基于彩色图像边缘差分的运动目标检测算法

针对目前常用的运动目标提取易受到噪声影响、易出现阴影和误检漏检等情况,提出了一种基于Sobel算子的彩色边缘图像检测和帧差分相结合的检测方法。首先用Sobel算子提取视频流中连续4帧图像的彩色边缘图像,然后将边缘图像进行隔帧差分相与,提取出较精确的运动目标边缘轮廓。提取的轮廓经过一系列的形态学操作填充,可得到完整的运动目标。实验结果表明,该方法对运动目标边缘轮廓提取准确,抗噪能力强,且鲁棒性好。     

基于Unit-Linking PCNN的医学图像边缘检测

本文利用Unit-Linking PCNN模型结合最大交叉熵准则将医学图像分割为二值图像,然后将亮区(背景)和暗区(目标)的点火二值图异或,点火脉冲依据目标的形状同步传播,从而迅速提取目标边缘。实验结果表明,该方法有效地提取了图像边缘特征。与经典边缘检测算子相比,结果更加清晰完整,是一种有效的医学图像边缘检测方法。     

边缘追踪模型与SURF检测结合提取天绘影像机场目标

目的 遥感影像提取识别机场目标是遥感领域研究的热点。但是大多研究仅使用被裁剪的影像进行提取识别,由于处理速度等原因很少使用整景高空间分辨率遥感影像提取机场目标。大多数研究是先提取出图像中的直线,根据直线确定机场跑道再确定机场目标,但高分辨率图像提取的直线不仅是机场跑道的,还有可能是高速公路、铁路、大型厂房的外墙、耕地边缘、山脉、地层等,如何区分提取的直线是机场跑道很少被研究。很多研究提取的都是大型机场目标,没有对小型机场进行提取识别,另外如果图像中同时有两个机场应该如何提取也没有被研究。天绘具有数据实时回收,数据全球覆盖等特点,本文将使用高空间分辨率天绘影像（6 000×6 000 像素）提取机场目标。天绘影像地物类型复杂,细节丰富,仅使用一般的空间滤波或边缘探测方法会导致检测结果中有过多的噪声和伪边缘,致使机场目标识别不出来,所以建立了一种以边缘提取追踪模型和SURF（speeded up robust features）检测结合的检测方法和提取流程,达到机场目标识别的目的。方法 边缘提取追踪模型是建立在边缘提取基础上。首先对天绘影像进行滤波处理消除噪声,再对图像进行梯度幅值和法线梯度方向的计算,并利用改进的非极大值抑制方法找到梯度图像中局部变化的最大值,删掉其他值,获得单像素边缘图像,然后对边缘图像进行边缘轮廓线追踪提取出边缘轮廓线,最后使用直线检测和SURF检测方法识别出机场目标。结果 使用本文方法成功地识别了4景天绘卫星图像中的机场目标。借助改进的非极大值抑制和边缘轮廓线追踪提取方法有效地提取了影像中所有地物的边缘,识别出的地物边缘都是清晰的、单像素的边缘,对地物边缘轮廓进行直线提取,并在提取直线的基础上使用SURF检测获得图像中的机场目标。利用天绘卫星图像成功在2景图像中分别提取出一大、一小两个机场,在另外两景图像中分别各提取出一个机场,顺利地实现了用天绘卫星图像提取识别机场目标的过程。结论 本文提出的机场目标提取方法十分有效,该方法不仅适合于天绘卫星遥感数据,还适用于和天绘卫星类似的其他遥感卫星数据。其中对非极大值抑制方法的改进能够提取出更准确的边缘,也能提取出更细微的边缘, 抑制虚假边缘的产生,对提取小型机场有帮助。     

基于数学形态学的图像边缘处理

提出了一种基于数学形态学的边缘提取方法。该方法先对图像进行颜色预处理,再利用数学形态学对图象进行形态学梯度变换,最后通过基于统计学的边缘提取方法进行边缘提取。该方法消除了由于照明而引起的目标物体的阴影边缘,并且直接提取出目标物体的边缘轮廓,对背景噪声有很好的抑制作用。与常用的边缘检测算子相比,该方法能更有效、准确、完整地提取出目标物体的边缘,明显优于传统的边缘检测算子。     

结合相位一致与全变差模型的高分辨率遥感图像边缘检测

目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。     

五帧差分和边缘检测的运动目标检测

为了改进传统三帧差分的运动目标检测方法易出现的空洞和与虚假边缘的现象, 提出了一种基于五帧差分和边缘检测相融合的运动目标检测方法。该算法首先利用优化的Canny边缘检测算法快速提取五帧连续图像的边缘图像, 然后对五帧连续的边缘图像进图像的五帧差分运算, 最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单, 实验结果表明, 该算法准确率高, 连通性好, 能满足实时性检测的要求。     

图像边缘提取的简单算法及应用

图像边缘识别在实际中有很重要的应用，Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法。     

基于欧氏距离图的图像边缘检测

图像边缘检测技术直接影响以目标识别为目的的后续图像处理操作,有效地提取出图像中所携带的目标信息是图像边缘检测的主要目的.为了实现目标轮廓的有效提取,提出一种基于欧氏距离图的图像边缘检测算法.该方法计算图像内像素点之间的欧氏距离,得到图像的距离图,距离图很好地描述了图中景物的外部轮廓;对距离图进行改进的Canny算子边缘检测,可以有效地得到图中物体的轮廓.与一般的边缘检测算法相比,本文算法能够抑制过于细小和琐碎的细节,并能够准确地提取目标的整体轮廓信息,为后续目标识别奠定了良好基础.     

