融合多方向Sobel算子的相干斑各向异性扩散抑制北大核心CSCD

相干斑的存在严重干扰了SAR图像质量,亟需对其抑制处理。传统AD(Anisotropic Diffusion)滤波器边缘检测模型精准度仍有提升空间,且噪声抑制效果往往受限于扩散阈值较难准确估计的问题。针对上述问题,提出了一种融合多方向Sobel算子的相干斑各向异性扩散抑制方法。该方法是SRAD(Speckle Reducing Anisotropic Diffusion)的改进算法,其利用多方向Sobel算子在SAR影像各点处构建了全新的边缘检测模型,并基于此,融合高斯核函数建立了新的AD扩散函数,可有效解决传统AD扩散系数受参数估计限制,提升了相干斑各向异性抑制的准确性。实验选取了3景真实SAR影像进行滤波实验,结果表明:该方法可有效提高边缘检测能力,获取更优相干斑抑制效果。     

数学形态法在超宽带SAR 道路边缘检测中的应用

超宽带SAR由于杂波模型多样化,当使用传统的基于单一杂波统计模型进行边缘检测时容易造成虚警高,定位精度差,边缘不连续,处理时间长等问题。基于数学形态学思想, 提出了一种多方向多尺度结构元素的二值形态学边缘检测算法,先对原始图像进行二值化处理,再运用多方向多尺度结构元素进行循环闭-开形态运算得到多个方向结果图,最后将各方向结果图进行融合得到最终的图像边缘。与传统边缘检测算法的对比实验表明,本文提出的算法由于采用了多尺度结构元素并且结合了图像的灰度信息,图像边缘检测虚警低,定位精确,耗时短,边缘更连续。     

基于Canny算子的边缘切线扩散医学超声图像去噪

医学超声图像的细节特征在临床诊断中具有重要的意义.针对于传统的PM算法以及各种改进型各向异性去噪方法(Catte_PM、SRAD、CENCD等)存在边缘中的噪声点未作处理,多次迭代产生虚假边缘等缺点,通过分析具有代表性的Catte_PM各向异性模型,提出了一种结合自适应Canny算子,沿图像边缘切线方向扩散的去噪方法.该算法首先通过改进的Canny算子将图像范围分为边缘区和非边缘区;其次改进现有的扩散方法,使扩散方向只沿图像边缘切线方向进行;最后对非边缘区域采用有限次(三次)的各向同性滤波.实验结果表明,该方法能够有效地解决滤波和图像细节保护这一矛盾问题,使得图像质量有较明显的改善.     

基于自适应方向导数滤波器的彩色边缘检测

传统彩色边缘检测算法在提高边缘检测准确性时可能将噪声检测为边缘,而在提高噪声鲁棒性时会将部分边缘当作噪声进行抑制,导致部分边缘信息丢失。为解决传统彩色边缘检测算法在边缘检测准确性与噪声鲁棒性之间的矛盾问题,提出一种基于自适应各向异性高斯方向导数（ANDD）的彩色边缘检测算法。通过彩色图像的微分自相关矩阵构建反映边缘类型的度量准则,以自适应地确定每个像素处ANDD滤波器的形状,从而准确提取不同类型的边缘特征,采用ANDD滤波器组对图像进行平滑处理,提取在三个通道上的ANDD特征。在此基础上,利用奇异值分解得到最优融合权值,并融合三个通道的ANDD特征,以增强彩色边缘强度。实验结果表明,该算法在无噪声和含噪声环境下的Pratt品质因子分别为0.849 6和0.791 4,与彩色Canny、RCMG-MM和FRPOS算法相比,在保持较高边缘检测准确率的同时具有较优的噪声鲁棒性。     

基于多尺度多分辨率局部边缘模式的边缘检测

由于传统基于梯度的方形边缘检测算子包含边缘方向过少（一般为2个或4个方向）,因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式（Varied Local Edge Pattern,VLEP）算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边缘检测。此外,当多组VLEP算子被同时使用时,考虑结合加权融合思想,以便获得更加丰富的边缘信息。实验结果表明,提出的边缘检测算法比其他经典的方法具有更好的边缘检测效果。     

一种改进的数学形态学边缘检测算法

针对传统数学形态学边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等问题,提出一种改进的数学形态学边缘检测算法。该算法在保持传统形态学方法优点的基础上引入边缘方向信息,采用非极大值抑制方法对形态学梯度图像进行细化处理,利用新的基于方向的检测和连接方法从中提取边缘,既提高了检测出的边缘的分辨率,又实现了低强度边缘的保护,同时还获得了更强的抗噪声能力。与应用较为广泛的传统形态学方法及Canny边缘检测方法的比较研究也证明了该算法的有效性。     

