小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。     

基于边缘特征和模糊理论的阴影检测

阴影检测在图像处理中是一个十分重要的课题。该文提出了一种基于边缘特征的阴影边缘检测方法。对于阴影边缘检测的结果,利用文献所提出的基于模糊理论的边缘连接方法来进行连接,并在此基础上提出了一种基于模糊理论的边缘闭合方法将未闭合的离散边缘点或曲线段连接成闭合边缘。最后,利用局部均值和直方图获取阴影区域。实验结果表明,本文提出的方法在定位精度和去除噪声等方面都取得了较好效果。     

基于边缘算子的车牌图像二值化方法

提出一种基于Canny边缘算子的车牌图像二值化方法。该方法综合考虑了边缘信息和灰度信息，根据与边缘像素点相邻的像素点的灰度值变化特点，得到图像的高、低阈值，综合利用高、低阈值对原灰度图像进行二值化。实验表明，此方法对于车牌图像的二值化处理有令人满意的效果。     

基于边缘特征小波变换的压缩算法关键技术

探讨了一种新的改进算法中的两个关键技术：基于边缘特征的小波变换方法和边缘曲线的编码方法。利用这两个算法减少了图像重要边缘特征的失真,有利于图像快速浏览和图像基于内容查询的实现;并能改进变换系数中能量的分布使高频子带的图像能量进一步减少,有利于提高压缩性能和效率。同时该文用Matlab6．5平台给出了一些试验结果,并对试验结果进行了分析。     

基于粒子群三次样条优化的图像边缘描述算法

针对手工选点生成的三次样条曲线无法准确地描述图像边缘的问题,以粒子群三次参数样条曲线优化算法为基础对现有的图像边缘算法进行了改进。在图像边缘上取若干点作为样条曲线的型值点,利用粒子群算法对这些型值点进行优化,使得到的样条曲线对图像边缘有很好的贴合。实验表明,该算法不仅能够快速拟合样条曲线,而且优化后的样条曲线形态能较好地贴合图像边缘轮廓。     

数学形态学运算在声纳图像边缘检测处理中的应用

声纳图像中经常存在较强的背景噪声,噪声的存在使图像中的目标边缘不易提取.本文采用了多尺度形态学算法减少图像中噪声的影响,采用形态学边缘检测方法对降噪后的图像进行处理,并利用形态学运算对得到的边缘图像作断裂曲线连接.实验结果证明本文中采用形态学运算边缘检测的方法优于传统的边缘检测方法.     

图像边缘检测效果的边缘连续性评价算法

边缘检测是图像处理的一个重要环节,边缘检测效果的好坏直接决定图像处理结果的好坏,但对于边缘检测结果缺乏一个标准的数值化的评价方式,因此提出了一种对边缘检测结果的边缘连续性量化评价方法。以边缘的连续性作为图片边缘提取效果的评价指标,并且使用边缘段凸包面积与边缘段长度的乘积的平均值来数值化评价边缘连续性。设计了多种实验对同一图片采用不同的边缘检测算法在不同边缘检测参数下进行检测,并与所提算法进行评价对比。实验证明该算法能数值化地快速、有效地评价图片边缘检测的效果好坏,评价结果符合人的视觉感知特征,对于高层次的图像处理与自动化图像处理环节具有较好的应用价值。     

基于Sobel算子的快速图像匹配检索方法

给出一种较目前多数检索方法更为高效,快速的图像匹配检索方法。本算法首先利用Sobel算子对原始图像的边缘信息进行处理,然后对图像进行二值化处理,对所得的图像矩基于边缘进行分块实体提取,再将实体与目标图像矩进行比对处理,通过阀值的设置来判断图像的匹配程度,进而达到图像检索的目的。     

基于边缘曲线光顺连续性恢复的灰度图像放大算法

灰度图像放大时，插值的平滑作用会退化图像的高频部分，致使放大图像的边缘变得模糊．本文提出了一种基于离散边缘曲线光顺连续性恢复的灰度图像放大算法，算法包括两个步骤，第一步是使用能量优化方法，根据一定的准则从离散的边缘曲线数据恢复出连续而光顺的边缘曲线；第二步是基于这些曲线对图像实施插值计算．使用本文方法得到的放大图像边缘清晰光顺．文中络出了放大实例，实验结果证明了本文方法的有效性．     

结合Canny算子的图像二值化方法

用Robert、Sobel、Prewitt、Laplacian、LoG和Canny算子,对图像进行了边缘检测实验,分析了边缘检测的结果,得出Canny边缘检测算子,是图像边缘检测的一种十分有效的方法。然后,根据图像的Canny算子边缘信息,将最佳全局阈值法与局部阈值自适应法在边缘信息的基础上融合起来,对图像进行了二值化处理。实验表明此算法在二值化图像时,能很好的保留图像的边缘信息。     

