管道腐蚀视觉测量图像边缘检测算法研究

为实现管道内表面腐蚀图像的边缘检测,分析了经典的边缘检测方法,针对其存在检测精度低和抗噪声性能差等缺点,研究了一种基于BP神经网络的图像边缘检测算法。利用标准图像和经传统边缘检测算法检测得到的边缘图像作为输入输出数据,并用大量数据进行训练,构建了可实现图像边缘检测的BP神经网络。用训练好的神经网络实现管道内表面腐蚀图像边缘检测,并与传统的边缘检测算法检测结果进行了比对,实验结果表明,该算法可明显提高检测精度及抗噪声能力,具有广泛的适用性。     

基于数据融合的图像边缘检测算法研究

提出了一种基于数据融合的图像边缘检测算法。该算法对原始图像分别采用Canny算子和小波变换两种方法进行边缘提取,再将两种方法结果通过数据融合的手段获得一幅新的边缘图像。实验证明,融合后的图像边缘包含了原始图像丰富的细节信息和较完整的轮廓,该算法优于单独采用Canny算子所获得的边缘图像,是一种有效的图像边缘检测方法。     

基于Canny算子的多尺度小波变换图像边缘检测方法

图像边缘检测是图像处理中的重要一环,本文基于Canny边缘检测算法,提出了一种改进的Canny边缘检测算法。该算法采用新的基于多尺度小波变换边缘检测的设定方法,充分利用了不同的尺度变换可以得到不同边缘细节的特点,可以对低分辨率的边缘能够很好的提取,并能有效的抑制噪声,具有优于传统Canny算法的性能。经实验仿真,验证了该算法的有效性。     

基于提升小波变换的指针式仪表图像边缘检测

为解决工业中对指针式仪表的自动检定,针对自动检定系统中所涉及的图像边缘检测技术难点,分析了现有传统算法的不足之处,提出一种有效的基于提升小波变换的边缘检测算法。该算法利用提升小波变换尺度的低通作用,避免受高频噪声影响,在传统边缘检测算法的基础上,提取低频轮廓。利用小波系数的方向性,结合方向性边缘检测算子,获得高频边缘信息,最后利用小波重构获得准确清晰的图像边缘,为后续Hough变换准确的提取指针提供了有利保障。实验结果表明,该算法得到的图像边缘较传统Canny算法更清晰准确,无虚假边缘,应用于仪表自动检测系统中是可行的。     

多梯度融合的RGBD图像边缘检测

基于单一的属性变化进行边缘检测往往会损失部分边缘信息,影响了检测结果的完整性,对此提出一种基于多梯度融合的边缘检测算法。该算法针对RGB图像,首先转换到YCbCr颜色空间下,分别提取亮度分量Y颜色分量Cb、Cr针对提取的亮度分量Y颜色分量Cb、Cr,结合深度图像D,分别使用多方向的圆形边缘检测算子进行梯度计算,对所获得的4种梯度图像进行融合获得边缘检测结果。实验结果表明,算法获得的边缘检测结果更加清晰完整,有效的提高了边缘检测的效果。     

基于模糊集的图像边缘检测算法

边缘检测一直是图像处理中一个热门课题，本文在对经典模糊边缘检测算法思想进行分析的基础上，提出了一种边缘检测算法，该算法通过阈值分区间定义一种模糊隶属函数，可将数字图像转化在等效的模糊特征平面上，然后选用适当的增强算子对图像进行模糊增强，增强后的图像经逆变换后进行边缘提取即可得到所需图像的边缘特征。应用这种算法计算量小，运算速度较快，提取的边缘细致，是一种很有实用价值的边缘提取算法。     

基于多结构元素的形态学抗噪边缘检测算法

边缘检测是图像处理中的重要内容,是图像的最基本特征,在图像分割、图像检索、模式识别、机器视觉等领域中都有重要的应用。本文提出了一种基于多结构元素的形态学抗噪边缘检测算法,该算法利用形态学的基本运算膨胀、腐蚀、开、闭及它们的组合,并通过构造4个不同方向的结构元素,得到图像4个方向的边缘检测结果,并将这些结果加权平均,得到最终的图像边缘。结果表明,该算法的抗噪性能优于经典的Log算子和Canny算子,并且检测出的边缘平滑性好,特征清晰,因而有一定的实用性。     

基于神经网络的CT脑血管图像边缘检测算法

CT脑血管医学图像的三维重构都是源自二维断层扫描,脑血管边缘特征向量的提取是图像处理的关键步骤。为提高边缘特征的提取和保证三维重建图像的质量,在分析了某些常用的边缘检测算法性能基础上,同时结合CT脑血管图像的像素结构特点,将SA_SOFM神经网络算法成功地用于对CT脑血管图像的边缘特征信息提取中。并对算法进行有效的改进,基于真实图像的实验表明该算法提高了边缘特征信息的精度和鲁棒性。     

基于灰度加权阈值和形态学的锅炉火焰边缘检测

提出了一种灰度加权阈值和数学形态学相结合的锅炉火焰图像边缘检测算法.该算法首先利用灰度加权阈值算法取得分割阈值,然后利用形态学方法提取边缘.这种方法有效地抑制了噪声,能够成功地检测出燃煤锅炉火焰连续的边缘.实验结果表明,该文所用的边缘检测方法要优于传统的边缘检测方法.     

