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。     

一种模糊增强图像边缘提取算法

在分析Pal模糊边缘提取算法的基础上,为克服Pal算法图像增强区域单一、图像增强后造成低灰度信息损失且没有做抑噪处理的缺陷,提出一种新的基于模糊增强的图像边缘提取算法.新算法通过引入模糊熵,进行有目的选取不同灰度层次的阈值,同时增强图像中不同灰度层次的边缘信息,通过定义新的隶属函数和一种新的模糊增强算子,结合图像平滑滤波处理进行图像边缘提取,有效地克服了Pal算法速度慢且损失图像部分灰度信息的缺陷,取得了优于基于传统Pal算法进行图像边缘提取的效果.     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息，以及边缘较模糊的图像其边缘检测结果不准确等问题，本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV，空间 ，然后在图像的模糊特征平面上进行模糊增强，并合理使用亮度、色度等信息进行彩色边缘检测，最后二值化。实验结果表明，该算法是有效的。     

基于小波和快速模糊算法的医学图像边缘检测

在医学图像中,常常需要得到图像的边缘轮廓线,以便诊断病变情况.为适应这种需求,文中提出了基于小波分解和快速模糊算法的医学图像边缘检测方法.针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低频信号得不到有效利用、边缘检测速度较慢等问题,利用小波分解和快速模糊算法的优点构造边缘检测算法.这种方法使得小波分解后的低频信号中所包含的有用信息得到了利用,简化了算法并提高了算法的效率,增强了算法的适应性.文中算法检测出的图像边缘与经典边缘算子提取的图像边缘相比较,结果更加清晰完整.     

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。     

沥青路面裂缝图像增强与边缘提取算法研究

针对模糊图像增强算法存在运算速度慢以及丢失部分图像信息等问题,提出一种封闭性和移植性好的广义模糊增强算子.该算子结合梯度算子将图像增强处理集中在敏感区域,并构造四种结构元素求出敏感区域内的数学形态学梯度来提取图像边缘,实现一种图像增强与边缘提取算法.将新算法应用于沥青路面裂缝图像检测系统中,实验结果表明,该算法的图像增强和边缘提取效果优于现有的模糊图像增强算法和传统边缘提取算法.     

一种模糊集图像增强的改进算法

图像增强是图像预处理中最重要的内容之一,本文通过对Pal模糊图像增强算法进行改进,提出一种改进的新的模糊图像增强算法。该算法采用简单的隶属函数,并且克服了Pal算法对图像中部分低灰度值边界信息损失的缺点。实验结果表明,该算法不但能够提高图像对比度,突出图像中不同层次的灰度信息和边缘信息,其运算速度也远远快于Pal模糊增强算法。     

一种改进的图像模糊增强算法

针对传统模糊增强算法的缺陷,提出了一种改进的算法。该算法中隶属函数和模糊增强算子均采用连续分段函数,利用OTSU法将图像分为高灰度和低灰度两个区域,对高灰度区域像素进行灰度增强运算,对低灰度区域像素则进行灰度衰减运算。仿真结果表明,该算法具有较强的模糊边缘和细小边缘分辨能力,是一种实用、高效的图像对比度增强算法。     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑，然后根据图像灰度进行对象云化处理，构建对象云。通过云运算生成边界云并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，该算法能保留大量低灰度信息，并有效地去除了次要边缘对主边缘的干扰。     

一种基于模糊逻辑的图像多层次增强算法

在分析图像传统单层次模糊增强算法（Pal算法）的基础上，为克服Pal算法仅增强图像阈值参数附近某一部分边缘的不足。提出一种新的基于模糊逻辑的图像多层次增强算法。新算法通过引入模糊熵，进行有目的选取不同灰度层次的阈值，同时增强图像中不同灰度层次的边缘信息，另外新算法对Pal算法中的复杂变换进行了简化，采用了新的增强算子，克服了Pal算法速度慢且损失图像部分灰度信息的缺陷。将新算法应用于图像边缘提取中，取得了优于基于传统单层次模糊增强算法进行图像边缘提取的效果。     