粘连物体分离过程中的边界凹点定位研究

在数字图像处理的应用中,物体边界凹凸信息通常代表着物体的某些性质,它既可以作为描述物体形状的一个特征参数,也可以作为一些重叠物体分离的依据。人们采用多种方法对边界凹凸变化进行描述,但这些方法对凹点没有严格定义,在计算精度完全依赖像素单位,其计算结果误差较大。首先给出边界凹点的定义,然后基于边界拟合设计一种新的边界凹点定位算法,新算法减少了对数字图像像素单位的依赖。最后通过实验说明新算法在微生物细胞图像分割处理中的应用。     

基于局部特征的图像边缘检测

针对传统边缘检测对噪声较敏感且不能准确定位的不足,分析了图像边缘邻域像素之间的关系,提出了基于局部特征的图像边缘检测方法,建立了判断该像素点是否位于边缘上的准则函数。本方法以像素点为研究对象,检测的边缘可能为噪声点或伪边缘点,因此利用图像边缘连续性和噪声点孤立性的特点,运用形态学提取图像边缘并克服了噪声对边缘检测的影响;然后运用形态方向梯度去除伪边缘点。实验结果表明该方法能够准确地检测出图像的边缘,并克服了传统利用微分算子检测边缘的不足。     

一种基于主动生长的边缘连接算法*

针对因漏检而断裂的图像边缘图中的边缘连接问题,提出基于主动生长的边缘连接算法。先检测边缘图中端点的位置和方向,再在端点处进行主动边缘生长并通过退化操作实现边缘的正确连接;通过退化和约束生长实现对边缘图的去噪处理。实验表明,本算法在不增加边缘图噪声的情况下,很好地实现了对断裂边缘的有效连接,有利于后续的图像分割、表达和匹配等处理。     

一种改善超分辨率图像重建中边缘质量的方法

超分辨率图像重建技术指通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像来重建一幅高质量高分辨率图像. 凸集投影 (POCS) 算法是一种广泛使用的超分辨率图像重建方法. 本文提出了一种适用于 POCS 算法的改善高分辨率重建图像边缘质量的方法. 该方法将中心在边缘像素的点扩散函数 (PSF) 与一个指数型权值函数相乘, 使得修改的 PSF 系数沿着边缘正交的方向减小. 实验结果表明, 这样的修改有效地保持了边缘的特性, 明显地提高了重建图像的质量     

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。     

基于局部能量的边缘检测方法

本文从局部能量的角度提出了一种有效的图像边缘检测方法.在以一个像素点为中心的对称区域中,计算区域内所有像素的灰度值与中心像素的灰度值之间的差值,将差值平方的总和作为中心点所对应的局部能量.该局部能量可以有效地用于检测图像的边缘,因为边缘点的局部能量要比对应光滑区域内的像素点大得多.根据本文所构造的局部能量函数可以有效地找到边缘点.本文使用Baddeley误差度量（BEM）方法来评估本文方法检测结果的准确性.实验结果表明本文方法检测效果比较好.     

基于改进的JSEG算法的图像分割

针对JSEG算法在图像分割中出现的明显过分割现象,提出一种基于边缘信息的JSEG[1]改进方法。该方法首先将图像的颜色空间转换为LUV颜色空间,用PGF（Peer Group Filtering）[2]算法对图像进行平滑去噪,用分裂算法确定图像的类数,用GLA（Generalized Lloyd Algorithm）[3]算法完成量化,生成＂类图＂。然后计算每个像素的J值,并利用Canny算子检测的边缘信息,对J值进行修正,计算每个像素的局部相似程度,并在不同的尺寸下构建J图像,这样就能反映出最有可能的边界位置。最后在J图像上进行种子区域增长,直到获得最终的分割结果。实验结果表明该方法可以有效地改善JSEG算法在图像分割中存在的过分割现象。     

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。     

基于最大目标函数的医学图像边缘检测

鉴于医学图像特点和传统算法的缺点,提出一种新的医学图像边缘检测算法,该算法通过考察3×3模板的理想边缘结构特征,将模板像素沿边缘方向分为两个集合,通过距离度量函数构造适当的目标函数,计算四个方向的目标函数值,从而获得最大目标函数值,并与给定的阈值比较,应用非极大抑制方法,判别该象素是否为边缘点,最后进行双阈值连接,可得到单像素边缘图像。仿真结果表明,该算法能够有效检测医学图像边缘,所检测出的图像边缘细节丰富,单像素宽,定位准确。