图像模糊边缘检测算法的改进

边缘检测是图像处理的重要内容之一,从算法速度和检测效果等方面分析了Pal.King模糊边缘检测算法的缺陷,提出一种新的快速模糊边缘检测算法,利用遗传算法确定模糊增强变换中最佳隶属度阈值,采用简单的隶属函数,提高了算法速度,优化了传统的边缘检测,避免使用单一算子检测边缘强度较弱的缺点,给出了利用该算法的Lena图像边缘检测实验。仿真结果表明,该算法检测边缘能力较强且提取边缘较精细,是一种实用高效的边缘检测算法。     

一种改进型边缘检测的混合量子遗传算法

图像边缘包含非常重要的图像信息,针对图像处理中的模糊边缘检测存在的缺陷,将免疫学中的克隆选择理论引入量子遗传算法,利用这种新的混合量子遗传算法对图像阈值进行优化得到最佳阈值,改进模糊边缘的检测算法。通过测试图像的边缘检测结果表明,该算法具有较好的检测模糊边缘和抑制噪声能力,用于边缘检测能获得良好的效果。     

AFM显微图像多尺度形态边缘检测算法

提出一种适应于显微图像的多尺度形态边缘检测算法.用不同尺度大小的结构元素分别检测出显微图像不同尺寸边缘信息,进行图像规格化处理以消除不同尺度边缘图像的灰度值分布差异,运用取极小值方法对所获处理后图像边缘进行自适应融合.实验结果表明运用该算法获得理想图像边缘的同时,增强了模糊边缘,有效地消除了噪声,对显微图像处理十分有效,检测到的边缘非常清晰.     

基于斜Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。提出了一种新的基于斜Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单、计算速度快,而且对于处理灰度渐变图像是有优势的。     

图像纹理区检测及分割算法研究

图像纹理区是指在进行边缘检测时边缘分布相对密集,并存在一些伪边缘的区域。研究表明,现有的很多图像处理算法的误差集中在纹理区。图像纹理区分割的目的就是将这一区域分割出来以便对其采用不同的处理方法。本文提出了一种基于模糊增强的图像纹理区检测及分割算法。本文算法根据图像纹理区特点,首先增强纹理区像素对比度,并利用Canny边缘检测算法提高纹理区检测效果,最终实现了图像纹理区的准确检测和分割。     

一种离焦模糊图像边缘检测新方法

根据离焦模糊图像的特性,提出一种新的离焦模糊图像边缘检测算法,该算法通过定义一个新的边缘检测算子,利用新算子对图像各像素进行卷积,求得各像素的梯度和方向信息,根据梯度和方向信息进行阈值化处理,得到离焦模糊图像的边缘检测图像。实验结果表明,对于离焦模糊图像,利用新的边缘检测算子进行边缘检测,能够较好地检测被模糊而弱化的边缘,检测效果符合人眼视觉感受。     

基于小波和快速模糊算法的医学图像边缘检测

在医学图像中,常常需要得到图像的边缘轮廓线,以便诊断病变情况.为适应这种需求,文中提出了基于小波分解和快速模糊算法的医学图像边缘检测方法.针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低频信号得不到有效利用、边缘检测速度较慢等问题,利用小波分解和快速模糊算法的优点构造边缘检测算法.这种方法使得小波分解后的低频信号中所包含的有用信息得到了利用,简化了算法并提高了算法的效率,增强了算法的适应性.文中算法检测出的图像边缘与经典边缘算子提取的图像边缘相比较,结果更加清晰完整.     

基于改进的多尺度形态梯度的图像边缘检测

应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。论文对多尺度形态梯度算子进行改进,并将其应用于图像的边缘检测。实验结果表明,基于改进的多尺度形态梯度的算法,综合了大尺度和小尺度形态梯度的边缘检测的优势,对阶跃边缘和模糊边缘进行了有效的处理,简化了计算,同时又能有效地去除噪声。     

基于图像处理的快速位置检测算法研究

论文在分析典型图像获取的硬件环境和常用图像检测算法的基础上,提出了一种基于图像处理的快速物体位置检测算法,阐述了算法的原理。该算法可以不通过传统的数字滤波、二值化、边缘提取处理,快速得到被检测物体的平面位置。     

