基于标准化梯度的多尺度边缘检测方法

多尺度边缘检测中各个尺度中用来判定是否为边缘的阈值对结果有很大影响.在小波多尺度边缘检测中引入标准化梯度的方法,较好地解决了出现伪边缘和有意义的边缘损失的问题,使各尺度阈值的选取更具有稳健性,从而得到更稳健的多尺度边缘检测结果.最后通过实验证明算法的有效性.     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

基于Sobel算子的医学图像边缘检测研究

边缘检测是图像处理过程的关键技术.由于医学图像的特殊性,检测边缘的准确性对疾病的诊断和治疗有着重大的影响.针对传统Sobel算法存在定位不精确、提取边缘较粗等不足,提出了一种改进算法.算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度,采取局部梯度均值作为阈值对初始梯度图像进行局部梯度筛选,局部弱边缘得到增强,然后对处理后梯度图像进行细化和提取,得到边缘图像.实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、边连续性好和边缘较细等优点,在医学图像处理中具有一定的实用性.     

一种遗传算法优化的图像模糊边缘检测方法

提出了一种遗传算法优化的图像模糊边缘检测方法.首先利用方向模板对图像进行卷积,求得梯度图像.然后对梯度图像的直方图进行模糊化,针对模糊窗宽参数的选取困难,根据图像确定了模糊函数窗宽的范围,利用遗传算法的全局搜索性能进行阈值的搜索,并利用最小图像模糊率来确定最优阈值.根据得到的阈值对梯度图像进行分割,得到图像的边缘.结果表明,边缘检测效果较好,显著提高了运算速度.     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

基于改进的K-means聚类算法水下图像边缘检测

边缘检测被广泛用于图像分析与处理中,由于水的吸收和散射效应,传统的边缘检测算法对于水下图像得不到较好的效果。在此应用一种新的方法来得到较准确的水下图像边缘,首先,将原始图像使用暗原色先验算法进行处理得到较清晰的水下图像;然后,使用梯度幅值边缘检测算法检测出初始边缘,在初始边缘上检测出端点,使用改进的K-means聚类算法对端点进行分类,从而确定背景和目标灰度值接近的区域作为窗口;最后,在窗口内使用梯度幅值检测边缘,通过多个窗口的并集得到最终边缘。实验结果表明,边缘检测效果得到明显的改善。     

超空泡图像的自适应多尺度小波边缘检测

针对水下高速射弹试验获取的超空泡图像中夹杂较多噪声,而传统边缘检测算法在自动边缘检测中抑制噪声效果差的问题。文中采用自适应多尺度小波边缘检测,对超空泡图像进行边缘检测。算法中首先对图像进行多尺度下的小波变换和相邻尺度间的梯度增强,再采用K均值聚类进行边缘的自动检测,得到不同尺度下的边缘,根据小波基的不同选择对应的多尺度融合方法进行多尺度融合,得到最终的边缘图像。实验表明,文中算法相比传统边缘检测算法,有效地抑制了图像中噪声,得到了更完整的边缘信息。     

基于双阈值非线性导数的边缘检测算子

文中提出了一种基于双阈值非线性导数算子的边缘检测方法.首先计算灰度图像的左右导数,然后通过设置双阈值对左右导数进行调整以保留有意义的边缘信息,最后合并左右导数得到图像梯度.阈值能控制平滑噪声能力,阈值能确保检测出单像素宽度的线边缘,而非线性导数计划可解决定位错位性的问题.实验结果表明,同传统的离散梯度算子相比,此算子不仅计算简单灵活,检测精度高,而且在没有平滑图像噪声的情况下得到了良好的边缘图像和信噪比.     

基于Sobel算子边缘检测的研究与改进

Sobel算子算法的优点是计算简单,速度快.但是由于只采用了2个方向的模板,只能检测水平和垂直方向的边缘,因此这种算法对于纹理较为复杂的图像,其边缘检测效果就不是很理想.采用0°,45°,90°,135°,180°,225°,270°,315° 8个方向模板对边缘进行检测,能较好地检测出不同方向的边缘.首先计算梯度,然后将梯度矩阵转化为灰度图像,使用最大类间方差法找到图片的一个合适的阈值,进行图像的二值化,得到改进后的边缘图像.     

一种基于数学形态学的图像对比度增强算法

由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强.