改进的基于平稳小波变换的散斑去噪方法

针对剪切散斑干涉相位条纹图去噪过程中存在的噪声残留和边缘模糊问题,提出一种将正余弦分解和平稳小波变换相结合的散斑去噪方法,使用平稳小波变换对图像的正余弦分量进行小波分解,利用改进的小波阈值函数和阈值选取规则对分解后的高频图像进行处理,最后进行小波重构和反正切运算得到去噪后的相位条纹图。通过实验对各方法去噪后的效果进行分析,该方法能够保留边缘信息,改善相位图的质量,对比现有传统算法均方差分别降低了0.05、0.03,信噪比分别提高了3.1、1.1 dB。     

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。     

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。     

基于小波变换和形态学细化算法的真空电弧形态检测

真空开关电弧的形态特征是电弧特性的外在反映,与真空开关的分断能力直接相关。为了研究真空开关电弧燃弧过程及其形态特征,建立了真空电弧图像实验采集系统,通过高速CCD相机采集真空电弧燃烧过程图像。为了获得电弧形态的细节特征,基于小波变换及形态学细化算法对真空电弧图像进行了形态细节特征提取研究。主要通过电弧图像的分解与重构、多尺度边缘检测及多尺度-细化算法实现电弧图像的形态特征检测。对多尺度-细化算法实验结果与经典算子和多尺度边缘检测算法的检测结果进行了对比分析。结果表明,采用多尺度-细化边缘检测算法可得到更完整、更清晰的细节特征,为研究真空电弧的调控理论提供了技术基础。     

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.     

基于形态滤波和梯度模糊GHMT的组合边缘检测

提出一种基于形态滤波和梯度模糊GHMT(灰度击中击不中变换)的组合边缘检测方法.先利用广义多结构元形态滤波器对图像进行平滑去噪,然后再引入一种梯度模糊GHMT算子提取边缘,该算子将模糊逻辑融入梯度GHMT边缘检测算子,为梯度GHMT在处理图像边缘不确定信息时提供了一种强有力的工具.实验结果表明,本文提出的组合边缘检测方法能够在较高噪声条件下,得到较为理想的图像边缘.     

基于多尺度Gabor滤波器的角点检测

为了克服在不同图像上的尺度选择问题,提出了一种基于边缘轮廓线的多尺度Gabor滤波器的角点检测算法。该算法首先利用Canny边缘检测算子提取图像的边缘轮廓;进而用一组构建好的4个尺度8个方向Gabor滤波器的虚部对图像进行平滑,并计算每个像素在其相同尺度下各个方向上Gabor滤波器虚部响应的归一化的和;最后将每个边缘像素点在所有尺度下的乘积作为新的角点测度, 当角点测度大于预设阈值时,则认定该点为角点。将实验结果与经典的Harris、CPDA和He&Yung角点检测算法进行比较,提出的算法在检测准确率、定位误差、噪声稳健性性能指标上,都取得了更好的结果。     

高压输电线路红外图像的边缘检测

高压输电线路的导线，金具及绝缘子串等的红外图像的特点有：边缘模糊，对比度差，空间域上存在孤立的点和小块噪声。采用中值滤波方法。在保护图像边缘细节信息的前提下有效地降低了图像空间域高频噪声，用分段线性灰度变换增强了图像边缘的对比度，提高了图像的温度分辨力和空间分辨力。通过对Roberts边缘算子、Sobel边缘算子、Prewit边缘算子、Laplace边缘算子和Laplace改进算子等常用边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析，选用Roberts算子完成了图像的边缘轮廓检测，并对不连续边缘进行跟踪和连接，得到了清晰连续的图像边缘，完成了高压输电线路红外图像的边缘特征提取。以一幅耐张绝缘子串的红外图像为应用实例，验证了图像预处理及边缘检测方法的有效性。     

一种具有保留边缘信息的改进SUSAN去噪方法

在图像去噪的过程中,大多数的滤波算法都会在滤除噪声的同时损失边缘信息,而SUSAN算子的原理使其具有保持边缘的特性.本文在原SUSAN滤波的基础上,提出自适应的灰度差阈值选取,并针对原SUSAN算法在图像边缘处滤波效果不佳的情况下提出两个阈值对噪声进行判断.通过对加入椒盐噪声和随机噪声图像的去噪仿真实验表明,对于单次滤波和多次滤波,改进的SUSAN滤波算子避免图像模糊、保留边缘信息方面都具有比普通滤波算法更好的效果.     