基于模糊和遗传算法的路况图像边缘检测

在路况监测中,常常需要得到路况图像的边缘轮廓线,以便诊断路面的病害情况。为适应这种需求,提出了基于模糊和遗传算法的路况图像边缘检测算法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低灰度图像信息丢失、边缘检测速度较慢等问题,利用遗传和模糊算法的优点构造边缘检测算法。这种方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。算法检测出的图像边缘与传统模糊算法提取的图像边缘相比较,结果更加清晰完整。     

CAVLC解码的一种有效方法

已有的CAVLC解码方法包括二叉树解码方法、全码表解码方法和Hashem ian解码方法等,但是这些解码方法都只关注解码性能的一个方面:解码速度或存储空间,因而无法有效地提高整体性能。针对这一问题提出了一种快速的解码方法。该方法通过自动码表分配技术和码表地址转移技术来提高限定存储空间条件下的解码速度。实验结果表明,使用相同的存储空间,该方法的速度是传统解码方法的1.5倍,更加适用于H.264标准。     

快速最大熵多阈值图像分割算法

阈值方法是一种重要的图像分割方法,在图像分割中得到了广泛的应用。最大熵算法虽然是图像分割阈值法中较好的方法之一,但是,由于传统的最大熵算法通常用穷举法求解,使得处理多阈值问题时运算速度太慢,难以满足应用需求。为了快速有效地确定阈值,提出一种改进的最大熵算法。通过递推公式将穷举法求解过程中需要重复计算的变量,预先计算后存入二维表备用,使整体计算量减少了一个数量级。通过对测试图像的分割实验,表明该算法与传统的最大熵算法相比运算速度有非常显著的提高,能够满足一般的应用需求。     

Image Segmentation via Iterative Fuzzy Clustering Based on Local Space-Frequency Multi-Feature Coherence Criteria

Fuzzy set theory has recently attracted much attention in the field of image classification, image understanding and image processing. One of the major topics in fuzzy image processing is the image classification problem. This paper presents a fast and accurate iterative fuzzy clustering (I.F.C.) method dynamically adapted to the classification process. This is used for high performance fuzzy segmentation which forms the basis for reliable image understanding. The proposed fuzzy segmentation scheme examines the image connectivity in the space and frequency domains. The detected fuzzy features are combined via a block synthesis and local correlation algorithmic procedure. Some results showing that the performance of the proposed I.F.C./clustering method is superior from that of the standard fuzzy c-means method are provided.     

一种新的遥感图像城区自动识别算法

针对可见光遥感图像的特点和城市区域地貌的复杂性,提出了一种由粗到细、逐步求精自动识别城区的新算法。该算法建立了预分类、初识别、边界精确定位分层结构模型,首先利用模糊分类技术对城区进行预分类,在此基础上通过多特征判据投票实现城区初识别,最后采用自适应边缘搜索细化算法精确定位城区边界。与传统的单源可见光遥感图像城区识别方法相比,该算法能更快速、准确地自动识别城区,具有计算量小、鲁棒性强、识别正确率高的特点。     

快速鲁棒核空间模糊聚类分割

目的 传统模糊C-均值聚类应用于图像分割仅考虑像素本身的聚类问题,无法克服噪声干扰对图像分割结果的影响,不利于受到噪声干扰的工业图像、医学影像和高分遥感影像等进行目标提取、识别和解译。嵌入像素空间邻域信息或局部信息的鲁棒模糊C-均值聚类分割算法是近年来图像分割理论研究中的热点课题。为此,针对现有的鲁棒核空间模糊聚类算法非常耗时且抑制噪声能力弱、不适合强噪声干扰下大幅面图像快速分割等问题,提出一种快速鲁棒核空间模糊聚类分割算法。方法 利用待分割图像中像素邻域的灰度信息和空间位置等信息构建线性加权滤波图像,对其进行鲁棒核空间模糊聚类。为了进一步提高算法实时性,引入当前聚类像素与其邻域像素均值所对应的2维直方图信息,构造一种基于2维直方图的鲁棒核空间模糊聚类快速分割最优化数学模型,采用拉格朗日乘子法获得图像分割的像素聚类迭代表达式。结果 对大幅面图像添加一定强度的高斯、椒盐以及混合噪声,以及未加噪标准图像的分割测试结果表明,本文算法比基于邻域空间约束的核模糊C-均值聚类等算法的峰值信噪比至少提高1.5 dB,误分率降低约5%,聚类性能评价的划分系数提高约10%,运行速度比核模糊C-均值聚类和基于邻域空间约束的鲁棒核模糊C-均值聚类算法至少提高30%,与1维直方图核空间模糊C-均值聚类算法具有相当的时间开销,所得分割结果具有较好的主观视觉效果。结论 通过理论分析和实验验证,本文算法相比现有空间邻域信息约束的鲁棒核空间模糊聚类等算法具有更强的抗噪鲁棒性、更优的分割性能和实时性,对大幅面遥感、医学等影像快速解译具有积极的促进作用,能更好地满足实时性要求较高场合的图像分割需要。     

