红外与可见光图像匹配共性特征增强的新方法

分析了红外与可见光梯度图像的特点,将梯度图像中的可用信息分为低频分量、弱边缘和强边缘三类,通过梯度图像直方图自适应地求取图像增强的非线性变换参数,同时利用区域主方向和梯度方向抑制噪声的增强,采用梯度方向加权的方法增强弱边缘特征。实验结果表明,算法能够提高红外与可见光梯度图像的协方差相关值,增强了图像间对应边缘的一致性,且对噪声有较好的抑制作用。     

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时，其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息，本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性，根据不同的灰度区域自适应地选取算法参数，用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理，可以检测到不同灰度层次的边缘，而且速度较快。     

基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

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.     

基于小波变换与灰色系统理论的图像边缘检测

多尺度边缘综合一直是多尺度思想中较难解决的问题。本文将灰色系统理论与多尺度边缘检测思想相结合．提出基于灰色关联分析和梯度方向的图像边缘宽度计算策略,并根据边缘宽度自适应地调整样条小波的滤波尺度参数,从而实现对有噪图像进行自适应尺度边缘检测。仿真结果表明本文算法不仅能有效地抑制噪声,而且对细节边缘和模糊弱边缘均有较好的检测效果。     

基于城区距离的自适应加权均值滤波算法

针对传统滤波窗口不能自适应扩展以及标准均值滤波易造成图像边缘模糊的缺陷,提出一种基于城区距离的自适应加权均值滤波算法。首先,利用开关滤波思想检测出噪声点;其次,对于每一噪声点,依据城区距离扩展窗口,窗口的大小根据窗口内信号点的个数自适应地调节;最后,将窗口内足够数量信号点的灰度的加权平均值作为噪声点的灰度值,实现对噪声点的有效恢复。实验结果表明,该算法能够有效地滤除椒盐噪声,尤其对噪声密度较大的图像,去噪效果更加显著。     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

一种自适应的Canny边缘检测算法*

针对传统的Canny算子进行边缘检测时易丢失边缘细节的缺陷,提出了一种改进的Canny边缘检测算法。该算法采用自适应的滤波器对图像进行滤波,在滤除图像噪声的同时保留了更多的图像边缘信息;根据图像的灰度均值与方差均值自动计算Canny算子的高低阈值。实验结果表明,该算法在检测到更多边缘细节的同时也具有很强的自适应性。     

基于Prewitt理论的自适应边缘检测算法*

利用Prewitt基本原理定义了新的算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Prewitt算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。通过实验比较,所提算法能够自适应地生成动态阈值,并在保持Prewitt算法具有抑制噪声性能优点的     

多层次自适应空间系数高斯小波图像边缘检测

为了在有效抑制噪声的同时,能更准确定位边缘,根据高斯函数平滑图像不因信噪比而异这一特点,提出了一种自适应选择σ（空间系数）的算法。该算法首先利用灰度共生矩阵的惯性特征值来计算适合当前图像的σ值;然后根据该值计算相应的高斯高、低通滤波器,再计算所得低通图像的σ值,并以此类推,直至噪声基本去除;最后将用不同σ值得到的各层次边缘图像按一定准则进行融合来得到单像素宽度的边缘检测结果。实验结果证明,该算法与经典算法、B样条小波算法比较,在去除噪声和准确定位边缘两方面均有提高。信噪比可提高0.47%～6.07%,运算时间增加了0.29%～6.36%。尤其对于分辨率较低的图像（256×256）的边缘检测效果更加明显。     

蚁群算法在图像边缘检测上的应用研究

将蚁群算法应用于图像边缘检测,提出了一种利用灰度梯度引导的蚁群搜索图像边缘的算法,其核心思想是利用图像的灰度梯度作为启发信息,并加入运动方向改变量,引导蚁群搜索边缘,迭代搜索可能的局部边缘曲线。通过对蚂蚁行走过路径上的信息素分布进行更新,使得分布在真实边缘上的信息素逐渐增大,从而使搜索逐渐向真实的边缘收敛,最后根据信息素的遗留结果提取的边缘曲线。此算法可有效抑制噪声干扰,最大限度的保留细节信息,以达到有效提取图像边缘的目的。同时在灰度提取及蚁群的选择上较已有相关算法有较大改进,并分析效果指出不足和进行相关的改进的方向。     

