一种基于分数阶次微积分模板的新型边缘检测方法

利用分数阶次微分和分数阶次积分组成复合导数, 在复合导数基础上提出了一种边缘检测新算子. 为实现分数阶次微分, 推导出一种新的复数模板. 通过检测一维曲线, 验证了复合导数可以近似模拟一阶导数并具有抑制噪声的能力. 二维图像的检测结果表明, 新算子在无噪声干扰情况下可以精确、有效地完成边缘检测任务; 在有噪声情况下可以有效地抑制噪声干扰. 最后, 对新算子进行了定量分析并与 Canny 算子进行比较. 结果表明新算子具有低定位错误率的优势.     

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...     

一种改进的形态学梯度边缘检测算法

数学形态学边缘检测器能克服线性边缘检测器的一些缺点,但是存在宽边缘,导致边缘分辨率较低。文章依据宽边缘形成机理,提出了一种从相互垂直方向分割形态学梯度图像,提取截面曲线局部极大值的边缘检测算法;给出了算法实现的详细步骤。实验表明该算法能提高形态学梯度边缘检测器的边缘分辨能力,并且能增强形态学边缘检测器的抗噪性能。     

一阶方向导数极值法--一种检测边缘的新方法

文中通过傅里叶变换（Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ）,在频率域,通过求垂直于边缘的阶方向导数,并检测其极值（极大或极小）点来确定边缘,同时,参考一阶方向导数的数值来排除一些非边缘点（一阶方向的数值为数者,零也为常数）,实验证明该方法检测边缘有准确度高,而且不选取门限值（阈值）。     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

图像边缘检测效果的边缘连续性评价算法

边缘检测是图像处理的一个重要环节,边缘检测效果的好坏直接决定图像处理结果的好坏,但对于边缘检测结果缺乏一个标准的数值化的评价方式,因此提出了一种对边缘检测结果的边缘连续性量化评价方法。以边缘的连续性作为图片边缘提取效果的评价指标,并且使用边缘段凸包面积与边缘段长度的乘积的平均值来数值化评价边缘连续性。设计了多种实验对同一图片采用不同的边缘检测算法在不同边缘检测参数下进行检测,并与所提算法进行评价对比。实验证明该算法能数值化地快速、有效地评价图片边缘检测的效果好坏,评价结果符合人的视觉感知特征,对于高层次的图像处理与自动化图像处理环节具有较好的应用价值。     

严重噪声污染图像边缘的统计检测算法

提出了一种适用于受多种噪声严重污染图像的边缘检测算法。该算法包括边缘统计判决及边缘检测两部分。统计判别部分包括三大类１３种平行统计检验方法。利用顺序统计量，使之不仅适合于含有白噪声干扰图像的边缘判决，而且适合于含有脉冲噪声和椒盐噪声的图像区域，利用加权表决的方法检测出边缘，可以大大减少计算。实验结果表明，本算法是行之有效的。     

一种改进的Roberts 和灰色关联分析的边缘检测算法

针对Roberts 算子容易漏检及对噪声较敏感的问题,提出一种改进的基于灰色关 联分析方法的边缘检测算法GRA-Roberts。通过改进Roberts 算子提高其检测精度和抗噪性能, 结合灰色关联分析方法,将改进后的Roberts 算子作为参考序列,通过计算灰色关联度来检测 图像边缘。实验结果表明,GRA-Roberts 算法能有效克服Roberts 算子算法易漏检和对噪声敏 感的问题,且比其他灰色关联结合算法具有更好的检测效果。     

图像边缘检测算法比较研究

图像的边缘检测是图像处理领域的经典研究课题之一.边缘检测结果的正确性将直接影响到机器视觉系统对客观世界的理解.文章介绍了几种常用的边缘检测算子,并对各种算子的实验结果进行比较.     

