利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

一种基于亚像素边缘特征的医学图像融合方法

一种新的基于亚像素边缘特征的图像融合算法。该算法通过使用一种亚像素边缘检测算法提取图像的亚像素边缘特征,采用奇异值-迭代最近点法(SVD-ICP)实现轮廓间配准和利用小波极大值融合算法实现图像融合。     

双阈值法在图像边缘检测中的应用

在多尺度小波变换局部模极大值图的基础上,分别以图像边缘链的长度和按边缘链长自适应分块的块灰度作为双重阈值检测图像的边缘。实验表明,采用这一方法,可获得单像素宽、定位精准、抗噪声效果好的边缘图像。     

双阈值法在图像边缘检测中的应用

在多尺度小波变换局部模极大值图的基础上,分别以图像边缘链的长度和按边缘链长自适应分块的块灰度作为双重阈值检测图像的边缘.实验表明,采用这一方法,可获得单像素宽、定位精准、抗噪声效果好的边缘图像.     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

小波变换三阈值多尺度融合边缘检测算法

充分利用边缘点和噪声点在梯度方向特征上的差异,提出了边缘点的梯度方向特征的概念。在不同尺度上对图像进行小波变换,得到每个像素点的梯度信息,利用双阈值的非极大值抑制法和边缘点的梯度方向特征提取每一尺度上的边缘点,最后用第三个阈值融合各尺度下的检测结果,得到图像边缘。实验结果证明,该算法与经典的Canny算子和Mallat小波算子相比,在保证边缘定位能力的同时,具有更强的抗噪声性,在强噪声干扰下仍可获得满意的边缘检测效果。     

一种改进型Canny边缘检测算法

边缘检测是提取图像特征的首要条件。文章提出了一种改进型Canny边缘检测算法。首先在边缘梯度计算时,将二维滤波模板分解为两个一维滤波模板,实现并行处理,提高运算速度;引入双阈值法则同时保证图像中强边缘点和弱边缘点的提取,并基于非局部最大值抑制原理检测边缘点,大大提高了边缘检测的精度和准确度;最后采用形态学算子实现对检测边缘进行细化处理,实现了单像素级细化边缘提取。实验结果表明,该算法在保证实时性的同时,具有很好的检测精度和准确度。     

小波模极大值在图像消噪中的应用

提出利用小波模极大值进行图像消噪方法,对含噪声图像进行离散平稳小波变换和噪声标准差的估计,在Bayes-shrink阈值计算的基础上,得到消噪的阈值计算公式。对各尺度各子带的小波系数模极大值进行判断,获得由图像边缘产生的小波系数,使用自适应多阈值的方法在小波各尺度、各子带萎缩非图像边缘产生的小波系数。经平稳小波逆变换得到消噪后的图像。实验结果表明,与以前消噪方法相比,该方法具有更好的效果。     

一种改善高斯拉普拉斯算子零交叉方法的车辆边缘检测

本文介绍了一种视频交通车辆边缘检测的方法。边缘像素是二阶梯度图像产生零交叉时的位置对应像素,但对于斜坡边缘这一类灰度变化非常缓慢的情形,单纯的零交叉方法并不能检测到有效的边缘,往往还会参杂许多背景物体的轮廓。为解决这个问题,本文在高斯拉普拉斯边缘检测算子的基础上,结合了自适应阈值二值化、边界跟踪和细化技术,从而得到了具有较高定位精度的单像素宽的边缘图像。     

基于平稳小波变换的SAR图像海岸线提取

阐述了一种利用平稳小波变换(SWT)从SAR图像中提取海岸线的方法。该方法首先利用基于局部统计特性的自适应滤波算法对SAR图像进行滤波,然后利用SWT对SAR图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索检测边缘点,最后利用阈值化和形态学方法对局部极大值图像进行细化处理。实验结果证明,这种方法是对于SAR图像海岸线提取是有效的。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。     

边缘检测中局部区域的动态阈值选取方法*

现有的边缘检测方法主要采用全局阈值选取方法,由于全局阈值的选取不当,易造成图像中重要而梯度变化较弱的边缘丢失,而局部阈值选取研究相对不足且实用性差。针对以上问题,提出了基于局部区域的动态阈值选取方法：以每个候选边缘点为中心,局部矩形区域内动态确定该点的双阈值,根据边缘点梯度模值与其双阈值大小关系选取边缘点。与Canny边缘检测中采用的阈值选取方法相比,本算法能够有效地提取图像中重要边缘,且抗噪声能力强。     