基于模糊梯度法的边缘检测方法

根据图象边缘灰度的梯度变化,构造图象灰度模糊矩阵和描述边缘点的隶属函数,利用遗传算法实现隶属函数各参数的寻优过程,并由输出隶属度判断提取图象边缘点,实现了图象的边缘检测。实验表明,该方法能有效地描述边缘的穿越过程,并可改善检测结果。     

简单的图像边缘检测和增强方法

针对灰度图像的边缘检测问题,不同于传统的或是流行的模糊图像处理方法,利用Matlab的滑动邻域块和Robert梯度算子相结合的方法提出了一种简单的灰度图像边缘检测思想,实验结果证明该方法能够快速且有效地检测出图像的边缘信息,为计算机进一步识别奠定了基础.同时,为了使图像的轮廓更加清晰,引入高斯型函数对结果再进行增强处理,并通过对高斯函数的两个参数的对比分析,获得了显著的增强图像边缘效果.     

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。     

自适应模糊边缘减宽增强算法

针对形态边缘减宽增强算法的不足,提出了一种自适应模糊边缘减宽增强算法。它对非边缘区采用局部均值滤波来抑制噪声;对于边缘区域,根据梯度方向及当前点在斜坡边缘的位置,自适应的采用边缘方向均值、边缘梯度方向的高灰度均值和低灰度均值来代替当前像素灰度值,从而缩短斜坡边缘的宽度来达到增强图像边缘的目的。采用模糊策略决策,推理合成得到增强结果,在增强的同时,抑制噪声。实验结果表明,该算法能有效地增强边缘并平滑噪声,明显地改善视觉效果。     

基于模糊理论和蚁群算法的图像边缘连接方法

针对边缘检测的断点问题,提出一种基于模糊理论和蚁群机制的断点连接方法。以原图像和传统检测算法得到的边缘为基础,分析出边缘端点,根据端点邻域内各像素的梯度信息,采用模糊判决方法,计算隶属度矩阵;由各像素的灰度梯度、隶属度和信息素确定转移函数,减小蚁群寻优的盲目性,提高边缘点定位的准确性。实验结果表明,该方法不仅能有效改善边缘不连续现象,且补偿边缘能更真实地反映原图像边缘信息。     

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。     

Fuzzy spectral clustering with robust spatial information for image segmentation

In recent years, spectral clustering has become one of the most popular clustering algorithms in areas of pattern analysis and recognition. This algorithm uses the eigenvalues and eigenvectors of a normalized similarity matrix to partition the data, and is simple to implement. However, when the image is corrupted by noise, spectral clustering cannot obtain satisfying segmentation performance. In order to overcome the noise sensitivity of the standard spectral clustering algorithm, a novel fuzzy spectral clustering algorithm with robust spatial information for image segmentation (FSC_RS) is proposed in this paper. Firstly, a non-local-weighted sum image of the original image is generated by utilizing the pixels with a similar configuration of each pixel. Then a robust gray-based fuzzy similarity measure is defined by using the fuzzy membership values among gray values in the new generated image. Thus, the similarity matrix obtained by this measure is only dependent on the number of the gray-levels and can be easily stored. Finally, the spectral graph partitioning method can be applied to this similarity matrix to group the gray values of the new generated image and then the corresponding pixels in the image are reclassified to obtain the final segmentation result. Some segmentation experiments on synthetic and real images show that the proposed method outperforms traditional spectral clustering methods and spatial fuzzy clustering in efficiency and robustness.     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

结合实数编码遗传算法的模糊阈值方法

提出了一种新的结合实数编码遗传算法的模糊阈值分割方法。结合遗传算法内在并行运算的特点，此方法在选取多阈值时的效率明显高于传统的模糊阈值法。适应度函数中引入一个新的衡量分割结果的连通性的因子——连通度，克服了传统阈值方法中未考虑像素空间拓扑关系的缺陷。实验证明，此方法比传统模糊阈值方法在运行效率和分割子区域的空间连通性上都有很大程度的改进。