一种基于LIP模型的边缘检测新算法

提出了一种基于人眼视觉的图像边缘检测的新算法。该方法基于LIP模型首先推导出新的梯度公式,然后进行图像灰度处理和叠加操作,最终形成了一种新的边缘检测算法。该方法大大减少了非边缘噪声的产生,能将图像的边缘较好地检测出来。实验表明,该方法具有边缘检测准确性高,引入的非边缘噪声少的特点。     

图像边缘检测算法研究新进展

边缘检测技术是图像处理和机器视觉领域的关键环节,可用于产品外观质量的评价和技术路线的改进。改进传统算法和设计新算法已成为图像边缘检测技术的研究热点。总结了二维图像边缘检测的基本原理和各类边缘检测算法的最新研究进展,分别从信噪比、定位精度、单边缘响应和计算效率等方面对一阶和二阶微分算子进行算法对比,分析了各算法的优缺点。同时也总结了现代边缘检测算法在数字图像处理用的新进展,指出了新算法在现代数字图像处理中的优势和应用特点。     

改进的抗噪形态学边缘检测算法

噪声是影响图像的边缘检测效果的主要因素之一。形态学的各种运算可以有效地去除噪声,利用形态学对含噪图像进行边缘检测的算法已成为人们当今关注的问题。为了提高图像边缘检测的准确性,降低噪声对图像边缘检测的影响,提出了一种改进的抗噪形态学边缘检测算法,且利用两个不同的结构元素进行边缘检测。对于含有椒盐噪声的图像,改进的算法能很好地减弱噪声,得到的图像较平滑、轮廓清晰。边缘定位准确且很好地保留了边缘细节特征。实验结果表明,算法抗噪能力较强,客观评价与视觉效果均好。同时,该算法具有一定的实用性和可行性。     

图像边缘检测算法的比较与实现

边缘检测的目的是标识数字图像中灰度变化明显的点,而导函数正好能反映图像灰度变化的显著程度,因而许多方法利用导数来检测边缘.针对典型的基于导数的边缘检测算法Sobel、Log和Canny,在分析其算法思想和流程的基础上,利用MATLAB对这3种算法进行了仿真实验,分析了各自的性能和算法特点,比较边缘检测效果并给出了各自的适用范围.     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于柔性形态学的梯度边缘检测算法

在深入研究柔性数学形态学边缘检测算法的基础上,提出比传统柔性形态学膨胀和腐蚀算子具有更强鲁棒性的柔性形态学膨胀和腐蚀算子,在此基础上提出柔性形态学梯度边缘检测算法,实验证明了该算法对噪声特别是脉冲噪声有很强的抑制作用,并能很好地检测出图像的边缘信息。     

基于多结构元的形态图像边缘检测算法

基于修正的边缘检测算子和形态滤波思想,提出一种新的多结构元素形态学灰度图像边缘检测算法。在该算法中,自适应确定权重,并将各个结构元素下的检测信息进行加权求和,得到噪声存在条件下较为理想的图像边缘。仿真结果表明所给算法效果优于经典的边缘检测方法。     

一种新的基于改进弹簧质点模型的图像边缘检测方法*

针对传统边缘检测算法不能准确定位图像的边缘和检测出的图像边缘连续性较差的不足,在基于改进 的弹簧质点模型基础上提出一种新的、简单和有效的图像边缘检测算法。在该算法中,将被检测的像素点作为中心点,其周围八个方向的像素点对该中心点的弹簧拉力组成一个平面内的弹簧质点模型。根据胡克定律,可以计算出作用在中心点上的合力大小,如果作用在中心点上合力大小超过设定的阈值, 则认为该中心点为边缘上的点。实验结果表明,提出的算法能够有效地克服传统算法的不足,而且具有一定的噪声滤波效果。     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法,检测精度较经典的单一梯度算子检测方法亦有一定的改善.     

高斯拟合亚像素边缘检测算法

针对传统边缘检测算法的定位精度低、对噪声敏感等缺点,提出基于函数曲线拟合的亚像素边缘检测算法——梯度方向高斯曲线拟合亚像素定位算法。该方法首先在边缘附近选取一系列点,求得这些点的灰度值,进而求得这些点的梯度值,然后运用高斯曲线来对这些点的梯度值进行拟合,最后通过拟合曲线求得高斯曲线的对称轴位置即为亚像素位置。实验表明该算法能够很好地实现亚像素定位,通过与其他两种亚像素定位算法的比较,得出该算法运行时间较短,效率较高。