第二小方向导数信息熵的兴趣点检测

目的 为了提高兴趣点检测的定位准确性和对噪声的鲁棒性,提出利用图像轮廓线及其邻域内像素点方向导数信息熵检测兴趣点的方法.方法 首先利用多方向Gabor虚部滤波器提取图像灰度变化信息得到第二小方向导数.然后利用Canny边缘检测器提取边缘映射,并填补断裂边缘映射提取边缘轮廓线.最后求解图像边缘轮廓线及其邻域内像素点对应的第二小方向导数所对应的信息熵归一化值并作为新的兴趣点测度.和直接由灰度变化信息及分析边缘轮廓形状或曲率提取兴趣点的方法相比,本文算法结合了两种算法的思想,利用轮廓线上及其邻域内的像素点梯度方向信息熵值作为兴趣点测度.同时不同于同质及边缘区域的梯度方向变化,兴趣点处的梯度方向变化信息呈现各向异性的特性,利用兴趣点第二小方向导数(第一小方向导数可能为零)对应的信息熵值作为新的兴趣点测度可提高算法的定位准确性.结果 通过对检测图像进行仿射变换和加入高斯噪声处理后,分别利用Harris算子、CSS算子、He&Yung算子和本文算法提取图像兴趣点,并比较各算法在仿射变换和高斯噪声情况下检测到的兴趣点的平均重复率和定位误差两个性能指标的平均值.其中本文算法的性能指标平均值为1.625,远高于Harris(3.25)、He&Yung(2.625)和CSS(2.5)三大兴趣点检测算子.结论 通过与典型的3种算法相对比,本文算法具有较好的平均重复率及噪声鲁棒性,尤其是图像在外界干扰的旋转变换和尺度变换下对兴趣点的定位性有着更好的检测性能.     

基于改进布谷鸟搜索算法的图像边缘检测

针对传统边缘检测算法自适应能力差、固定阈值、背景噪声抑制的问题, 为了获得更理想的图像边缘检测结果, 提出了一种基于改进布谷鸟搜索算法的图像边缘测算法. 首先通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵, 然后用改进布谷鸟搜索算法根据布谷鸟繁殖行为找到搜索图像的梯度最大值, 检测出图像的边缘, 最后采用仿真实验对算法的性能进行检测. 仿真实验结果表明, 本文算法能快速、准确地检测出图像的边缘, 且优于其他传统边缘检测算法.     

亚像素边缘检测算法在刀具参数检测中的应用

传统边缘检测算法定位精度低、效率低并且对噪声比较敏感,已经不能满足工业生产的需求.基于此,本文提出了基于拟合的亚像素边缘检测算法--五次多项式拟合亚像素边缘检测算法.该算法首先在待测边缘附近取一系列的点,求得这些点的灰度值,通过五次多项式曲线对灰度曲线进行拟合,求得五次多项式的二阶导数为零点即为亚像素位置.并对五次多项...     

基于改进人工鱼群算法的图像边缘检测①

提出了一种基于带混沌差分进化变异算子的人工鱼群算法的图像边缘检测方法,该算法通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵,然后利用人工鱼群搜索图像梯度最大值,达到快速、准确检测图像边缘的目的。在差分变异算子中引入调节因子加强搜索能力,并且动态调整人工鱼的视野,使鱼群能快速跳出局部极值。通过仿真实验表明,该算法用于图像边缘检测是可行的和有效的。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

基于三次样条插值的亚像素边缘检测方法

为了实现图像边缘的亚像素定位,针对阶跃形式的边缘类型,提出了一种基于三次样条插值的亚像素边缘检测算法,根据样条插值原理,获得一维边缘的连续灰度分布,通过计算边缘点两侧三次样条函数的二阶导数为零点,实现一维边缘点的亚像素定位;利用一维曲面拟合方法,获得边缘投影方向,根据一维曲面投影方向像素灰度不变理论,利用投影公式将数字窗口中所有三维点投影到相同的投影平面,从而可将二维边缘检测问题转化为一维边缘检测,利用一维边缘检测方法获得边缘点位置,结合投影方向,最终实现二维边缘定位。通过与现有亚像素边缘检测方法的比较,可知算法对噪声具有较好的鲁棒性,同时计算时间相对较快,因此在实际应用中具有较好的适用性。     

