canny边缘检测算法,提出了一种改进的Canny边缘检测算法。该算法采用新的基于多尺度小波变换边缘检测的设定方法,充分利用了不同的尺度变换可以得到不同边缘细节的特点,可以对低分辨率的边缘能够很好的提取,并能有效的抑制噪声,具有优于传统Canny算法的性能。经实验仿真,验证了该算法的有效性。     

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。     

基于神经网络的CT脑血管图像边缘检测算法

CT脑血管医学图像的三维重构都是源自二维断层扫描,脑血管边缘特征向量的提取是图像处理的关键步骤。为提高边缘特征的提取和保证三维重建图像的质量,在分析了某些常用的边缘检测算法性能基础上,同时结合CT脑血管图像的像素结构特点,将SA_SOFM神经网络算法成功地用于对CT脑血管图像的边缘特征信息提取中。并对算法进行有效的改进,基于真实图像的实验表明该算法提高了边缘特征信息的精度和鲁棒性。     

基于改进DeeplabV3+的遥感图像分割算法

针对高分辨率遥感图像语义分割存在地物边缘分割不连续、小目标分割精度不高的缺陷,本文提出一种基于改进DeeplabV3+的遥感图像分割算法,该算法首先使用分散注意力网络ResNeSt替换DeeplabV3+原始主干网络Xeception,以提取更丰富的深层语义信息,从而提高图像分割精度;其次引入坐标注意力机制（Coordinate Attention,CA）,有效获得更精确的分割目标位置信息,使得分割目标边缘更加连续;最后在解码层中采用级联特征融合方法（CFF）提高网络的语义信息表征能力。试验结果表明,该算法在中国南方某城市的高清遥感图像数据集分割任务上mIoU高达97.07%,相比原始DeepLabV3+模型提高了3.39%,能够更好地利用图像语义特征信息,为解译遥感图像语义信息提供一种新的思路。     

Research on High Altitude Remote Sensing Building Segmentation Based on Improved U-Net Algorithm

Building extraction from high resolution remote sensing image is a key technology of digital city construction[14]. In order to solve the problems of low efficiency and low precision of traditional remote sensing image segmentation, an improved U-Net network structure is adopted in this paper. Firstly, in order to extract efficient building characteristic information, FPN structure was introduced to improve the ability of integrating multi-scale information in U-Net model; Secondly, to solve the problem that feature information weakens with the deepening of network depth, an efficient residual block network is introduced; Finally, In order to better distinguish the target area and background area in the image and improve the precision of building target edge detection, the cross entropy loss and Dice loss were linearly combined and weighted. Experimental results show that the algorithm can improve the image segmentation effect and improve the image accuracy by 18%.     

融合边缘检测的遥感图像超分辨率重建算法

针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定,参数冗余,图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先,在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取,通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息,使网络能够更好的表达高频特征;其次,为降低网络参数和提高网络训练的稳定性,去除判别器网络中冗余的BN层,同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上,所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了1.22 dB、0.114和0.32 dB、0.013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。