基于1~2阶分数阶微分的图像增强算法

在利用分数阶微分进行图像增强时,现有方法大多是基于0~1阶分数阶微分,而基于1~2阶分数阶微分的方法较少。为此,分析1~2阶分数阶微分对图像增强的作用,基于1~2阶分数阶微分构造一种用于图像增强的掩模算子。实验结果表明,该算子优于常用的频域法和空域法,比现有的一些0~1阶分数阶微分算子具有更好的图像增强效果。     

图像边缘检测的分数阶微分算子研究

针对常用整数阶微分边缘检测算子不能较好保持图像纹理细节的不足,在4-方向的Roberts算子、Prewitt算子和Sobel算子的基础上利用0~1阶分数阶微分替换一阶微分,构造了3种用于图像边缘检测的0~1阶分数阶微分新算子。实验结果表明,所构造的3种分数阶微分算子不仅能有效地提取出图像的边缘信息,而且还能较大程度地保留图像的纹理细节。检测效果优于常用整数阶微分算子及现有的一些0~1阶分数阶微分算子。     

基于Riemann-Liouville改进的1~2阶分数阶边缘提取新模型

针对数字图像的处理中采用整数步长与0~1阶分数阶微分的掩模算子未能精确定位边缘信息、缺少图像的纹理细节的问题,在Laplacian算子的基础上提出了一种新的边缘检测掩模算子。该算法从Riemann-Liouville(R-L)定义出发,推出1~2阶分数阶微分在中频信号的增强效果优于0~1阶分数阶微分并显著提升了高频信号,最终得到精确的检测效果。仿真结果表明:提出的算子能更好地提取边缘信息,尤其对灰度变化不大的平滑区域中纹理细节丰富的图像,该算子检测到的信息优于现有0~1阶微分算子,针对主观识别有更高的准确率;客观上采用扫描法的定位误差统计,该算子的综合定位误差率为7.41%,低于整数阶微分算子(最低为10.36%)与0~1阶微分算子(最低为9.97%),有效提高了边缘定位精度。该算子尤其适用于具有较高频信息的图像边缘检测中。     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

基于G—L分数阶微分的图像边缘检测

传统的基于整数阶微分的图像边缘检测算子,存在对噪声敏感、抗干扰能力差,提取图像边缘信息简单等缺点。分数阶微分能加强信号的高频成分,同时对信号的中低频成分进行非线性保留。本文根据分数阶微分的G L定义,推导出分数阶微分的差分表达式,构造5×5大小的分数阶微分算子模板,并采用Sobel算子、Prewitt算子和Laplacian算子进行图像边缘检测的仿真实验。仿真实验结果表明,相比整数阶微分算子,分数阶微分算子抗噪声性能强,能有效保留图像平滑区域中的纹理细节信息,图像边缘检测结果的信息也更为丰富。     

基于分数阶微分的图像边缘检测算法

针对传统边缘检测算法对于图像边缘提取存在边缘缺失、不连续等问题,为提高边缘的完整性与连续性,提出一种基于分数阶微分的边缘检测算法.由G-L定义构造分数阶微分掩模算子,使用不同阶次的算子对高、低频图像分别进行边缘提取,然后将两部分边缘进行融合,最终得到连续完整的图像边缘.实验结果表明,该算法不仅提高了边缘信息的完整性,还保留了更多的纹理细节及获得了较好的抗噪性能.     

基于R-L分数阶微分梯度算子的边沿检测

在处理数字图像中处理中,为了提取更加细微的边缘信息,克服经典梯度算法的不足,根据R-L分数阶微积分的定义和边缘检测的基本原理,推导出一维离散分数阶微分梯度算子,并且推广到二维,提出了一种基于R-L分数阶微分的新算子模板,并在实验中得以实现.实验结果表明,这种算子更能提取细节信息,使得边缘更加突出,与经典1阶和2阶的边缘检测算子相比,在处理以低频信号为主的图像时有一定的效果提升,而在处理以高频信号为主的图像时有较大的效果提升.     

用分数阶微分提取图像边缘

文章是分数阶微分在图像处理中的尝试性应用。首先通过理论上分析得出分数阶微分可以大幅提升信号高频成分,增强信号的中频成分,非线性保留信号的甚低频。据此分析得出分数阶微分应用于图像边缘信息提取将获得高于传统基于一、二阶微分的方法的信噪比。然后由经典的分数阶微分定义出发,推导出了分数阶差分方程,构建了近似的分数阶Tiansi微分模板。最后通过图像边缘提取的实验表明：基于分数阶微分算子不仅可以有效提取图像边缘,而且比整数阶微分算子具有更高的信噪比。为拓展分数阶微分的应用领域,进行了有意义的探索。     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

非整数步长的分数阶微分Sobel算子的应用

针对现有的分数阶边缘提取算子对于具有大量的平滑区域图像和丰富纹理图像的边缘检测精度较低的情况,对Gruwald-Letnikov（G-L）分数阶微分整数步长和传统的Sobel算子进行了相关的改进,并利用高斯加权的拉格朗日插值方法确定非整数点的灰度值,构造了一个新的分数阶微分掩模模板。理论研究与实验分析表明：该模型可用于检测含有丰富的纹理细节与大量的平滑区域的图像,且检测精度与清晰程度都有显著的提高。     

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。     

一种改进的分数阶微分掩模算子

分数阶微分理论用于图像处理是近期一个新的研究课题。文中从分数阶微分对图像细微细节的增强能力出发,对分数阶微分的机理进行分析,且根据分数阶微分Tiansi算子的作用特点,提出一种可大幅增强边缘信息值的改进Tiansi算子方法。具体的做法是将Tiansi模板分解为8个不同方向的小模板,得到像素点周围8个方向的加权求和值。然后将8个值进行不同的分组,得到增强幅度不同的3种改进方法。最后通过增强的实验表明,对于岩石节理裂隙图像而言,改进方法可有效增强边缘并且比传统算子得到更丰富的细节信息。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

基于格林函数的边缘检测算法

提出了一种基于格林函数的边缘提取新算法,而且经过详细的数学推导与计算,得到算子的精确解析式。通过实验结果发现该算子计算简单、有效,与其他算子作用效果相比较发现其效果较Canny算法要好。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

一种基于数学形态学的边缘检测方法

基于微分算子的边缘检测方法存在抗噪性能弱等缺点,非线性的数学形态学边缘检测可以克服这些缺点,而使用单一结构元素对图像进行形态学处理会模糊很多细节。鉴于这些不足,运用多结构多尺度的思想,将形态学的滤波和边缘检测结合起来,提出一种边缘检测方法,首先采用多结构多尺度的方法对噪声图像进行串联开闭滤波,再利用改进的多结构元素的形态学梯度算子进行边缘提取。实验结果表明,该方法具有较好的抗噪效果且提取的边缘比较平滑。