一种改进工件边缘检测方法的研究

针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。     

多尺度压缩求导的一维图像边缘检测

为了更加精确地计算塑料薄膜缺陷的宽度,在基于小波算法的多尺度变换基础上,提出了一种用于一维图像不同尺度间的压缩求导边缘检测方法.小波变换提供图像的多尺度描述,将压缩求导应用于不同尺度间的小波域,从而可将各尺度的图像信息更加有效地合成,得到最优的边缘检测效果.该方法比以往的单纯直线拟合方法具有更好的精确度,可以有效地增强边缘和抑制噪声.对一维图像进行的实验证明该方法是正确和有效的.     

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。     

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。     

结合MSRCR与多尺度融合的水下图像增强算法

为解决水下图像增强时出现的图像边缘细节模糊,亮度不均等问题,提出了一种结合带色彩恢复的多尺度视网膜增强算法(MSRCR)与多尺度融合的水下图像增强算法。首先,将获取到的水下图像基于的MSRCR算法色彩校正,并将校正后的图像转换到Lab颜色空间对亮度分量进行自适应增强。其次,对MSRCR色彩校正图像和Lab空间亮度分量增强图像分别计算拉普拉斯对比度权重、局部对比度权重、显著性权重和曝光度权重,并构建归一化后的权重图。最后,将归一化的权重图和MSRCR色彩校正图像以及Lab空间亮度增强图像输入图像金字塔进行多尺度分解与逐层融合。实验结果表明,该算法有效的克服了单一水下图像增强算法的缺点,使得增强后的图像边缘细节更加清晰,色彩更加丰富。     

基于改进Canny边缘检测的指针式仪表自动读数算法研究

指针式仪表自动读数是工业巡检机器人系统的核心技术之一,以机器视觉为基础,提出了一种新的指针式仪表的自动读数算法研究,研究分为3个模块。首先采用基于深度学习的目标检测SSD算法,对指针式仪表位置进行准确定位,该算法可以准确的从复杂背景中检测出指针式仪表的位置,并将其提取出来;接着采用多尺度Retinex对HSL色彩空间中的图像进行图像增强,采用最大类间方差进行二值化操作,采用改进的Canny边缘检测进行指针边缘的提取;最后采用改进的霍夫变换法——概率霍夫变换对指针所在的直线进行检测,计算出指针的倾斜角度从而利用角度法得出指针的准确示数。实验结果表明该研究可以较为准确的自动读出指针仪表的示数,误差较小,稳定性高。     

关于图像方向性边缘检测算法的研究

该文基于模糊分类和像素方向性提出对图像边缘进行二次确定，同时参数控制去噪及锐化真正边缘。该算法计算量小，边缘明显变细，噪声和伪边缘减少，对边缘细微图像检测效果理想。     

一种基于特征重用金字塔的舰船检测算法

针对现有算法在SAR图像舰船目标检测场景中难以提取模糊目标特征的问题,提出一种基于特征重用金字塔的舰船目标检测算法。所提算法以YOLOV4-tiny为主体,首先将线性因子引入到K-means算法中整合初始锚框,加强网络对多尺度目标的适应性;其次在主干CSPDarknet53-tiny中添加注意力机制来抑制干扰信息,减弱复杂背景的影响;最后利用特征重用机制强化特征金字塔,提升网络对模糊目标特征的提取能力。实验结果表明,相较于YOLOV4-tiny网络,改进后的算法在SSDD数据集上的平均检测精度提升11.79%,证明了改进后算法在舰船检测中的有效性。     

神经切片染色图像边缘的二次提取方法研究

针对神经切片染色图像的边缘模糊不连续、色泽不均匀、区域不规则的特点,提出了一种效果良好的神经切片染色图像边缘提取方法。通过改进的均值漂移滤波改善图像质量,获得第一次的连续边缘;考虑到切片图像的复杂性,对提取得到的连续边缘运用区域填充及数学形态学的方法处理后进行第二次边缘提取,从而提取到最终的较为准确、光滑的边缘;最后在人体周围神经组织切片图像上的实验证明,该方法具有提取效果好,抗噪声能力强等特点。