一种基于粗糙集的图像边缘检测方法

粗糙集理论是一种新的处理模糊和不确定性问题的软计算方法.图像边缘是一类灰度变化大的连续点的集合.在无噪声干扰的情况下,这一特性是区别边缘与非边缘的一个重要条件.而实际应用中,图像中难免混有部分噪声点,影响了边缘检测的准确性.本文提出基于粗糙集理论的图像边缘检测方法.根据粗糙集理论中的集合近似关系,首先利用灰度变化大的特点,找出可能边缘点集合,然后利用噪声点区别于边缘点的特性,找到噪声点集合,最后,两个集合的差就是最终要求的边缘点.实验结果表明,该方法相比于传统的检测方法,在检测准确度上得到了一定的改善.     

水下人造目标线特征快速检测算法

为了从水下复杂场景中快速检测人造目标,提出了一种在图像小波变换低频子带上进行直线实时检测的算法。首先,利用小波变换确定显著线特征检测的合适尺度;然后在确定的低频子带小图像上进行边缘检测,利用梯度直方图和迭代法相结合自适应确定边缘检测的分割阈值,得到显著特征的边缘点;再利用改进的Hough变换检测人造目标的直线特征;最后在原始图像上标记出直线检测的结果。实验结果表明:提出的算法可以准确检测出水下复杂背景中人造目标的直线特征,并且具有良好的实时性,满足水下人造目标视频检测的应用要求。     

智能钢轨磨耗检测方法的研究

在分析了目前国内外钢轨磨耗检测方法及技术特点的基础上,结合实际需求,提出了基于一字线激光图像处理的钢轨磨耗检测方法。利用一字线激光图像在磨耗钢轨上的弯曲程度检测钢轨磨耗的宽度与深度,通过屋脊形边缘检测法寻找激光图像的中心点和边缘点,并拟合直线;确定磨耗检测的特征量组,利用特征量间的相关系数,去除冗余特征,选择最优特征组合。实验测试结果表明,该方法能够有效提取特征量值,并准确计算钢轨磨耗的宽度和深度值,具有计算信息量小、算法简便、精度高的特点,为钢轨磨耗检测装置的开发奠定了基础。     

基于局部特征的图像边缘检测

针对传统边缘检测对噪声较敏感且不能准确定位的不足,分析了图像边缘邻域像素之间的关系,提出了基于局部特征的图像边缘检测方法,建立了判断该像素点是否位于边缘上的准则函数。本方法以像素点为研究对象,检测的边缘可能为噪声点或伪边缘点,因此利用图像边缘连续性和噪声点孤立性的特点,运用形态学提取图像边缘并克服了噪声对边缘检测的影响;然后运用形态方向梯度去除伪边缘点。实验结果表明该方法能够准确地检测出图像的边缘,并克服了传统利用微分算子检测边缘的不足。     

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.     

基于小波变换的颗粒图像边缘检测算法研究

为了能在颗粒图像边缘检测中得到单边缘响应、连续的边缘线,在图像边缘检测的过程中,本文采用了小波变换的处理方法：在使用小波变换边缘检测算法检测出边缘后,本文提出一套较完整的边缘线加工算法,最终得到单像素宽的边缘．并利用加工后的边缘信息成功分割了一类颗粒图像。     

快速鲁棒的光学零件表面划痕亚像素检测方法研究

针对光学零件表面划痕检测精度较低的问题,提出一种多尺度线检测与离散正交多项式曲线拟合相结合的亚像素边缘检测算法。首先,为克服噪声等干扰,基于不同尺度线检测特性,提出改进的多尺度线检测,并通过该方法得到划痕初始轮廓。然后,对边缘点及其邻域在梯度方向上的点进行筛选。最后,利用正交多项式曲线拟合具有模型简单、求解速度较快、拟合精确的特点,对所选取离散点进行曲线拟合,以实现亚像素边缘检测。实验结果表明,该算法检测精度较高,具有较强的鲁棒性,同时更好地适用于屋脊边缘检测;较最小二乘法时间大大降低,且低于较快速的三次样条插值法,平均计算时间比为19.9∶4.73∶1,处理效率显著提高,能够满足工程应用中快速、高精度检测要求。     

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。     

一类细节可控的边缘检测算子

Ｍａｒｒ图像边缘检测的基本思想是先利用高斯平滑算子对原始图像进行平滑,然后对平滑图像求拉普拉斯变换的零交叉,全是利用高斯平滑算子平滑的图像和原始衅像存在着误差,而误差图像残留着一些边缘信息,而这些残余信息可能造成检测到的边缘线不连续和有用的特征点可能检测不到,针对这个问题,文中根据Ｍａｒｒ边缘检测基本思想,导出了一类细节可控的边缘检测算子,其中ａｒｒ算子只是它的一个特例,理论和实际数值实验结果表明     

基于同质性和TASOM网络的边缘检测算法

本文提出了一种新的基于同质性和时间自适应自组织神经网络9TASOM)的边缘检测算法.算法首先利用同质性检测到图像的候选边缘点,并根据这些点构造TASOM网络结构;其次,利用Canny算子检测到的边缘点作为网络训练的特征点;最后,通过比较控制点和特征点调整TASOM网络的连接权,实现对网络神经元的自动添加和删减,这到保持边缘的连续性和删除冗余边缘点的目的.试验结果表明所提算法优于传统的边缘检测方法.     

