基于梯度及HVS特性的离焦模糊图像质量评价*

在当前人眼视觉系统（HVS）特性研究的基础上提出基于梯度及HVS特性的离焦模糊图像质量评价模型（GVSSIM）。该模型利用Sobel边缘梯度算子提取图像的梯度信息,并根据人眼视觉特性进行视觉加权,得到新的结构相似性评价指标,进而获得图像质量评价指标。该方法与SSIM(图像结构相似度)评价模型相比,具有计算简单的特点,对离焦模糊图像的评价结果能更好地反映人眼视觉感受。     

一种医学图像的边缘检测算法

提出一种改进的医学图像边缘检测方法.利用图像四叉树分解技术和模糊形态学的思想,根据图像像素点方向的不同性,构造不同方向不同尺度的结构元素对边缘像素进行模糊形态学运算,进而检测到图像边缘.实验结果表明,算法提取的边缘能够精确地显示物体的内部细节信息,较好地解决了抑制噪声和保留精细边缘之间的矛盾,与其它边缘检测算子相比是一种较实用的边缘检测算法.     

离焦模糊图像模糊半径检测的新方法

针对离焦模糊图像盲复原中模糊半径难以快速精确检测的问题,提出了局部熵和直方图统计相结合的算法。首先对模糊图像进行局部熵滤波提取图像的灰度变化信息量,利用Canny边缘算子和Hough变换检测出离焦图像的直线边缘;然后利用相互平行直线边缘区域内的直方图统计特性和Grubbs检验法,定位出阶跃直线边缘求出线扩散函数;最后利用线扩散函数得到模糊半径。实验结果表明所提算法在模糊半径较小时能够精确快速地定位阶跃边缘,从而提高模糊半径的识别精度和识别效率。     

单幅自然场景深度恢复

离焦测距算法是一种用于恢复场景深度信息的常用算法。传统的离焦测距算法通常需要采集多幅离焦图像,实际应用中具有很大的制约性。文中基于局部模糊估计提出单幅离焦图像深度恢复算法。基于局部模糊一致性的假设,本文采用简单而有效的两步法恢复输入图像的深度信息：1)通过求取输入离焦图和利用已知高斯核再次模糊图之间的梯度比得到边缘处稀疏模糊图 2)将边缘位置模糊值扩离至全部图像,完整的相对深度信息即可恢复。为了获得准确的场景深度信息,本文加入几何条件约束、天空区域提取策略来消除颜色、纹理以及焦点平面歧义性带来的影响,文中对各种类型的图片进行对比实验,结果表明该算法能在恢复深度信息的同时有效抑制图像中的歧义性。     

基于全局图像结构信息的Seam Carving算法*

本文提出了一种基于全局图像结构信息的Seam Carving算法,它根据像素的重要性修改图像尺寸和比例。通过从图像提取特定方向的边缘结构信息,再利用每个像素的梯度信息,从全局和局部两方面定义新的像素能量计算函数,以此来阻止Seam通路与特定方向图像边缘的交叉,避免边缘像素的不一致位移,以此保持图像的边缘结构。实验结果证明,本文算法减少了处理后图像的结构形变,有效改进了Seam Carving算法的处理效果。     

人工模糊图像边缘的盲检测算法

为检测并定位数字图像篡改中常采用的人工模糊边缘操作,提出一种基于模糊集合、局部清晰度与数学形态学的人工模糊边缘检测算法。利用模糊集合对图像边缘进行提取,得到被增强的经过人工模糊的图像边缘与被弱化的非人工模糊边缘;引入局部清晰度来区分人工模糊与离焦模糊边缘点;利用数学形态学中的腐蚀运算细化掉被弱化的非人工模糊边缘,保留被增强的人工模糊边缘,实现对人工模糊图像边缘的像素级定位。通过实例验证了该算法的有效性与正确性。     

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。     

基于Sobel算子的图像边缘检测及其实现

Sobel算子是图像边缘检测中常用的方法之一,利用像素的左、右、上、下邻域的灰度加权算法,根据在边缘点处达到极值这一原理进行边缘检测。该方法不但产生较好的检测效果,而且对噪声具有平滑作用,可以提供较为精确的边缘方向信息。本文提供了利用Sobel算子实现灰度图像边缘检测的C 源程序。     

