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.     

沙尘环境下视频图像增强方法的研究

针对沙尘暴环境下,因大气介质中悬浮的沙尘颗粒的散射作用导致的视频图像质量严重下降,清晰度与对比度降低,边缘模糊等问题,本文提出了一种空间域与变换域相结合的沙尘图像增强方法。先将降质图像转换到模糊域进行全局沙尘图像的PAL模糊增强;然后在空间域利用带限局部直方图自适应均衡算法对局部分量进行增强处理,最后利用POSHE算法对局部细节再次进行增强处理。实验结果表明,所提方法能够有效的提高沙尘图像的对比度,突出图像细节与边缘信息,增强了图像的整体视觉效果。     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于局部模糊分形维度的图像边缘检测算法

介绍了一种局部模糊分形维度,并将该技术应用到图像边缘检测中.将像素覆盖方法推广到N维模糊离散集分形维度的计算就得到了局部模糊分形维度.给出了局部图像的LFFD计算流程和基于LFFD的图像边缘检测方法.采用实例验证了本文的算法,实例结果显示,本文的算法是正确的、可行的和有效的.     

一种自适应红外图像增强新算法

针对红外图像经直方图均衡后因部分灰度级被合并而导致细节丢失的问题,提出了一种新的红外图像增强算法——双阈值区分增强算法.该算法首先在原始图像直方图中剔除截断阈值以下的冗余灰度级,接着根据重建直方图的包络确定分界阈值用以区分背景和目标,最后对背景进行直方图均衡处理,对目标进行局部对比度增强及线性灰度变换处理.算法定义了一个自适应参数来适当地抑制背景和噪声,并放大目标细节.相对于传统的直方图均衡算法,所提算法能在增强整体对比度的同时保留图像细节,并且计算量小、实时性好.     

四相位差分图像边缘检测算法

为提高图像弱边缘的检测效果,解决图像细节边缘的检出问题,最大限度地保留图像内容信息,提出了一种通过对图像进行四相位移动模糊差分,利用图像边缘灰度梯度变化的相关性,来全面的检测图像内部强、弱边缘的图像边缘检测新算法.该算法可有效的检测图像细节等弱边缘,分割滤除背景,完整的保持图像内目标的结构特征,同时对于图像质量要求较低,具有较高的边缘检测特性.     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

一种基于空域灰预测的边缘检测改进方法

为解决传统图像边缘检测结果边缘细节模糊且部分缺失问题的基础上,提出了一种基于空域灰预测的边缘检测方法。该算法首先采用灰色理论中的灰预测方法对5×5模板的像素点进行预测,通过预测值与实际值的差别来判断该处像素点是否为边缘像素点,然后采用残差检验的方法来评价控制计算结果是否可信,从而达到提高算法精度,细化边缘的目的。通过与传统方法实验结果的对比,能够说明该算法可以有效地提高检测精度.     

多摄像机下模糊图像细节特征目标快速检测研究

人工检测方法只收集了模糊目标相关信息以及模糊背景分析结果,导致图像细节特征检测效果较差。为了解决该问题,提出多摄像机下模糊图像细节特征目标快速检测方法。根据多摄像机下模糊图像监控工作流程,对现有摄像机资源进行分配,并对统一目标进行识别与检测。提取模糊图像细节特征,衡量边缘图像相似情况,通过搜索目标图像与待匹配图像之间的匹配度量,计算倒角距离最小值。使用矩形窗口定义局部边缘特征,并对其进行采集与处理,由此生成视野分界线,在多摄像机固定情况下对目标进行检测。通过实验对比结果可知,该方法比人工方法检测效率要高,最大相差70%,为摄像机准确检测出模糊图像特征提供支持。     

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.