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。     

基于机器视觉的公差检测系统算法研究与应用——自适应边缘检测与修正Hough变换

介绍了基于机器视觉的几何量和位置公差检测中常见的计算模型、图像处理和直线拟合一般算法，进一步介绍了一种自适应的边缘检测方法。着重分析了传统的Hough变换的优势和缺点，在此基础上提出了适应形位公差检测特点的修正Hough变换算法。自适应边缘检测方法被应用于检测实际工程的图像边缘，检测到的边缘区域在亚像素之内；修正的Hough变换算法也被运用于相应工程的直线拟合，与传统的Hough算法相比，结果表明其速度更快、精度更高，抗干扰能力更强，其拟合直线的极径精度可达到0．1个像素，极角精度可达0．01°。     

基于边缘细化的角点提取算法

图像的角点提取在计算机视觉领域中具有重要的应用价值。本文基于角点一定是边缘点且是两条边缘或多条边缘交点的这一几何特性，提出了一种基于边缘细化的角点提取算法。算法先用Canny算子提取图像的边缘，然后进行细化并填充边界线上的断点，再利用角点的几何特性来确定角点的位置。实验结果表明，这种算法提高了角点提取的正确率、定位精确、实用性强。     

基于轮廓合成的人耳图像边缘检测

人耳识别技术作为一种新的研究在生物特征识别领域提出一种新思路。边缘检测是图像特征分析识别的基础,检测质量直接影响系统识别率。本文针对人耳图像的局部特征和识别要求提出一种基于轮廓合成的边缘检测方法。该算法对采集到的图像预处理,将Sobel算子与阈值法得出的边缘图像合成,最后根据统计结果用去除干扰技术处理非边缘。这种方法得出的耳朵边缘图像清晰完整无干扰,比单一采用其他方法效果好,为后续特征提取及识别提供较好基础。     

对边缘不突出的显微镜影像进行边缘特征提取与Hough直线检测

文章主要介绍如何对边缘不突出的显微镜进行边缘特征提取与Hough直线检测,其中涉及到数字图像处理中的边缘检测、图像二值化及Hough直线检测算法。     

一种基于树结构的立体图像特征提取算法

针对立体图像匹配中的特征检测问题，提出了一种基于树结构的立体图像中边缘点、直线段、交点和凸多边形区域等特征的检测方案。该方法首先基于改进的Canny算子实现立体图像边缘的检测；基于立体图像的边缘梯度信息，文中提出一种分层并行式迭代式链码跟踪方法实现图像中直线段的检测：为提高检测速度并有利于凸多边形区域特征的检测，基于凸多边形区域的几何定义，通过提取直线段交点并采用树结构实现对已检测的相关直线段信息的遍历处理，最终得到树结构表示的凸多边形区域特征。实验证明，所提方法在结构化环境具有很好的检测精度和实时性。     

序列滤波器在缺陷边缘检测中的应用

为了提取带钢表面缺陷特征,首先需要正确检测缺陷边缘。针对现有方法对于光照不均和复杂背景条件下噪声抑制以及保持图像细节方面的不足,提出一种新的基于序列滤波器的边缘检测方法。先将缺陷图片进行中值滤波,然后在新的滤波器窗口相对于中心元素计算总变差,结果图像作为预处理图像送入Canny边缘探测器进行边缘检测,最后采用形态学方法进行光滑处理,得到完整的缺陷边缘。实验表明该方法具有较强的抑制噪声能力,有效去除现场工况条件下粉尘、光照不均等因素对检测结果的影响,很好地提取了复杂背景条件下的目标边缘。     

基于最大熵和形态学的边缘检测

利用最大熵图像分割理论和形态学方法相结合,提出了一种新的灰度图像的边缘提取方法。以一维最大熵和二维最大熵为例,分别与形态学方法结合进行了实验对比。试验表明,该方法与传统边缘检测方法相比,能够在无需参数输入的前提下自动提取出图像边缘,且检测到的边缘都是单像素线条;可以在尽量保留图像最大信息量的基础上,快速准确地提取出单像素封闭边缘。     

移动机器人导航系统中的车道线检测方法及实现

针对室外移动机器人GPS与惯性导航不足之处,在GPS与惯性导航基础上,提出了采用视觉检测方法实时识别路面的车道线信息,对移动机器人进行辅助定位。在传统的Canny边缘检测算子基础上,提出了使用改进型小波阀值算法与Canny边缘检测算子进行融合处理,其基本原理是先使用改进型小波阀值算法,代替传统的高斯滤波器进行平滑和降噪处理,然后再使用Canny边缘检测算子提取边缘特征。最后使用matlab软件对采集到的路面视频信息进行处理,计算出移动机器人相对于路面车道线的偏转角度和偏离距离。实验发现12000帧图像中有仅有892帧图像检测失败,成功率达到92.6%,取得较好效果。为移动机器人的室外自主移动提供有力支撑。