基于改进SUSAN的遥感图像边界提取算法

图像边缘是图像的最基本的特征之一,边缘提取是分析和解译遥感图像的必要环节.本文分析了SUSAN算法进行边缘检测的原理和有效性,在此基础上对SUSAN算法进行了边缘检测精度的改进,并用于地物边界提取中,使地物边界提取更清晰,准确,层次感分明.以matlab7.0作为实验平台,将改进的SUSAN算法与传统方法进行了比较,实验结果表明,本方法用于提取地物边界具有一定优势.     

自适应阈值的遥感影像角点提取算法

针对传统SUSAN角点提取算法中阈值选取的不确定性,提出了一种自适应分割阈值的SUSAN改进算法。首先采用SUSAN模板对图像进行模板计算得到梯度图,然后根据梯度图的灰度分布特征,采用图像分割方法的判断分析法和KSW熵方法对梯度图做分析处理,最终实现阈值的自动选取,正确提取出有价值的特征角点。试验结果表明,改进算法较之传统算法有明显优势,能准确有效地提取出角点,具有较强的适应性和应用价值。     

基于改进SUSAN算法的移动车辆检测

针对复杂行车环境下智能车辆行车安全问题,提出了一种基于改进 Susan 边缘检测算法提取车辆边界特征。首先介绍了SUSAN边缘检测算子的原理,然后提出改进的SUSAN算法,即对待检测像素粗略提取,采用一种自适应选取阈值的方法对候选边缘点检测提取边缘。实验表明,算法能在复杂图像中识别前方车辆,有较高的准确度。     

SUSAN边缘检测算法的设计与研究

提出了一种完全不涉及梯度运算、只基于周边像素灰度比较的SUSAN边缘检测算法。主要介绍了SUSAN算法的原理,并用MATLAB编程实现了该算法。在对噪声图像的边缘检测中,与其他传统经典检测算子进行比较,结果表明,该算法较传统的边缘检测算法更具优势,能够有效提高边缘定位精度,降低漏检率,使边缘更细致、光滑。     

基于SUSAN边缘信息的阈值分割算法

基于边缘信息的阈值分割方法因为在保持目标轮廓和分割低对比度图像方面具有良好性能,特别适用于对工业生产图片的分割,但是传统方法普遍存在对噪声敏感和阈值难以选取的问题,针对这些问题,提出一种基于SUSAN边缘信息的自适应图像阈值分割算法,使用SUSAN特征响应描述像素的边缘信息,以有效抑制噪声和弱边界的影响。基于图谱理论的最小最大割阈值分割算法相比于其他分割算法时空复杂度大大降低,且获取的阈值全局最优。实验结果表明,该算法能够准确分割出目标,保留丰富的细节内容,对低对比度图像和噪声图像也有很好的分割效果,获取的阈值相比于传统算法更优。     

结合四元数与最小核值相似区的边缘检测

目的 针对传统彩色图像边缘检测方法中未充分利用图像色度信息、颜色模型间非线性转换过程中时间和空间的大量耗费、算法实现复杂等问题,将四元数引入最小核值相似区（SUSAN）算法中,提出一种RGB空间下的结合四元数与最小核值相似区的边缘检测算法。方法 该算法首先对彩色图像进行四元数描述,然后用改进的SUSAN算子进行边缘检测。针对其中单一几何阈值g的限制,以及检测出的边缘较粗等问题,本文采用Otsu算法自适应获取双几何阈值,再对弱边缘点集进行边缘生长,最后根据USAN重心及其对称最长轴来确定边缘局部方向,实现对边缘点的局部非极大值抑制,得到最终细化后的边缘图像。结果 实验选取1幅合成彩色图像及3幅标准图像库图像,与彩色Canny算法、SUSAN算法,及采用单阈值的本文算法进行对比,并采用Pratt品质因数衡量边缘定位精度。本文算法能够检测出亮度相近的不同颜色区域之间的边缘,且提取的边缘比较连续、细致,漏检边缘较少。与公认边缘检测效果较好的彩色Canny算法相比,本文算法的品质因数提高了0.012 0,耗时缩短了2.527 9 s。结论 本文提出了一种结合四元数与最小核值相似区的边缘检测算法,实现了四元数与SUSAN算子的有效融合。实验结果表明,该算法能够提高边缘定位精度,对弱噪声具有较好的抑制能力,适用于对实时性要求不高的低层次彩色图像处理。     

基于Harris角点检测的改进算法研究

经典的Harris算法在提取图像的角点上具有计算简单、适应性强等优势,但该方法由于人为设定单一阈值,容易出现伪角点、漏检点及运行速度不理想等现象。针对这一情况,文章在传统Harris算法基础上提出一种新的检测方法,采用多阈值的圆形非极大值抑制法提取角点,以此降低算法检测时间并增强图像旋转不变性,再借鉴SUSAN思想消去大部分伪角点。通过实验对比,该算法具有更好的角点检测性,为后期的图像配准奠定了良好的基础。     

垃圾邮件图像中的文字角点检测

为提取垃圾邮件图像中文字的角点信息,提出一种新的基于图像边缘和圆形模板的角点检测算法。算法首先利用彩色边缘检测算子和阈值分割方法获取文字图像的边缘,然后采用圆形模板提取文字的角点信息。边缘检测和阈值分割降低了干扰背景和噪声对角点检测的影响,圆形模板使得角点检测对文字方向变化不敏感。实验表明,在真实的垃圾邮件图像中文字角点定位精度略高于SUSAN算法,并能同时获取角点角度的大小。     

一种基于数学形态学与改进的SUSAN算子边缘提取快速算法

提出基于数学形态学和SUSAN算子的灰度图像边缘提取方法,同时对SUSAN算子进行了改进.该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用改进的SUSAN算子提取边缘,并进行了仿真实验.实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快.     