Kirsch联合高低双阈值的多色彩空间图像边缘检测算法

边缘检测是计算机视觉中非常重要且实用的图像处理方法,被应用在各个领域。然而在图像采集或传输过程中,由于外界环境的干扰,容易出现结果边缘检测率较低或者伪边缘现象,学者们为此提出了很多改进方法。但是通用的边缘检测方法确很少,现有的算法都是以处理特定场景或特定情况下的问题为目的。Kirsch联合高低双阈值的RGB图像边缘检测算法正是针对上述问题提出的。首先,提取原图RGB色彩空间下的不同分量图,对每个分量图利用改进的Kirsch算子求取边缘强度;然后利用高低双阈值划分图像的边缘点和背景点,得到不同色彩空间的边缘结果;最后对不同分量的边缘检测结果进行融合,得到最终的边缘结果。利用基准数据集BSDS500数据集中的200张测试图像对算法进行验证评估,实验结果表明,本文算法相比于其他算法检测到的边缘更加清晰,细节更加完整,边缘连贯性更好,检测率更高,适用范围更广。     

基于图像分块的局部区域动态阈值选取方法

全局阈值的边缘检测方法容易导致局部图像的边缘漏检,而将图像分块进行局部检测,又存在局部间阈值差异较大,导致局部边缘误检和漏检。针对此问题,本文提出一种基于图像分块的局部阈值动态选取方法：利用熵对图像分块,考虑上邻域的影响动态求解局部阈值,保证局部间阈值的连续性。将本文方法应用于Robert算子、Canny算法,结果表明可有效提高检测精度,并能增强边缘的连续性。      

可抗噪声的Canny改进边缘检测算法

由于图像噪声的存在,传统的边缘检测算法常常无法准确检测到边缘信息.本文分析了噪声条件下边缘信息的几何特征,提出一种基于几何边缘增强技术的边缘检测算法.首先采用Canny算子计算图像的初始边缘信息,然后根据初始边缘信息自动计算阈值排除弱边缘,对剩余边缘计算带方向梯度值进行增强,根据增强边缘信息自动计算双阈值,最后用双阈值方法检测、过滤并连接边缘.该算法提高了边缘检测的准确性,可以高效率地处理噪声和纹理导致的虚假边缘.     

基于双门限的多天线分级融合协作频谱感知

针对当前协作频谱感知检测性能和协作开销的矛盾,提出了一种基于双门限能量检测的多天线认知用户分级融合协作频谱感知机制。通过引入多天线平方律合并技术,利用空间分集增益提高了认知节点的本地感知性能,并设置门限将本地感知结果划分为1 bit、2 bit两种,通过融合中心限制参与融合认知节点的最小个数,认知用户分级上传感知结果,融合中心根据上传结果分级融合感知信息。仿真结果表明,该机制较好地实现了感知性能和通信开销的折衷,同时对双门限区间的取值有较好的鲁棒性;当大部分感知数据落入双门限之间时,明显降低了有故障节点时感知失败的概率。     

禁忌搜索在绝缘子红外图像分割中的应用

针对利用红外成像技术检测输电线路中零值绝缘子所存在的图像分割问题,提出了一种类间方差（Otsu）双阈值分割和禁忌搜索相结合的图像分割算法。该方法以类间方差为适应度函数,通过领域移动、禁忌表、藐视准则确保算法不陷入局部最优解,同时,运行速度比基本Otsu双阈值分割算法更快。实验结果验证了该算法的有效性。     

一种自适应的图像边缘检测方法

边缘检测是一项基本而重要的图像处理技术。本文设计了一种基于局部小窗口的自适应门限方法，可以快速而精确的确定局部门限，从而将小窗口内的边缘像素点和非边缘像素点区分开来。     

基于条件生成对抗网络生成人体肖像线稿

将深度学习用于图像边缘提取,获取线稿图。常见的图像边缘获取算法存在两个缺陷:只考虑到了图像边缘的一阶、二阶数据特征,并未发掘其高阶数据特征及其他隐含特征;没有设定合理的阈值,而阈值直接影响着检测效果。这两个因素使得到的图像线稿图效果不佳。鉴于此,提出基于条件对抗网络生成人体肖像线稿图的方案,并在最终的实验中取得了良好效果。     

On candidates selection for hysteresis thresholds in edge detection

Manual determination of hysteresis thresholds is time-consuming. Several methods approach the problem of unsupervised determination of edge detector parameters, but they require human intervention to establish the initial range of values in which to detect the best parameter value and the result depends on the range of values initially used.In this paper, a method is proposed to determine candidates to hysteresis thresholds in an unsupervised manner. The method provides a criterion to reduce in a significant way the number of initial values to be considered as threshold candidates. The proposed method can be applied to any feature image provided by an edge detector upon which hysteresis must be implemented.