轮胎气泡边缘检测算法的研究

针对轮胎激光剪切散斑干涉图像背景中存在大量条纹的特点,为避免其对气泡边缘检测产生妨碍,主要对其边缘检测算法进行了研究.给出了对常用的几种算子进行边缘检测后的轮胎激光剪切散斑干涉图像,并分析了其在处理图像时的不适用性,设计出基于模糊理论的小波多尺度边缘检测算法.在多尺度边缘检测过程中,设计了适合的模糊算子,改善了轮胎气泡边缘检测的效果.由仿真结果可知:本文设计的算法与常用边缘检测算法相比,更好地标记出了轮胎气泡的边缘图像,滤除图像中的伪边缘.     

改进的自适应Canny边缘检测算法

传统Canny边缘检测容易受到环境噪声和光照条件变化等外界因素的影响,导致检测效果不佳,而且需要人工选择参数,算法的灵活性较低。为了提高传统算法的检测效果,使其更好的应用到图像识别等领域中,通过最大类间方差法来获得图像梯度量的最佳分割阈值,动态确定边缘检测的高低阈值参数,能够有效解决传统算法的不足。将改进后的算法用于家用仪表计度轮图像的边缘检测中,与传统算法相比,既去除了噪声干扰,又保留了完整的图像边缘,在取得了良好的检测效果的基础上提高了算法效率。     

基于多尺度Gabor滤波器的彩色图像边缘检测

为了更好实现对彩色图像进行边缘提取,并保证算法具有更好的稳定性,文章使用多尺度Gabor滤波器的方法,来提取彩色图像边缘和轮廓.构建了3个尺度、16个方向的Gabor滤波器.首先将彩色图像灰度化,利用多尺度Gabor虚部滤波器提取图像灰度变化信息.通过非极大值抑制,并通过高低阈值获取边缘像素点及其候选边缘,最后利用局部边缘连接获取图像边缘轮廓.并将本算法与常用边缘检测算法进行实验性能比较,实验结果表明:提出的算法既能获得较高的定位准确度,又具有很好的噪声鲁棒性,该算法与常用的Roberts等一系列算法相比,检测效果更好,稳定性更强.     

一种基于数学形态学的灰度图像边缘检测方法

图像边缘包含图像的绝大部分有用信息,因而图像识别、匹配等具有很大的研究价值。传统的边缘检测算法去噪能力差、边缘定位能力低,而一般数学形态学算法提取的边缘清晰度不高,且不够平滑,难以满足图像处理的需要。采用序列多尺度结构元素分别对图像进行滤波,再灰度累加取均值,有效滤除噪声的基础上,尽量突出有效的边缘信息,去掉无效的细节信息。通过仿真验证,边缘定位精度高且平滑连贯,效果良好。     

含缺陷固体火箭发动机燃面自适应提取算法

固体火箭发动机CT图像存在的伪影噪声会严重影响初始燃面边界与缺陷的提取，并且实际CT图像中缺陷信息提取困难，研究有效地去掉CT图像中伪影并自动提取出燃面数据与缺陷数据的算法具有重要的工程实际价值。针对CT图像去伪影与缺陷提取难的问题，提出一种IBM3D滤波算法，在块匹配阶段利用边缘检测的先验信息寻找相似块；并提出一种自适应Canny边缘检测算法与种子八连通标记法相结合的方式将图像中的初始燃面与缺陷数据有序地分离出来。实验结果表明IBM3D算法的峰值信噪比与结构相似性水平较其他算法更高，自适应边缘检测算法提取的燃面缺陷信息较其他算法更为完整。实现了含缺陷的固体火箭发动机CT图像质量的提升，并准确地提取初始燃面、缺陷信息。     

面向视觉假体的复杂图像处理技术

为了更准确地提取视觉假体采集的复杂图像中的信息,提出了一种基于视觉显著性的复杂图像视觉焦点检测和基于多尺度信息融合的图像边缘特征提取算法。算法首先利用GB算法计算复杂图像显著性图,然后利用双阈值分割和形态学方法提取出复杂图像中的视觉焦点区域。其次,针对传统边缘检测中单尺度微分算子的不足,提出了融合多尺度Sobel的边缘检测方法。提出的复杂图像处理策略既简化了图像信息编码的复杂度,又提高了边缘提取算法的噪声稳健性。     

融合Hough直线检测和Grab-cut的风机叶片自适应分割方法

完整的边缘信息对风力发电机叶片的边缘缺陷检测至关重要,但由于户外采集的风机叶片图像背景复杂多样,现有图像分割算法的分割精度不足,无法保证边缘缺陷的完整性。因此,提出一种基于图像边缘特征与颜色信息的自适应图像分割方法实现风机叶片边缘检测。首先,使用Hough直线检测初步定位叶片直线边缘;然后,在目标区域应用基于Otus阈值分割和形态学运算的Grab-cut算法,实现叶片图像的自适应分割。采用无人机采集多个场景的图像作为测试样本,对分割方法与其他方法进行定性和定量对比分析。结果表明,该方法能自适应且准确地实现风机叶片图像分割,并保留边缘缺陷的完整性,其边缘覆盖率(0.971 7)和边界位移误差(3.040 3)指标均优于其他方法,对风机叶片的边缘缺陷检测具有重大潜在应用价值。