限制型自适应SUSAN边缘检测算法

对于边缘检测中传统SUSAN(smallest univalue segment assimilating nucleus)算法,固定门限会将非边缘点划入核值相似区(univalue segment assimilating nucleus, USAN),并经过单一阈值判断,非边缘点易被误判为边缘点,导致算法的低鲁棒性.针对此问题,提出了结合自适应门限算法和阈值选择策略的限制型自适应SUSAN算法.首先,分析SUSAN算法优缺点,根据USAN特点以及同异侧噪声容忍度范围设置阈值选择策略,减少误判并提高噪声鲁棒性;然后采用与USAN内像素值正相关的自适应门限算法,进一步增强边缘检测能力.在标准测试图像以及不同类型噪声的经典灰度图中实验结果表明,相比于传统SUSAN算法和Canny, Prewitt, Sobel, LoG, Roberts等边缘检测算法,该算法在客观图像评价指标FSIM值,PFOM值和准确率上均高于其他算法;而在主观视觉上,在无噪条件下能够更好地抑制纹理区域像素干扰,检测边缘更完整丰富.特别是在大量噪声干扰导致其他算法均失效的情况下,该算法在抑制噪声的同时,仍能有效地检测出图像边缘.     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

一种快速自适应RSUSAN角点检测算法

根据图像边缘灰度的渐变性，我们重新定义SUSAN(Small Univalue Segment Assimilating Nucleus)算法中小核值相似区；并找到一种更为有效和简便的计算小核值相似区面积的方法；在此基础上提出了RSUSAN(Redefined SUSAN)角点检测算法。与经典的角点检测算法SUSAN、MIC(Minimum Intensity Change)相比，RSUSAN具有角点检测准确性高，计算简单，运算速度大为提高等优点。对于模糊、噪声大的图像本文还进一步提出了采用自适应平滑和RSUSAN相结合的方法，称为自适应RSUSAN算法。实验证明，相比较SUSAN、MIC算法而言，自适应RSUSAN算法没有显著地增加计算量，而且在对模糊、噪声大的图像进行角点检测时，虚报及漏检概率大大减少，对噪声的鲁棒性好，角点检测位置精确。     

Cell image segmentation using bacterial foraging optimization

Edge detection is the most commonly used method for cell image segmentation, where local search strategies are employed. Although traditional edge detectors are computationally efficient, they are heavily reliant on initialization and may produce discontinuous edges. In this paper, we propose a bacterial foraging-based edge detection (BFED) algorithm to segment cell images. We model the gradients of intensities as the nutrient concentration and propel bacteria to forage along nutrient-rich locations that mimic the behavior of Escherichia coli. Our nature-inspired evolutionary algorithm, can identify the desired edges and mark them as the tracks of bacteria. We have evaluated our algorithm against four edge detectors − the Canny, SUSAN, Verma's and an active contour model (ACM) technique − on synthetic and real cell images. Our results indicate that the BFED algorithm identifies boundaries more effectively and provides more accurate cell image segmentation.     

基于方向性SUSAN算子的图像角点特征提取

在不同传感器图像的匹配中角点是重要匹配特征,为满足实际一些具有方向性的成像传感器图像匹配的需要,进行稳定可靠、具有方向性角点特征的检测是必需的.本文采用方向性的SUSAN角点检测算法,将SUSAN算子计算区域限定在具有一定指向的扇区,使之具有方向性检测角点特征.实验证明,该算法简单、实用和有效.     

基于四元数的改进型最小核值相似区边缘检测

针对基于亮度和色度的彩色图像边缘检测在检测过程中忽略亮度和色度之间关联性而导致部分边缘不能有效地被检测出来的问题,提出了一种基于四元数的改进型最小核值相似区(SUSAN)边缘检测算法。首先,利用四元数矢量旋转原理将HSI颜色空间的三维信息映射成二维平面信息实现空间降维,同时引入标量V来综合表示H、S、I三通道之间的关系;然后,将标量V作为算子的核函数;最后,利用改进的SUSAN算子完成图像的边缘检测。实验结果表明,提出的算法针对色度相同、饱和度存在差异以及饱和度相同、色度存在差异的彩色图像,在边缘检测的定位误差率上降低了1.5%。在实际的应用中,能够更好地获得图像中的目标信息,同时也为后续的分割和识别研究提供更好的先验知识。     

基于SUSAN算子与分水岭算法的图像分割方法

针对分水岭图像分割算法中的过分割问题,提出了一种结合SUSAN算子和分水岭算法进行图像分割的方法.该方法首先用SUSAN算子对原始图像进行划分,检测出图像中不包含边界的区域,然后将检测结果作为标记符在梯度图像上进行标记,最后用分水岭算法对带标记的梯度图像进行分割.试验结果表明,该方法具有较好的分割效果.