一种基于模糊人物图像的锐化新方法

本文提出了一种基于模糊人物图像的锐化新方法。该方法是先从彩色图像中提取R分量图像进行边缘检测并且照亮边缘,然后处理边缘图像的对比度和平滑度,提取出边缘,并对该边缘图像进行锐化,得到了图像边缘锐化而其它部分平滑的清晰图像。该方法和常用的反锐化掩模法进行了对比,效果明显好于反锐化掩模法。     

基于中值滤波和梯度锐化的边缘检测

实现一种基于中值滤波和梯度锐化的边缘检测方法。首先采用既能过滤噪声又能保护边缘信息的中值滤波对图像进行平滑处理。然后采用梯度锐化加强边缘像素强度,通过简单的二值化获得图像的初始边缘,系统采用连通区域标记的方法去除位于图像封闭边界内的残留黑块。最后通过实验结果与人工提取的结果比较,进行误差分析,找出本文算法的不足之处,以便对该算法进行改进。实践证明,本文的边缘检测方法对含有噪声点且灰度分布比较均匀的图像有很好的效果。     

基于线性和非线性混合滤波器的噪声抑制技术

图像去噪处理的目的是抑制图像中的噪声、锐化边缘信息，为图像的后续处理(边缘检测和特征提取)提供基础，但目前的滤波技术较难达到同时平滑噪声，锐化边缘的要求，只能是在平滑噪声的同时，最大限度地保留边缘信息和细节。针对这一情况，在分析一般滤波器特点的基础上，提出了一种，基于线性和非线性混合滤波器的噪声抑制技术。该滤波器在平滑噪声的同时，能较好地保留边缘信息和细节。     

基于Canny算法的改进Kirsch人脸边缘检测方法

针对Kirsch边缘检测算法的不足,提出了一种基于Canny算法改进的Kitsch人脸边缘检测算法.该算法先对原始图像用高斯滤波器平滑,计算其梯度图像.然后将梯度图像用改进后的Kitsch算法进行计算,并根据和两个阈值进行边缘提取.试验结果表明,采用该算法提取人脸边缘不容易受噪声的干扰能检测到真正的弱边缘,效果优于经典Kitsch边缘检测算法.     

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。     

一种用细胞神经网提取遥感图像边缘的新方法*

针对灰度遥感图像具有噪声多、图像亮度均匀、边缘模糊等特点,提出了基于细胞神经网遥感图像边缘检测的新方法。该算法主要是利用细胞神经网先后对遥感图像进行图像滤波、灰度阈值化、膨胀腐蚀、边缘检测等模板操作。实验结果表明,与传统的Sobel和Canny边缘检测算法相比,本算法不仅能有效地去除噪声对边缘检测的影响,而且能够快速完整地提取图像边缘。     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

基于HVS特性的图像边缘锐化方法

边缘锐化是提取图像中特定信息的基本手段。从分析边缘锐化常规算法以及图像的统计特征,讨论人类视觉系统（HVS）的特性的基础出发,提出了一种基于HVS特性的边缘锐化方法,进一步深入分析讨论了该算法的原理与推广使用。应用C＋＋编码实现算法,在分析实验图像结果的基础上,论证了该方法针对背景颜色较为单一的图像进行边缘锐化时的简单实用性。     

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。     

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。     

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.     

基于自适应射线群的图像边缘检测算法

对于存在大量噪声、目标边界模糊且粘连的浮选泡沫类图像,分水岭及阈值法难以准确分割。为此,提出自适应射线群算法检测泡沫边缘,仅访问图像一次,即实现种子区域的提取。去噪后,从种子区域的几何中心位置对称发射出多条射线,根据射线的灰度分布曲线自适应提取泡沫的边缘,并修正边缘。实验结果表明该算法可解决分水岭算法的过分割及不准确分割等问题。     

一种改进的小波模极大值不变矩算法

一种改进的小波模极大值不变矩算法,首先利用小波模极大值在多尺度上的表现与Lipschitz指数的关系去除图像边缘的噪声点,然后采用动态确定阈值的方法,利用前一个尺度下模图像的平均模值作为后一个尺度下模图像的阈值,最后将此算法应用于汽车图像库.实验表明,改进后的算法能更有效地检测到图像在各个尺度下的边缘信息,检索性能明显优于原算法.     

基于过渡区域模糊增强的合成孔径雷达图像边缘提取算法

传统的边缘提取算法不能解决合成孔径雷达（SAR）图像小边缘、赘余边缘多的问题。本文针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡跃点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点,能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

一种提取SAR图像边缘的改进算法

传统的边缘提取算法不能解决合成孔径雷达(SAR)图像小边缘、赘余边缘多的问题。针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡越点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点。能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

基于云的多光谱遥感影像边缘检测研究

提出一种基于云的多光谱遥感影像边缘检测算法。该算法依据矢量角相似性准则并结合邻域关系进行图像区域生长，在此基础之上根据影像的波段建立多维云模型，将待处理对象映射到多个云空间，通过逻辑运算生成边界云并进行多维向量的综合。构建边缘模糊特征平面，在条件概率和模糊划分熵的基础上，通过最大模糊熵原则确定最优阈值，对图像模糊边界进行提取。试验结果表明，该算法在多光谱遥感影像中能取得较好检测效果。     

一种改进的模糊边缘检测快速算法

比较全面地分析了 Pal.King模糊边缘检测算法的缺陷 ,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了 Pal.King模糊检测算法定义的不足 ,简化了复杂的变换和逆变换运算 ,而且针对 Pal.King算法中对隶属度阈值设置为固定值的不足 ,提出了自动确定模糊增强变换中最佳隶属度阈值的算法 ,并在此基础上实现模糊增强函数中增强阈值的自动获取。仿真结果证明 ,该算法效率高、提取边缘精细、适用面广 ,是一种很有实用价值的图像处理算法     

适用于医学图像的模糊边缘检测改进算法

边缘检测是医学图像预处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于医学图像的新型模糊边缘检测算法。该算法使用遗传算法对传统Otsu算法进行优化来确定阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的医学图像,与几种经典的处理方法相比,该算法能够提取出更加真实和完整的边界信息。     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。