图像边缘检测算法概述

本文依次介绍了经典的边缘检测算子、近年新兴的边缘检测算子以及使用较少的其它边缘检测算子中典型的两类,并分析它们的优点、擅长处理的情况以及存在的一些问题。比较全面地阐述了当今边缘检测算法的研究现状。     

基于改进Canny算法的图像边缘检测

鉴于传统Canny边缘检测算法在高斯滤波方差和高低阈值选取上需要人工干预,不具备自适应能力。文章提出了一种通过迭代分割求取最佳高、低阈值的方法,改善了人为设定阈值自适应性不强的缺点,提高了边缘定位的精度。与此同时,还将检测结果与原Canny、Sobel和Log等边缘检测算子对图像的处理结果进行了比较,实验结果表明,采用改进的Canny边缘检测算法可以得到较为完整、清晰的边缘轮廓,具有更好的检测精度和准确度。     

三维模型轮廓线抽取算法

虽然三维模型的轮廓线在图形交流中起着重要的作用,但由于轮廓线是视点依赖的,当物体在空间运动时,用现有算法从复杂的三维模型中抽取轮廓线需耗费大量时间,为了提高抽取轮廓线的速度,提出了两种新的抽取三维模型轮廓线算法,这两种算法是先利用轮廓线的局部极值特性来获得部分轮廓边,然后利用轮廓线的连通性,通过简单的比较运算,即可获得三维模型的外部轮廓线,实验结果表明,该两种算法都可快速获得三维模型的外围轮廓线,最后还将本算法与相关算法进行了详细的比较分析。     

自适应图像边缘检测算法

对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷，提出了依据图像友度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法，成功抑制了图像中的大部分噪声；并通过用图像友度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值，实现了图像边缘的自动提取。     

基于Otsu算法和Sobel算子的连接件图像边缘检测

着重研究基于机器视觉的薄片连接件检测系统中的图像边缘检测方法。该方法首先采用Otsu算法对CCD工业相机获取的连接件灰度图像进行阈值分割,然后再用Sobel算子进行边缘检测。整个流程采用MatLab进行仿真测试。测试结果表明,该方法改善了单一采用Sobel算子检测的准确性,能提高边缘检测的整体性能,检测精度较好,该方法是实用可行的。     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

实时图像轮廓抽取算法研究

详细叙述了实时图像处理的过程,并编制了图像处理结果演示软件,从处理可以看出采用简单而快速算法对实时图像进行处理,能够得到较好的效果,并满意了实时性的要求。     

图像边缘检测算法比较研究

图像的边缘检测是图像处理领域的经典研究课题之一.边缘检测结果的正确性将直接影响到机器视觉系统对客观世界的理解.文章介绍了几种常用的边缘检测算子,并对各种算子的实验结果进行比较.     

图像边缘检测

图像边缘是图像最基本的特征之一,它包含了图像上目标物体的主要信息。所谓边缘是指一组相连的像素的集合,这些像素周围灰度具有显著变化的部分,即在灰度级上发生急剧变化(灰度突变)的区域。边缘检测是从图像中提取感兴趣对象的边缘信息,同时尽量去除不需要的图像信息,是在图像的局部区域上针对像素点的一种运算,在图像处理中有着重要的作用。边缘作为图像的一种基本特征,包含着有用信息,因此边缘检测通常成为了图像分析和图像理解中特征提取的主要手段,在一些预处理算法中有着重要的作用。随着科技的迅速发展,边缘检测技术也越来越多运用到生产和生活中。因此,对边缘检测的理论与应用研究很有必要。本文叙述了边缘检测的基本步骤,对灰度图像的几种边缘检测算法,作了简单的介绍、评价与分析。     

图像边缘检测相关算法研究

首先论述了两类图像边缘检测方法,然后论述了图像边缘评价指标,即误检率和定位精度,最后从R0berts算子、Sobel算子、LOG算子、Otsu算法等几个方面,详细论述了相关经典的图像边缘检测算法。     

3维图像中边界曲面的分类追踪及抽取

3维图像分析中,边界曲面的检测与重构是一个非常重要的问题。已有的连续隐边界曲面的抽取及逼近计算技术存在着把某些零交叉曲面片错误地识别为边界曲面片的缺陷。为此,提出一个新的边界曲面的追踪及抽取的方法。该方法首先将包含边界曲面的全部立方体分为两类:包含一个连通零交叉曲面片的立方体叫第1类边缘立方体,包含两个及其以上不连通零交叉曲面片的立方体叫第2类边缘立方体;然后根据边界曲面的连续性连通性,便可追踪出两类边缘立方体;对于追踪出的第1类边缘立方体直接提取边界曲面片,对于追踪出的第2类边缘立方体的边界曲面片通过其相邻的第1类边缘立方体来提取。实验结果表明本文方法是可行有效的,而且可以有效地克服已有技术的缺陷。     

