一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

一种基于Canny的边缘检测优化算法

针对传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失和假边缘的现象,提出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代替高斯滤波器对含噪图像去噪,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘。实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘检测的准确性。     

一种改进的Canny的图像边缘检测算法

研究图像边缘优化检测问题,针对图像边缘信息被噪声污染影响定位精度.传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失信息和假边缘的现象.为解决此问题,提出一种改进的Canny的边缘检测算法.首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘.实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘的检测精度和准确性.     

一种改进的Harris特征点检测算法

现有Harris特征点检测算法采用高斯滤波进行平滑,图像存在角点信息丢失与偏移的现象。为解决该问题,提出基于变分B样条滤波与快速局部窗口搜索相结合的Harris特征点检测算法,选择具有低通特性的B样条函数作为平滑函数构造滤波器,引入形态学滤波中的极大值滤波思想,利用快速局部窗口搜索算法进行特征点局部极值的提取,从而提高特征点提取的精度和速度。实验结果表明,改进算法具有特征点提取快速均匀、检测定位准确、抑噪性好的特点。     

基于B样条小波的图像边缘检测

研究图像边缘优化检测问题.针对图像边缘信息被噪声污染影响定位精度,经典的边缘检测方法Canny算法中的高斯平滑函数边缘定位精确度较低,导致图像缓变边缘信息丢失和假边缘的现象.为去除虚假边缘,在Canny最优边缘检测准则下,提出引入了渐进最优的B样条小波函数,采用小波变换应用于图像边缘检测中的基于模极大值的方法,并结合Kmeans聚类的自适应双阈值方法进行图像边缘检测仿真.仿真结果表明,改进的算法改善了噪声干扰情况下图像边缘提取效果,有效提高了边缘检测的准确性,得到较高的边缘检测图像质量,可为设计提供依据.     

基于改进Canny算子与图像形态学融合的边缘检测方法

传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.     

基于各向异性扩散方程的Canny边缘检测算法

Canny边缘检测算法由于使用高斯滤波对图像进行平滑,往往使得算法的信噪比和定位精度下降,从而产生一些虚假边缘,使角点变圆。针对Canny算法所出现的问题提出了一种改进方法,运用各向异性扩散方程代替高斯滤波,并对扩散后的图像做图像增强。实验结果表明,该算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。     

应用Otsu改进Canny算子的图像边缘检测方法

针对传统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.首先从数学形态学角度分析传统Canny思想和缺陷;接着提出应用尺度自适应调整的高斯滤波器改进传统高斯平滑滤波;然后使用最大类间分差法（Otsu）替代传统双阈值检测算法求出最佳阈值,有效平衡去噪能力和保留边缘细节信息二者之间的矛盾;为解决Otsu遍历时间长,实时性差的缺点,提出应用Kalman滤波器最小误差估计算法预先估计后续图像序列的阈值范围,以加快遍历过程;最后进行实验分析比较,证明该算法可以更快速有效地检测出图像的边缘.     

新的噪声污染灰度图像边缘检测统计方法*

针对传统算子进行边缘检测时易丢失边缘信息和在非边缘处增强噪声的缺陷,提出一种基于非参数变点统计分析的噪声图像边缘检测方法,该统计方法不但不需要图像数字特征的任何先验信息,而且对噪声污染的图像不作任何滤波处理.实验结果表明,提出的算法优于Sobel算子,并能抑制信噪较低的高斯噪声和密度较高的椒盐噪声对分割结果的影响,是一种有效的噪声污染灰度图像边缘检测方法.     

基于B样条的改进型Harris角点检测算法*

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法。实验表明,该方法对提取角点非常有效。     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中，微弱的回波图像淹没在强背景噪声中，为更好地检测这类含噪图像的边缘信息，首先应用特征方向非线性中值滤波技术，滤去高斯噪声；其次，选择(3,1)双正交样条小波作为原始小波滤波器，采用提升方案构造最优双正交小波滤波器，应用构造的双正交小波进行多尺度小波边缘检测；同时，通过定义浮动阈值，并应用于图像边缘检测，较准确地定位了边缘位置。仿真结果表明，该算法应用于图像边缘检测，检测速度较快，检测效果较好。     

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

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。     

中心B样条二进小波多尺度边缘提取

分析了截尾的Canny算子在多尺度边缘提取时对运算速度造成的影响,提出了中 心B样条二进小波多尺度边缘提取,详尽地研究了Canny算子与中心B样条函数的若干性 质,中心B样条函数具有紧支集,以极快的速度逼近高斯函数,四阶中心B样条函数的导数 比Canny算子更接近最佳边缘检测滤波器.四阶中心B样条函数是二阶平滑问题的唯一最 优解,并且它的时频测不准关系值非常接近时频测不准关系下界.从对计算结果的讨论中也 得出中心B样条二进小波优于Canny算子的结论.     

基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法

针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种基于改进高斯-拉普拉斯算子的图像边缘检测方法。噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯-拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子做了改进,并与高斯滤波器相结合。首先,应用高斯滤波器来平滑图像,抑制噪声。然后基于拉普拉斯梯度边缘检测器进行边缘检测。最后在标准图像上进行评估,评估结果显示,提出的边缘检测方法所获得的峰值信噪比(PSNR)和均方误差(MSE)均优于其他几种对比方法。     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。