用于虹膜识别的眼睑及眼睫毛遮挡检测

分别针对眼睑和眼睫毛遮挡噪声,利用其灰度和形状信息提出了2种灰度形态学检测算法.1)设计弧线形的形态学结构元素,经过灰度开启运算、图像分割和边缘检测,获得眼睑边缘的候选点集,再利用Bézier曲线拟合出眼睑边缘;2)构造交叉形的形态学结构元素,通过灰度开启运算得到直方图具有分段特性的虹膜图像,经二值化检测出眼睫毛.实验结果表明:文中算法能有效地检测2种遮挡噪声,有助于降低虹膜识别系统的等错误率,提高模式的可分性.     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

一种基于δ函数的图象边缘检测算法

提出了一种基于δ函数的图象边缘检测算法 .首先提出了正则化的 Shannonδ函数 ,它是低通滤波器 ,且其傅立叶变换是无限可微的 ,接着推导了正则化的 Shannonδ函数及其一阶导数的时域和频域公式 ,研究了正则化的 Shannonδ函数及其一阶导数与参数 s和 t的关系 .然后根据正则化的 Shannonδ函数及其一阶导数 ,提出了两种边缘检测算法 :一种是用于精细地检测边缘的 D算法 ;另一种是用于从含噪图象中检测边缘的 C算法 .D算法用正则化的 Shannonδ函数的一阶导数检测边缘 .C算法用正则化的 Shannonδ函数平滑噪声 ,用正则化的 Shan-nonδ函数的一阶导数检测边缘 .最后进行了仿真实验 ,仿真实验表明 ,D算法的性能由其参数决定 ,且该算法优于Sobel算法和 Prewitt算法 ;C算法优于 Sobel算法和 Prewitt算法 ,且与 Canny算法的性能相当 .总之 ,该算法是一种能有效地从无噪声图象中检测细节边缘和从噪声图象中检测边缘的边缘检测算法     

Log-Gabor梯度方向下的角点检测

目的 角点是图像的基本特征,在图像处理与计算机视觉系统中,经常作为复杂计算的第1步,例如,目标识别、目标跟踪等。因此,角点检测器的检测性能显得尤为重要。基于此,提出了一个既利用到图像边缘轮廓信息又利用到图像灰度信息的基于Log-Gabor梯度方向一致性的角点检测算法,以提高角点检测器的检测性能。方法 根据角点的定义可知,角点在各个方向的灰度变化都很大,并且每个角点的梯度方向与相邻像素的梯度方向都具有很大差别。然而,相邻边缘像素点的梯度方向是一致的,都是垂直于边缘脊的方向。因此,本文利用角点与边缘像素的这一特性,构建了一个新的角点测度。该算法首先利用边缘检测器检测并提取图像的边缘映射;然后利用Log-Gabor虚部滤波器提取边缘像素周围的灰度变化信息,找到边缘像素点的梯度方向,利用梯度方向计算新的角点测度;最后对角点测度进行阈值化处理,得到最终的角点检测结果。结果 提出的算法分别与CPDA（chord-to-point distance accumulation）算法,He & Yung算法,以及Harris算法在标准轮廓图像和仿射变换下进行性能比较。平均重复率与定位误差分别作为评价角点检测器检测稳定性以及定位性能的指标。从平面曲线上的仿真实验结果可以看到,本文提出的角点检测算法能够较好地检测到真实角点,避免对角点的漏检与误检。旋转变换、非统一尺度变换以及高斯噪声下的平均重复率和定位误差结果的平均排名CPDA为2.00, Harris为3.33,He & Yung为2.83,本文算法为1.67。实验结果表明,本文算法的综合性能最优。本文算法优于其他3种角点检测算法,包括检测稳定性能和定位性能。结论 基于边缘的角点检测算法大多只依赖于图像的边缘轮廓信息,没有考虑到图像的灰度变化,而基于灰度的角点检测算法大多只考虑到图像的灰度信息。本文算法既考虑到图像的边缘形状也考虑到图像的灰度变化,并且利用log-Gabor虚部滤波器充分的提取图像的局部信息。在此基础上,利用图像边缘像素的梯度方向一致性构建了新的角点测度,以提高角点检测器的检测性能。实验结果表明,本文算法拥有良好的角点检测稳定性与定位性能。     

