基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测

针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。     

基于C-Canny算子与灰度空间的彩色图像边缘检测

提出了利用灰度图像边缘检测结果完成彩色图像边缘检测的算法,并对Canny算子进行了改进,在计算梯度幅值时采用了3×3邻域,改进后的Canny算子对噪声抑制效果明显,且检测边缘更加精细.采用了两种算法将彩色图像转换为灰度图像,利用C-Canny算子对转换后的灰度图像进行边缘检测,在灰度图像边缘检测结果基础上,完成彩色图像的边缘检测.经实际测试证明,该算法检测出的图像边缘连续性好,准确性高,对颜色数不多的彩色图像有较好的边缘检测结果.     

二值图像的实现过程

将彩色图像转化成灰度图像是二值图像处理的前提,利用三种方法实现了图像二值化:固定阈值法、类别方差法和运用直方图的方法.在二值图像的处理中,运用阈值邻域法实现了对二值图像的平滑,抑制或消除了图像中的噪声,改善了图像的质量.检测出图像中边缘的位置、分布和组织结构是实现三维计算机的第一步,还运用一些常见的微分运算作边缘检测的算子,主要是Kirsh算子.     

一种改进的Sobel自适应边缘检测的FPGA实现

针对经典Sobel边缘检测算法对噪声比较敏感而且需要人为指定阈值等问题,提出了一种Sobel自适应边缘检测方法。首先,对经典Sobel算法改进,增加了检测方向,根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值,从而检测出与人的主观视觉更为一致的图像边缘,然后对边缘图像进行形态学处理,增强了算法的抗噪性。将改进的边缘检测算法在单片FPGA上实现,利用FPGA高速并行处理的优势,系统能够实时采集、检测图像边缘并显示高帧频高分辨率图像。     

基于多尺度形态学的运动目标边缘检测算法研究

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学梯度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确率。     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。     

基于MATLAB图像处理的齿轮零件测量技术

基于MATLAB图像处理技术,详细介绍了应用图像处理的方法 (图像灰度变换、中值滤波、直方图均衡化、二值化)对齿轮图像进行预处理并采用Canny算子进行齿轮图像的边缘提取,根据图像的轮廓对齿轮进行下一步的测量。提出了一种简单的非接触测量方法来确定齿轮各部分的尺寸。提出的基于机器视觉的齿轮尺寸测量技术具有重要的理论价值和应用前景。     

基于最优离散滤波器的边缘检测算法

边缘检测已经成为图像理解和计算机视觉中的一个主要领域,其检测的质量直接影响后期理解的效果。寻找一种对噪声不敏感、定位精确、能有效区分真假边缘的方法,一直是研究的重点。从理论上来说．Canny算子是连续域最优的边缘检测算子,但在离散域中却并非最优,对于数字图像可能存在误差。为此,提出一套完整的离散域边缘检测算法。在最优滤波器理论基础上,推导出离散域的最优平滑算子,抑制了图像的分割错误、噪声和伪边缘的影响。实验表明,该算法能有效实现灰度图像的多尺度边缘检测。具有高的信噪比．更清楚和更符合计算机识别要求,是一个理想的边缘检测方法。     

电弧焊熔池图像的边缘检测

本文提出一种基于Canny算子和形态学的图像边缘提取算法。熔池图像经过预处理后,运用形态学的开闭运算滤除噪声和局部灰度增强后用Canny算子检测得到清晰的连续的边缘。实验结果表明,该方法明显优于经过传统滤波后再进行Canny算子的边缘检测效果,为后续的特征提取,目标识别提供了良好的基础。该算法对噪声有很好的鲁棒性,并得到真正的边缘。     

基于梯度算子的线检测算法及其Matlab实现

为对图像特征准确识别提供数据分析,提出了一种基于梯度算子的线检测算法。算法首先对转化为灰度图的图像进行边缘检测,经过高斯滤波去除噪声等处理后利用线检测模版求出各像素的梯度值,从而求出图像的灰度直方图及梯度向量直方图。最后基于Matlab进行仿真模拟,仿真结果表明:方法具有较好的抗干扰性和定位准确性。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于绝对关联度的图像目标边缘提取方法

针对传统边缘检测方法对光学经纬仪实际拍摄的含噪声图像边缘检测效果不理想的问题,将灰色系统理论引入图像边缘检测,通过绝对关联分析与边缘检测算子相结合,提出一种利用二阶微分算子作为参考序列,图像像素作为比较序列,通过计算灰色绝对关联度来检测图像边缘的方法。实验结果表明,该方法与现有方法相比,边缘检测效果更好,检测的边缘清晰、连续,对噪声图像边缘的检测精度较高,抗噪声能力强。     

一种飞行器结构特征提取与识别的方法

提出了一种基于SUSAN算法、灰色系统理论和数学形态学结合的飞行器结构特征提取与识别的方法.首先利用SUSAN算法从背景中提取飞行器目标的结构边缘信息, 通过灰度的窗口变换和图像相加法实现目标增强;然后用灰色系统理论检测出飞行器目标的结构特征边缘,同时利用形态学算子对飞行器进行闭运算,利用种子填充算法识别出飞行器目标区域.实验结果表明:该方法对于飞行器目标的跟踪、结构特征提取以及事后判读有重要的意义,同时验证了该方法的可行性.     

基于数学形态学和LMS滤波的图像边缘检测算法研究

传统的边缘检测算子对灰度图像进行边缘检测时存在图像细节被丢失,边界不连续等问题。针对上述问题,提出一种基于数学形态学和最小均方差滤波相结合的图像边缘检测方法,该算法先利用小均方差滤波的方法可以有效地滤除图像中的噪声,然后利用形态学中的腐蚀运算对图像进行边缘检测处理。实验结果表明：该方法能够有效地去噪,精确地检测图像中的细节,并且边界的连续性好。     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然 后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于角点匹配的图像拼接技术

采用的Harris角点匹配的算法是基于图像灰度的自相关函数,直接从灰度图像中检测兴趣点的算法.该算法简单,而且配准精度较高,具有较好的抗干扰的能力.此算法使图像拼接过程中对图像重叠律的要求降低到了15%,同时使图像的配准拼接速度提高了60%.达到了兼顾算法的精度和效率两个方面的目的.     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

基于改进边缘检测算子的图像特征点提取算法

介绍了边缘检测算子的原理,对算法中灰度差阈值的选择方式进行了改进。在图像中每个像素的SUSAN模板中首先计算阀值t的初值,再利用迭代法获得终值,使其在各种不同的对比度下仍能正确检测兴趣点,最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较。实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点。     

全方向M型心动图运动曲线检测算法的应用研究

为了提高全方向M型心动图运动曲线检测效果,该文对心动图的相关问题进行研究后,提出一种基于模糊增强和灰色理论的全方向M型心动图运动曲线检测算法。首先利用改进的模糊增强算法(PAL算法)来抑制噪声和背景,同时突出边缘信息;再利用灰色理论中的灰色绝对关联度构造统计量来进行边缘检测,精确定位出运动曲线;最后通过对孤立的噪声点和断裂的边缘进行后续的处理,得到最终的运动曲线。实验结果表明:该算法检测效果良好,噪声鲁棒性较强。