基于UGM灰预测模型的图像边缘提取算法

由于传统的边缘检测算法会产生信息漏检等问题,为了更有效检测出图像的边缘信息,提出了基于UGM灰预测模型边缘检测算法。该算法分别在垂直和水平方向上选取与考察点相邻的4个灰度值作为建模数据,通过UGM模型对建模数据进行处理,得到2幅预测图像,用原始图像分别减去2幅预测图像,根据正负得到4幅误差子图像,将4幅误差子图像相加,检测图像边缘。在此基础上,通过对误差子图像加入调节因子[q],提高边缘的清晰度。该算法与传统算法的结果比较表明该方法能清晰地检测出图像边缘点,图像的细节信息很好地保留下来,且对噪声图像具有一定的抗噪性,说明该算法是一种非常有效的图像边缘检测算法。     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时.有很强的去除噪声能力.     

基于边缘最大梯度的多方向优化插值算法

提出一种在传统插值图像基础上,对高分辨率图像进行边缘检测算法.该算法处理RGB彩色图像时,先进行色融合,再检测;然后根据边缘多方向梯度特征,对边缘邻接像素点作优化处理.在多倍插值放大时,采用小步长倍率递进方式.实验结果表明,算法模型简单易于实现,消除了传统图像插值算法边缘锯齿和模糊,保持了图像边缘细节和纹理特征,对彩色图像视觉效果更为明显.     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel 算子基础上,增加了45°和135°2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于改进布谷鸟搜索算法的图像边缘检测

针对传统边缘检测算法自适应能力差、固定阈值、背景噪声抑制的问题, 为了获得更理想的图像边缘检测结果, 提出了一种基于改进布谷鸟搜索算法的图像边缘测算法. 首先通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵, 然后用改进布谷鸟搜索算法根据布谷鸟繁殖行为找到搜索图像的梯度最大值, 检测出图像的边缘, 最后采用仿真实验对算法的性能进行检测. 仿真实验结果表明, 本文算法能快速、准确地检测出图像的边缘, 且优于其他传统边缘检测算法.     

基于Mallat-Zhong离散小波变换小波的超声图像各向异性扩散抑噪方法

针对传统各向异性扩散方法在超声图像散斑噪声抑制中存在的噪声抑制不充分与边缘特征保持不足的问题,提出一种基于Mallat-Zhong离散小波变换(MZ-DWT)小波的散斑噪声抑制方法。该方法将MZ-DWT小波分析与期望值最大化(EM)算法作为图像中均匀区域与边缘区域的鉴别因子,使扩散系数能够更准确地控制扩散强度与扩散速度,从而达到充分抑制噪声和保护边缘的目的。实验结果表明,所提方法在有效抑制散斑噪声的同时,更好地保持了图像细节信息,其性能优于传统各向异性扩散方法。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息．文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正．分析和实验表明该方法对SAR图像是有效的．     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

一种离焦模糊图像边缘检测新方法

根据离焦模糊图像的特性,提出一种新的离焦模糊图像边缘检测算法,该算法通过定义一个新的边缘检测算子,利用新算子对图像各像素进行卷积,求得各像素的梯度和方向信息,根据梯度和方向信息进行阈值化处理,得到离焦模糊图像的边缘检测图像。实验结果表明,对于离焦模糊图像,利用新的边缘检测算子进行边缘检测,能够较好地检测被模糊而弱化的边缘,检测效果符合人眼视觉感受。     

基于K-均值改进蚁群优化的彩色图像边缘检测算法

为提高图像边缘检测的精度,提出一种基于K-均值改进蚁群优化（ACO）的彩色图像边缘检测算法。将聚类嵌入到边缘检测中,使这2类图像分割方法有效结合,增强了2类方法的优势。实验结果表明,该算法有效解决了传统蚁群算法（ACO）收敛较慢的问题,较好地保留了图像边缘细节,降低了计算复杂度,与典型分割方法相比具有更好的性能。     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

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。     

基于BEMD的Canny算子边缘检测算法

提出一种基于二维经验模态分解（BEMD）的Canny算子边缘检测算法,通过BEMD将图像分解成多层本征模函数,利用Canny算子对各分量进行边缘检测,并有选择地逐层重构出图像边缘,在灰度图像集中进行测试。实验结果表明,与传统算法相比,该算法能够获得较好的检测性能。