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。     

盈亏修正法图象边缘检测

边缘检测是数字图象处理中一种重要的处理手段,目前普遍采用的方法是且高斯函数或者Ｂ－样条对原始图象进行预平滑,然后求其一阶导数的极值点或拉普变换的零交叉作为边缘特征点,但是在其原始图象与平滑图象的之间的残余误差中可能存在一些边缘特征信息,为了尽可能提取残余误差中存在的边缘特征点,因此利用Ｂ－样条平滑公式,建立了一种盈亏修正图象边缘检测新方法,其原理是,首先对原始 明数据进行盈亏修正,使得原始 明与平     

基于模板分解和积分图像的快速Kirsch边缘检测

将 Kirsch 算子的模板分解为差值模板和公共模板, 然后通过相邻差值模板的差异比较, 找出边缘强度最大的方向, 并计算出相应的边缘强度值, 避免了将8个方向的边缘强度全部算出, 减少了 Kirsch 算子的模板与原图像的卷积运算. 公共模板和原图像的卷积则利用灰度信息处理时得到的积分图像来加速. 实验证明应用这种快速算法的 Kirsch 边缘检测,运算量比当前主流快速算法(FKC 算法)有较大幅度的减少. 另外, 运用模板分解和积分图像减少卷积运算的思路具有一定通用性, 实例说明此思路可用于一些其它边缘检测和空域滤波算法中.     

基于HVS的彩色图像边缘检测算子

边缘检测是数字图像处理中的基本预处理方法之一，由于利用检测出来的图像边缘可以对图像做进一步的处理，因此它是图像处理中的基础算法。大家知道，边缘检测问题，其本质上是颜色差分的计算问题。尽管边缘检测在灰度图像处理当中得到了深入的研究，但对于彩色图像仍然是一个难题。为了能够较好地对彩色图像进行边缘检测，结合人类视觉系统(human vision system，HVS)的特点，通过分离颜色的亮度信息和色度信息，并通过压制次要信息来强调其中的重要信息，提出了一种新的彩色图像边缘检测算法。该算法先分别计算两个颜色的亮度距离和色度距离，然后将这两个距离的加权平均值作为最终的颜色距离。由于它能较好地检测出图像边缘，因此是一种实用有效的彩色图像边缘检测方法。     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

一种基于四元数的彩色图像边缘检测改进算法

图像边缘检测对后续的图像分割和识别具有重要的作用。针对彩色图像的边缘检测的实际需求,对比分析了经典边缘检测算子的特点和不足,提出了多方向的Sobel边缘检测算子模板,并且针对传统边缘检测算法处理速度慢、运算量较大、对边缘细节位置处理效果差等缺点,结合彩色图像的四元数描述方法提出改进算法,结合对颜色空间的分解实现了对彩色图像的边缘检测。实验证明算法是有效的,边缘检测效果好且易于实现,使用四元数描述方法有效提高了边缘检测的速度。     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。     

基于边缘强度与投影度量的景象匹配算法

为了适应多源图像匹配定位,提出了基于边缘强度与投影度量的景像匹配算法。采用边缘检测方法提取多源图像的稳定特征,分析比较了Roberts、Sobel、Laplacian、LOG 4种实用的边缘检测算子;结合投影相似性度量方法,设计了4种基于边缘强度的匹配算法,与经典的MAD、MSD及NProd算法进行了性能比较分析;实验结果表明,Laplasian及LOG边缘强度匹配算法具有更高的可靠性,且算法简单、易于实现。