基于Contourlet变换和Susan算子的边缘检测方法

现存的基于空间域的图像边缘检测算法只能有效检测出图像有限方向的边缘。针对这一问题,根据Contourlet变换子带的各方向子带代表的方向信息及其梯度方向,提出了一种基于Contourlet变换和Susan算子的边缘检测算法。边缘检测算法首先对源图像进行Contourlet变换,然后分别对高、低频子图像进行边缘提取,最后通过一定的融合规则进行融合,得到边缘图。实验结果表明,这种边缘检测方法具有有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘提取算法。     

基于DS理论的高分辨率SAR图像复杂背景直线边缘提取方法

针对高分辨率SAR图像复杂背景下的线状目标边缘,提出了一种基于DS证据理论的融合提取方法。首先,分析并建立了线状目标的边缘模型;其次,改进了现有的ROEWA算法,在计算边缘强度的同时,利用方向模板和二次曲线进行方向估计,得到了边缘方向;然后,基于边缘模型设计了DS证据理论识别框架,利用道路边缘点方向,设计了一种一一映射的Hough变换方法,基于线状目标直线边缘的高边缘强度值、直线边缘共线性、直线边缘侧面均匀区域统计特性（灰度均值和方差）,构建了三组相互独立的基本概率分配函数（BPAF）,并采用DS证据理论的Dempster方法,实现了复杂背景下线状目标边缘提取的融合判决。最后,利用机载SAR图像进行城区道路目标的边缘提取试验,验证了本文方法的性能。      

一种基于梯度方向一致性的边缘检测新算法

为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的,该文利用真实图像边缘两侧的灰度渐变性,以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标;并根据该指标提出一种阈值自适应的边缘检测算法。实验表明:梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声;该指标对光照和对比度变化有较强的鲁棒性;将其用于阈值的自适应调节,得到的基于梯度方向一致性的边缘检测方法能较好地解决兼顾弱边缘检测的同时而不引入噪声干扰的问题。     

基于灰度梯度和反正切函数拟合的亚像素边缘检测算法

在数字图像处理和机器视觉中,边缘检测是一个基本问题和关键环节,因此,精确地检测图像边缘是非常必要的。本文提出了一种基于灰度梯度和反正切函数拟合的亚像素边缘检测算法。首先,通过Canny算子粗略提取输入图像的边缘;然后对初步得到的边缘像素逐点提取灰度梯度方向,以提取的梯度方向为坐标轴正方向建立灰度梯度直角坐标系;最后利用最小二乘法,采用反正切函数拟合图像边缘的灰度梯度,获得亚像素边缘位置。利用Microsoft Visual Studio 2008平台进行实验,结果表明：与基于小波变换及基于Zernike矩的亚像素边缘检测方法相比,本文所提算法定位精度较高,检测速度较快,能够更完整地检测出图像的平滑边缘。     

一种复杂环境中的车牌定位算法

提出了一种结合车牌区域边缘特征和梯度方向特征的新型车牌定位算法,该算法将车牌图像变换为灰度图像后,首先利用Sobel算子和Gradienffaces方法分别获取车牌图像的垂直边缘图像和梯度方向图像,然后根据边缘长度、边缘点密度去除垂直边缘图像中的干扰,并根据梯度方向图像中的梯度方向消除更多的干扰边缘,最后利用一个矩形窗扫描边缘图像完成车牌区域的定位和分割.实验结果表明,该方法的定位准确度可达93.7％,同时对复杂背景或弱光环境下的车牌图像具有很好的鲁棒性.     

SIFT与形状上下文结合的异源图像匹配算法

针对红外图像和可见光图像灰度差异大、匹配困难的问题,提出了一种基于改进的尺度不变特征变换和形状上下文描述的局部多特征匹配算法。首先通过高斯差分检测算法分别提取两幅图像的特征点;针对特征点梯度方向存在反转现象,结合梯度镜像方法对特征点统计特征点邻域梯度方向信息;然后引入图像边缘特征生成形状上下文描述子,与梯度方向描述子级联成联合描述子;最后采用欧氏距离和卡方距离加权的联合距离和最近邻算法对特征点进行匹配。实验结果证明,在红外图像和可见光图像匹配中,该算法相比原始SIFT算法能有效减少误匹配特征点对,达到较高的匹配精度。     

一种基于边缘方向的双线性插值方法

针对传统的双线性插值存在的图像边缘模糊问题,本文提出一种改进方法。首先根据插值点的几何位置及邻点的灰度大小,确定插值点灰度的梯度方向和边缘方向,然后沿边缘方向进行双线性插值。该方法可实现沿任意边缘方向的插值,并且计算简单。实验结果表明,该方法与传统的双线性插值法相比,插值图像的平均梯度增加而均方误差减小,有效地提高了插值图像的质量。     

基于宽频调谐特征和谱残差分析的显著性目标检测

根据人眼视觉系统的基本特点,提出一种基于宽频调谐特征和谱残差分析的显著性目标检测算法。该方法通过在上下文信息中提取图像的宽频调谐特征,运用线性叠加融合宽频调谐特征子图得到初步特征图,然后利用多尺度方法构建多分辨率显著图谱子序列,最后利用谱残差分析融合位置特征对显著性子图进行操作运算得到最终的显著图。基于自然图像的显著性目标检测实验结果证明,该方法具有较好的实用性和较强的稳定性,能够获取较为精确的检测结果。     

基于多级滤波的感兴趣边缘检测算法

针对边缘检测过程中阈值难确定和提取干扰边缘较多的问题,提出了一种基于多级滤波的感兴趣边缘检测算法。该算法分为四个步骤:首先对图像进行平滑滤波;之后计算水平方向和垂直方向的梯度幅值图像和梯度方向图像;然后根据梯度方向图像对梯度幅值图像进行噪声边缘滤波,并对梯度幅值图像进行非最大值抑制;最后对滤波后的梯度幅值图像进行分割,对得到的边缘映射图进行边缘跟踪,获取所有的边缘段及其特征,并滤除不满足特征约束的边缘,得到感兴趣的边缘。试验结果表明本文算法有很好的适用性。     

联合NSCT和SVD方法的红外弱小目标复杂背景抑制

复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰,提高目标检测精度,利用非下采样轮廓波变换(NSCT,non-subsampled contourlet transform)的多尺度分解及多方向分解特性以及图像矩阵奇异值分解(SVD,singular value decomposition)不同奇异值代表图像不同能量信息的特点,提出了联合NSCT和SVD的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解,得到与原始图像同样大小的不同尺度和不同方向上的子带图像,然后,利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波,最后对调整后各子带系数组成的矩阵施加NSCT逆变换,最终获得抑制背景处理后的图像。对比实验表明,该方法能够在低信噪比环境下有效抑制复杂背景及边缘,突显目标,降低虚警率。