基于交互模糊特征提取的3维流场可视化研究

特征可视化方法具有简化复杂流场表示、突出流场特征的特点,在复杂流场可视化中具有重要作用。传统特征可视化方法通常采用自动化提取方法,不能有效结合用户知识与经验,无法满足用户的交互需求。考虑复杂流场特征区域精确界定的困难,提出一种交互式模糊特征提取算法,实现了对流场特征的交互式提取与可视化。首先基于模糊理论,给出了3维流场特征的模糊描述模型,然后交互式模糊特征提取算法与实现。应用所开发的交互式模糊特征提取可视化系统证明,它不仅可以充分发挥用户优势,有效提取数据特征,适时获取对象特征,还可以有效表现数据集客观不确定性的本质。     

机械设计图像主轮廓提取算法研究

针对传统的轮廓提取方法在机械设计图像上无法获取令人满意结果的问题,提出基于区域填充和标引消除的主轮廓提取方法.根据机械图孔洞分布的特点,提出一种能自动选择种子点的种子填充算法实现图像内部孔洞填充,并结合图像形态学和轮廓跟踪算法实现图像中标引的消除,从而得到图像主轮廓.实验结果表明,该方法能够对机械设计图准确而高效地进行填充,且能够准确提取出机械设计图像的主轮廓.     

基于直线检测算法的卫星图片中建筑物轮廓提取

提出一种方法,可以从卫星图像中自动检测建筑物.介绍了直线提取和直线合并的算法,分别讨论算法的实现结果和对结果的评价.建筑物检测的结果为矢量的二维候选数据,缩短了原始图像数据和最后对图像理解之间的差距.     

脑部MRI图像头皮三维提取及重建

开颅手术中,为了满足手术导航系统进行快速、准确定位的要求,提出一种脑部核磁共振成像(MRI)图像三维头皮轮廓提取方法。首先采用各向异性扩散滤波方法对图像滤波,借助BrainSuite3医学软件获取脑标记图像;然后将图像中脑实质部分剔除,根据非脑组织图像计算头皮组织的分割阈值;再利用数学形态学处理二值图像获取头皮轮廓;最后结合目标灰度信息,用移动立方体(MC)算法进行三维重建。实验结果表明,该方法结合阈值、数学形态学和MC算法,能连续、光滑地提取出头皮外轮廓,并使精度达到亚像素级别。     

一种3维模型的网格盲水印算法

3维模型的数字水印是数字水印研究的热点之一,鲁棒性、嵌入可读性水印和盲检测是3维模型数字水印的难点所在。从增强3维模型数字水印的鲁棒性出发,提出一种基于局部几何空间的3维模型数字水印算法,它以模型三角网格顶点在其一环邻居顶点为所确定的局部几何空间;通过改变顶点在局部几何空间中的位置来嵌入水印,并以调整其间的夹角来嵌入水印序列的索引,而调整顶点与圆心的距离来嵌入较高比特的二进制数值。本文算法在水印检测时,无需原始模型,且可抵抗平移、旋转、均匀缩放、顶点乱序、剪切及网格简化等攻击。实验结果表明, 该水印算法具有很好的鲁棒性、可读水印的不可感知性和盲水印检测的优势。     

基于三维表面模型的任意切割算法*

通过对三维表面模型进行切割,人们可以方便地观察物体的内部结构。针对三维表面模型,提出了一种任意切割算法。任意切割过程首先是交互生成切割曲线,生成切割面;然后通过切割面对表面模型进行切割,在切割面上生成交线序列;再由交线序列与切割面边界生成封闭的边界轮廓,确定各边界轮廓间的包含关系;最后对边界轮廓包围的截面区域进行Delaunay三角剖分并着色,得到完整的剖面。实验结果证明了该算法的有效性和可行性。     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

基于点对分布的三维模型特征提取算法

基于形状分布算法提出了一种基于点对分布的三维模型特征提取算法。该算法根据两随机点间的连线与模型是否有交点,将连线分为U类和W类,并分别为两类连线构建形状分布直方图,从而解决了形状分布算法对于外形相近但细节不同的三维模型的检索问题,提高了检索精度。     

适用于倾斜影像的加速KAZE-SIFT特征提取算法

针对传统正摄影像的特征提取算法处理倾斜影像匹配效果不佳的问题，在已有特征提取算法的基础上，提出了一种适用于倾斜影像的特征提取算法--加速KAZE-尺度不变特征变换（AKAZE-SIFT）算法。首先，为保证特征检测的准确性与独特性，采用充分保留图像轮廓信息的加速KAZE（AKAZE）算子进行特征检测；其次，为提升特征描述的稳定性，采用稳健的尺度不变特征变换（SIFT）算子进行特征描述；然后，依据目标特征向量和候选特征向量间的欧氏距离确定粗匹配点对；最后，采用随机抽样一致性算法进行单应性约束，提高匹配纯度。模拟影像在倾斜摄影条件下的模糊、旋转、亮度、视角和尺度变化，对特征提取算法性能进行评估，实验结果表明，AKAZE-SIFT算法相比SIFT算法和AKAZE算法召回率分别提高了12.8%和5.3%，精准率提高了6.5%和6.1%，F1值提升了13.8%和5.6%；提取效率优于SIFT算法，略逊于AKAZE。AKAZE-SIFT算法具有良好的检测和描述能力，更适用于倾斜影像特征提取。