基于ι~∞范数的稀疏ICA和FCM的自然图像特征提取

为了保证图像特征系数的稀疏性和加快寻找最优基的收敛速度,提出了一种基于l~∞范数的稀疏独立分量分析(SICA)的算法.该SICA算法采用l~∞范数作为ICA的稀疏性度量标准,用模糊C均值聚类算法初始化独立分量的特征基,有效地实现了自然图像的特征提取;而且,该SICA方法不需要优化高阶的非线性函数和密度估计,因而计算简单、且收敛速度较快;同时,利用提取的图像特征成功地实现了图像恢复,通过图像恢复对比实验表明了该方法在特征提取方面的合理性和实用性.     

多核并行DSP光场偏振图像快速处理技术

提出了一种基于光场的偏振图像快速提取及实时处理方法。以多核DSP TMS320C6678为核心处理器,实现了从光场图像的采集到偏振图像的提取以及处理等一系列连续过程。对系统硬件以及软件设计进行了详细介绍。系统采用DSP+FPGA的方式,其中FPGA模块实现cameralink相机接口以及图像采集,DSP模块实现图像的快速处理算法。光场图像采集、偏振图像提取及偏振信息反演及融合算法和软件的优化是保证系统高效工作的关键部分,并且进行了重点讨论,提出了相应的解决方案。实验结果表明,系统实现了多核DSP并行运算处理,比单核DSP运算速度提高4倍左右。     

A transform-based fast fuzzy C-means approach for high brain MRI segmentation accuracy

Segmentation of brain magnetic resonance (MR) images has a significant impact on the computer-aided diagnosis and analysis. However, due to the presence of noise in medical images, many segmentation methods suffer from limited segmentation accuracy. To reduce the effect of noise and achieve high segmentation accuracy many approaches based on the local and nonlocal information in the spatial domain have been proposed in the past. Recently, the authors have proposed a discrete cosine transform (DCT)-based local and nonlocal fuzzy C-means method (DCT-LNLFCM) which performs much better than the existing methods. However, the method is slow in speed. This paper presents a fast DCT-based nonlocal fuzzy C-means (DCT-NLFCM) segmentation method which is not only very fast than the DCT-LNLFCM, but also provides better segmentation results. The proposed method uses DCT-based MR pre-filtered image to achieve high segmentation accuracy and its histogram enables to achieve very high computation speed. Detailed experiments are conducted to establish the superiority of the proposed method over the state-of-the-art unsupervised methods.     

基于FPGA的快速连通区域标记算法的设计与实现

针对无行消隐图像不间断输入的高速图像处理情况,提出一种快速连通区域标记算法的硬件实现方法。利用游程编码优化标号生成算法,减小临时标号数量和等价表长度,并可同时完成特征提取;利用逐像素扫描法,以单时钟周期实现标号跟踪;利用等价表合并方法完成标号合并和特征合并。FPGA仿真结果表明：对连续输入的二值图像进行连通区域标记和特征提取时,运行时间仅由图像输入时间和等价表合并时间组成,明显优于其他方法,可适用于图像的快速识别与跟踪。     

用带形状校正的腐蚀膨胀实现Euclidean距离变换

提出一种用带形状校正的腐蚀膨胀实现的Euclidean距离变换新算法。该方法的特点是采用新的数据结构——线段表来表示区域与边界。对于用线段表表示的区域作腐蚀膨胀比用卷积型腐蚀膨胀算法效率提高数十倍。通过总结腐蚀膨胀造成失真的规律,设计出形状校正的方法来消除所造成的误差。与传统基于局部距离累加的Chamfer算法相比较,该方法在保真度与处理效率两方面都有提高。新的距离变换算法也可用于数字图像的合成,优点是生成羽化蒙板时形状保真度高并且运行速度快。特别适用于任意形状区域可选宽度边界条带上的羽化处理。