尺寸测量中的边缘检测算法研究

主要介绍了一种改进的边缘检测算法及相应计算模板和公式，并对算法的误差进行了分析。因为传统的边缘检测算法在理论上较成熟，但在实际应用时可操作性较差。所以针对零件图像测量的实际应用情况，使用基于Sobel算子的改进的方向算子，对灰度图像进行处理得到梯度图像。综合应用其他算法，实现了对目标边缘的准确检测。然后在梯度图像上沿目标边缘的梯度方向进行多项式插值法亚像素细分计算，对目标边缘进行亚像素精确定位。在文章的最后，用实例说明了本算法的可行性。     

基于改进的FT算法在自然图像中的应用研究

FT算法是在空间频域内的显著目标检测算法。该算法简单、高效,但是在自然图像显著目标检测中,存在显著区域中心像素抑制、显著目标不突出等问题,故对FT算法进行改进。首先,在特征提取阶段,除了提取颜色和亮度信息外,改进的FT算法还提取图像的边缘信息,利用Canny算子检测图像的边缘并用梯度算子表示边缘特征,使得显著区域的边界信息更加丰富;然后,利用中心优先规则线性处理显著图,提高显著区域的中心像素的亮度,突出显著区域,去除冗余信息。仿真结果表明改进的FT算法是切实可行的。     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

基于灰色关联分析和Canny算子的图像边缘提取算法

基于灰色关联分析和Canny算子,提出了一种有效的边缘提取策略。相对于传统边缘检测方法中的梯度图像,首次提出灰色关联度图像的概念,并对两种图像进行了对比和分析。指出并讨论了灰色序列方向对边缘方向的敏感性,采用不同方向的灰色序列可以得到和梯度方向算子相似的效果。由各方向序列下的灰色关联度图像进行边缘方向判断,沿各方向进行非极小值抑制,对灰色关联度图像进行细化,然后设定自适应高低阈值进行边缘连接。实验表明该算法具有很好的处理效果。     

Edge connection based Canny edge detection algorithm

Double threshold method of traditional Canny operator detects the edge rely on the information of gradient magnitude, which has a lower edge connectivity and incomplete image information. Aiming at this problem, we proposed an edge detection algorithm based edge connection—the Hough Transform based Canny (HT-Canny) edge detection algorithm. HT-Canny algorithm guided by high threshold image, which obtains edge direction through calculating edge endpoint gradient and connects the edge by using the Hough Transform instead of traditional double threshold method. It avoids the limitation of traditional Canny algorithm, which must set the double threshold manually and protect the low intensity edge especially. The experimental results show that HT-Canny algorithm has stronger edge connectivity and can distinguish edge points and non-edge points effectively, which not only retain the advantages of the traditional Canny algorithm but also make the detection result more complete and comprehensive.     

基于矩保持法的彩色目标深度测量

提出了一种基于矩保持法获取彩色目标深度信息的新方法;算法首先通过改变摄像机的镜头焦距获得同一景物的两幅散焦程度不同的RGB图像;然后利用色差sobel算子将RGB图像转换为灰度边缘图像;根据矩保持法分别计算两幅图像边缘区域面积与整个图像面积的比值,进而得到景物的深度.算法不要求图像的准确聚焦,而且充分利用了图像的全部彩色信息,避免了使用灰度图像产生的信息丢失;实验结果表明该方法能够快速准确地获得目标的深度信息,方法实用有效.     

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.     

基于形态学梯度的X射线数字图像边缘检测方法

研究和分析了形态学梯度算子，提出了一种适合X射线数字图像边缘检测的多尺度形态学梯度算子；这种算子的取值来自于膨胀梯度图和腐蚀梯度图中同位置像素的最小值，它结合了膨胀和腐蚀的优点。也考虑了X射线数字图像对比度低的特点；实验证明这是一种检测X射线数字图像边缘的有效方法。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

一种鲁棒性的遥感图像地域分类新方法

目前遥感图像分类算法面临的主要问题是分类精度与算法复杂度的矛盾及算法缺乏鲁棒性。为此,提出了一种基于特征空间重采样的非参数化核密度估计聚类与边缘检测相融合的多模型鲁棒性遥感图像分类方法。首先对遥感图像进行边缘检测以获取图像中每个像素的边缘梯度和方向信息;然后利用重采样策略,在联合域中对新的样本集合进行加权均值平移滤波,找到图像各区域的核密度函数局部最大值,通过迭代移动附近的数据点到此局部最大值;最后对各个分割区域进行合并,得到最终的分类图。实验结果表明,算法可获得高精度的遥感图像分类结果,且具有很强的鲁棒性。