新的模糊边缘检测算法及在煤车定位中的应用

针对煤车智能取样对车厢定位的要求,提出了一种改进的模糊边缘检测算法.该算法通过阈值计算分段定义隶属度函数模糊特征,使图像目标区域边缘的灰度级达到较大增强,适合对较大目标区域(车厢)的多级灰度图像边缘检测;另外,该算法根据边缘的一般特征及不同的灰度区域自适应地选取算法参数,实时性好.工程应用表明,该方法在车厢边缘检测中,精度高、实时性强,能满足实际需要.     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

复杂背景下的号码定位与分割

提出一种综合边缘检测、号码分布特点的号码定位方法和基于投影及最大连通区域的字符分割方法。采用改进的数学形态学方法提取灰度图像边缘,用最小二乘法对边缘进行直线拟合得到图像的倾斜角,进而对倾斜的图像进行校正,再利用号码的位置信息来定位号码区域。采用最大连通区域算法过滤块状噪声,通过投影和字符的宽度特点确定字符的分割结果,有效地解决了由复杂背景、油墨的深浅、污迹、磨损带来的干扰。     

基于重心的一种灰度图像边缘检测算法

本文提出一种基于重心的灰度图像边缘检测算法,将灰度图像中每一像素的灰度值,作为该像素的“质量”、三维空间中的Z坐标。判断某像素是否为边界点,取决于在以该像素为中心点的矩形区域内重心偏移量的大小。该算法具有一定的抗噪性,与采用canny算子的边缘检测算法相比较,本文算法对B超灰度图像的实际检测效果更好。     

自适应的形态学边缘检测算法

针对传统的基于形态学边缘检测算法抗噪能力较差以及易丢失边缘细节的问题,提出一种自适应的抗噪型边缘检测算法。该算法采用多尺度的结构元素进行滤波,根据边缘方向自动选择相应方向的结构元素进行边缘检测以得到更多的边缘细节。实验结果表明,该算法不仅抗噪能力较强,检测到的边缘细节较多,而且还能提高边缘检测效率,是一种有效的边缘检测算法。     

基于巴特沃斯滤波的改进型Sobel算子边缘检测

In order to solve the defects of single calculation direction, inaccurate positioning and poor edge connectivity in traditional Sobel operator image edge detection, this paper proposes an image edge detection algorithm that combines Butterworth high-pass fil- tering and improved Sobel operator, and uses the combination of the two techniques to perform edge detection and feature extraction on images. Firstly, the image is pre-processed by the Butterworth high-pass filter, then the improved Sobel operator that adds six - direction templates is used to the traditional Sobel operator for edge detection. Through experimental simulation, compared with the traditional algorithm, this algorithm has the following advantages: prominent edge, good connectivity, low sensitivity to noise, high positioning accuracy.     

基于多方向的各向异性边缘检测算法

针对传统边缘检测算法抗噪性差的不足,提出了一种多方向的各向异性边缘检测算法。该算法构造了4个具有各向异性的5阶差分模板,对其进行归一化处理后,分别对待检测图像进行卷积处理,根据检测算法在各方向上卷积结果的幅值和方向信息得到灰度边缘图,最后采用最大类间方差法确定阈值进行边缘二值化。多组仿真实验结果表明,该方法能有效实现边缘提取,比传统方法具有更高的检测精度和更强的噪声鲁棒性。     

基于小波变换和中值滤波的Canny边缘检测算法

传统的Canny边缘检测算法采用的是高斯平滑,用来去除图像中的计算噪声,这种去噪方法虽然对抑制高斯噪声效果较好,但对脉冲噪声等的去除并不理想。针对这一问题,提出了用小波变换与中值滤波相结合的方法取代了传统的高斯滤波法,并对平滑后的图像作图像增强。实验表明,该方法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。