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。     

一种基于边缘梯度的图像分割方法

利用Krisch边缘方向算子，实现了对彩色和服图片中的和服边缘检测，同时根据真实边界点处的梯度强度值大于其左右邻域的梯度强度值的特征，获得了边缘细化。在结合边界跟踪技术的基础上，有效地去除了和服中大量的与和服分割无关的花瓣图案，得到了和服的有效边缘。实用的边缘连接技术则成功地实现了和服图片中和服各部分的分割。实验结果表明该方法在和服分割上是一种实用的和成功的方法。     

基于零交叉的二维边缘检测算子的计算近似

本文通过对设计算子的一些期望性能的设定，简化了优化问题，并根据简化的信噪比测度代价函数，设计并实现了一种较优的利用拉普拉斯算子的基于零交叉的二维阶跃型边 缘检测算子。该算子具有旋转不变的特性，其支持域有限并且边缘保持平滑。本文在理论上对设计算进行了性能分析并与高斯－拉普拉斯算子进行了比较，实验结果验证了算
算子的设计思想和实现方法     

基于零交叉及Canny算子的边缘检测方法

针对图像的边缘检测问题,本文综合CANNY算子及零交叉法对静态图像进行边缘检测,再用高斯函数进行平滑,以得到的零交叉点作为边界点,然后进一步细化边缘、提取骨架,减弱了由噪声或干扰造成的影响。进一步提高了图像边缘检测的质量,实验证明该算法能真正检测出图像的弱边界,得到清晰连续的边缘图像,而且能有效抑制噪声.是边缘检测的实用方法。     

基于零交叉的噪声图像边缘检测

由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中变得比较困难。传统的边缘检测算法对于信号中的噪声比较敏感,使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法。在文献[1]算子的基础上先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明,该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。     

一种基于粗糙集的图像边缘检测方法

粗糙集理论是一种新的处理模糊和不确定性问题的软计算方法.图像边缘是一类灰度变化大的连续点的集合.在无噪声干扰的情况下,这一特性是区别边缘与非边缘的一个重要条件.而实际应用中,图像中难免混有部分噪声点,影响了边缘检测的准确性.本文提出基于粗糙集理论的图像边缘检测方法.根据粗糙集理论中的集合近似关系,首先利用灰度变化大的特点,找出可能边缘点集合,然后利用噪声点区别于边缘点的特性,找到噪声点集合,最后,两个集合的差就是最终要求的边缘点.实验结果表明,该方法相比于传统的检测方法,在检测准确度上得到了一定的改善.     

基于Canny算子图像边缘检测的改进方法

针对传统Canny算子在边缘检测中的不足,提出一种基于Canny算子图像边缘检测的改进方法。传统Canny算子的高低阈值一般是人为地设定固定值,这容易造成虚假边缘。对此,利用最小交叉熵计算Canny算子的高低阈值,得到理想的边缘后,利用数学形态学对结果进行后处理。实验结果表明,改进后的算法具有自适应性,抑制噪声能力较强,有效地提高了边缘检测的鲁棒性。     

一种新的图像边缘检测方法

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数,为了克服特征单一的缺陷,提出了一系列多特征的边缘检测算法,这类方法往往采用标准FCM聚类算法来达到边缘检测的目的,但是标准FCM聚类算法在类间数据量相差较大时容易产生错分,因此对图像中边缘点少而非边缘点多的特征数据库进行聚类分析,会产生一定的偏差,使图像的检测质量下降.对此该文提出了一种新的图像边缘检测算法,利用加权FCM算法代替标准FCM对特征矢量数据集进行分类,克服了上述问题,取得了较好的边缘检测效果.仿真实验也证明了新算法的有效性.     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

基于LoG算子的边缘零交叉二值化方法

针对全局阈值法和局部阈值法的不足,提出一种基于LoG算子的边缘零交叉二值化方法,并通过实验分析各算法的二值化效果及运算速度。     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

基于图像处理的啤酒成品检测系统

随着数字图像处理技术的发展,图像检测的应用逐渐成为许多工程应用中的关键技术。该文结合研究项目-啤酒成品检测仪,介绍了该设备的系统结构和工作原理,分析了系统的设计中几个关键技术：色度差增强、小波边缘检测、网格上等值线跟踪等,并在此基础上提出了一种检测啤酒合格度的基本方法,实验证明了该方法的有效性,并获得满意的效果。     

基于Canny理论的边缘提取改善方法

本文在对Ｃａｎｎｙ的最佳边缘检测算子进行理论及实验研究的基础上，将Ｗｉｎｅｎｅｒ滤波与之相结合，提出了一咱有效的提取噪声污染边缘的方法。     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围，提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法，并利用了边缘检测后边缘点的方向信息，作为Hough变换的方向角，可以较快提取出边缘线段，从而通过边缘跟踪获得无噪声点的相似区域，这为进一步提取图像的颜色特征或形状特征提供了良好的基础。     

Delphi实现图像边缘检测

总结了计算机图像边缘检测的基本步骤和原理,分析了实现图像边缘检测三种基本边缘算子,给出了基于Delphi编程工具的图像边缘检测的实现方法。     

一个新的边缘检测策略

梯度阈值的选择以及弱边界的检测是二维图像边缘检测技术中存在的复杂问题。为了克服这两个问题,本文提出一个新的边缘检测策略。根据新的策略,二维图像被看作连续函数在二维规则网格上的离散采样,而真实边界线被看作分布在二维规则网格中的连续隐曲线。我们首先从图像中检测及追踪那些包含连续边界线的网格。然后根据这些网格确定离散的边缘。由于新的策略可以利用连续边界的连通特性有效地去追踪那些未检测出的边界,因此新的边缘检测策略可以比较好地克服上述两个复杂问题。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

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。     

基于小波分层的多方向图像边缘检测

图像处理中, 边缘检测具有很重要的作用, 它可作为模式识别、图像分割及图像场景分析的基础. 传统的图像边缘算法具有算法简单, 方向适应性强的优势, 然而由于图像边缘具有多样性(方向的不一致性、边缘强弱的不相同等), 这些传统算法不能很好的体现出优越性. 本文结合目前先进的小波理论, 将图像进行小波变换, 得到具有单一性边缘的子图像, 再将传统边缘检测算子的方向性与这些子图像对应起来分别进行检测, 最后分别得到不同强度(层次)图像边缘, 并且这些边缘可以进行合成, 得到较好的图像边缘. 该算法操作简单, 具有很好的效果.