基于Canny算法的红外小目标边缘检测方法

从红外图像的特点出发,基于Canny算法进行了目标边缘检测。首先,对源图像进行小波分解和重构,对图像进行消噪,抑制噪声对目标提取的影响。然后对消噪后的图像用Canny算法进行边缘检测。这种边缘检测方法利用了小波消噪的优点,在抑制背景噪声的同时保留了目标边缘细节。实验结果表明,这种结合方法优于单独使用Canny算法。     

图像边缘提取的简单方法及应用

图像边缘识别在实际中有很重要的应用 ,Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法     

基于视觉感知的双层次阈值边缘连接方法

边缘是图像目标的重要特征，但通常边缘检测得到的边缘存在不连续现象，为此在分析传统边缘连接方法的基础上，利用人类视觉系统对边缘连接的多层次感知机理，提出了一种基于视觉感知的双层次边缘连接方法。该方法首先利用大、小阈值产生相应的大、小阈值图像计算其差值以确定模糊边缘点;然后利用人类视觉系统对边缘连接的感知特性系数判别模糊边缘点中真正的边缘点，并将真正的边缘点添加到大阈值图像，使大部分重要的区域边缘能够形成完整的封闭轮廓。仿真实验结果表明，该方法能够有效地改善边缘检测后的边缘不连续现象，相比一些传统的边缘连接方法，运算速度较快，连接效果较好，能满足边缘检测的轮廓封闭性要求。     

灰阶边缘的细化

本文提出了一种改进了的灰阶图象Sobel边缘细化新方法,通过对灰阶边缘图多次Sobel边缘细化结果的叠加使边缘点的数值拔高、变陡,再通过灰阶边缘图中各3x3邻域内取数值最大的三个点作边缘,得到单点宽的边缘-其中后者也适用于其它边缘检测算子.此方法处理简单、效果明显,为从图象中提取模糊边缘和微弱边缘、提高定位精度,提供了一种有效的手段.     

CT图像的分形特征和Facet边缘检测

Facet模型能够获得准确的图像边缘信息,但运用Facet模型对目标进行分割时,时间复杂度比较高。针对该问题,从CT图像目标特征的角度,将分形维数特征引入Facet模型。首先利用图像边缘分形维数较大的特点,获得大致的边缘候选点,然后对边缘候选点集运用Facet模型进行分割,得到边缘点的准确位置。实验结果表明,该方法不仅能获得准确的边缘,而且提高了处理速度。     

基于椭圆检测的充电口识别

针对于新能源汽车的全自动充电技术,为了实现充电设备快速插接充电口的目的,提出了一种基于椭圆检测的充电口识别方法。该方法利用图像的预处理加强边缘,并结合Canny边缘检测得到边缘,将检测的边缘利用八邻域边缘跟踪筛选短弧,以边缘梯度的正负性以及边缘的凹凸性为基准将检测边缘分为4类椭圆弧边缘。在此基础上,根据一定的限制条件以及椭圆的参数方程,选取满足限制条件的三段椭圆弧进行拟合,得到一系列的备选椭圆,通过特征参数之间的关系以及目标椭圆之间的联系,筛选出所需要的能够识别充电口的椭圆。在基于Intel-Core的i7-6700HQ处理器以及Nvidia GTX 960M的显卡的计算机设备上,通过VS2017的实验平台在多个角度进行多次实验,均能得到充电口的目标椭圆。表明该方法能够对插接的充电口做出准确并且快速的识别,为新能源汽车的全自动充电提供很好的先决条件。     

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。     

Edge detection algorithm based on ICA-domain shrinkage in noisy images

We propose a robust edge detection method based on ICA-domain shrinkage （in- dependent component analysis）. It is known that most basis functions extracted from natural images by ICA are sparse and similar to localized and oriented receptive fields, and in the proposed edge detection method, a target image is first transformed by ICA basis functions and then the edges are detected or recon- structed with sparse components. Furthermore, by applying a shrinkage algorithm to filter out the components of noise in ICA-domain, we can readily obtain the sparse components of the original image, resulting in a kind of robust edge detec- tion even for a noisy image with a very low SN ratio. The efficiency of the proposed method is demonstrated by experiments with some natural images.     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

基于多结构元多尺度的形态学边缘检测

在形态学梯度边缘检测算子的基础上,针对图像中的几何特征和噪声提出了一种基于多结构元、多尺度的边缘检测方法,用不同取向的结构元素对图像进行多尺度检测,并综合各尺度下的边缘,得到了噪声存在下的理想边缘。实验表明,文中的方法边缘定位准确、轮廓清晰,保留了更多的图像细节,具有较强的抗噪能力。     

一种新的纹理分析算法在目标探测中的应用

针对在复杂图像中目标探测难度高、效果差这一问题,对图像的纹理特征进行研究,提出了一种新的基于纹理分析的目标探测方法。首先,利用小波边缘检测算法,获取图像的边缘信息。接着,采用水平模板与垂直模板对图像进行扫描操作,并根据目标区域的纹理特征,滤除大部分非目标区域,获得目标的粗定位结果。最后,结合边缘信息和粗定位结果,采用边缘分析的方式定位目标区域,实现目标的成功探测。通过目标靶图像实验,验证了该算法的准确性,稳定性和抗干扰性,在复杂背景条件下其识别率达到了99.3％。该算法通用性强、识别准确、效率高,是一种有效的目标探测方法。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。