二阶导数型边缘检测算子边缘定位误差的研究

本文首先导入了离散的高斯-拉普拉斯(DLOG)及二项分布--拉普拉斯(LOB)两种二 阶导数型边缘检测算子.由独立的高斯噪声所污染的数字边缘作为边缘图象模型.使用二阶 导数型边缘检测算子对图象模型进行卷积后,用均方误差最小的准则对卷积后的图象进行平 面拟合,并求出零交点作为图象的边缘点.推导了二阶导数型算子的边缘定位概率Pd及假边 缘检测概率Pf,继而比较了两种二阶导数型边缘检测算子的性能.     

一种改进的梯度算子

针对传统梯度算子中 ,用于边缘方向检测的计算公式存在的缺点 ,提出了改进的用于边缘方向检测的计算公式 .鉴于用传统梯度算子检测的边缘方向是由反正切函数给出的 ,而反正切函数所表示的角度范围是 [- π/ 2 ,π/ 2 ],可是事实上 ,边缘方向的范围是 [0 ,2 π].为此 ,通过对梯度算子中 ,Prewitt算子的分析 ,指出传统的边缘算子不能区分两个相差 π的边缘方向 ,并给出了改进的用于边缘方向检测的计算公式 .在传统的梯度算子中 ,因为用于边缘方向检测的计算公式是不精确的 ,所以后续图象边缘的细化、短枝消除、缝隙填补和连接等处理就建立在一个不精确的基础之上 ,从而得到的边缘误差较大 .因为在图象低层处理中就引入了误差 ,所以后续图象高层处理的质量也降低了 .计算机仿真实验结果表明 ,该改进的用于边缘方向检测的计算公式是正确的和有效的 .     

景物边缘提取的边缘分段自增强算法

景物边缘信息是进行图象分析和识别的重要属性,如何有效地从噪声图象中提取边缘是这些领域中的难点。该文提出了一种边缘分段自增强算法用于噪声图象的边缘提取。该算法首先对噪声图象进行小尺度高斯滤波,并使用该文设计的新型边缘检测算子获取引导信息,此边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能;然后对各搜索轨迹进行分段自增强,最后根据自增强累积的程度获取噪声图象中的边缘。实验结果表明:此算法能够有效地从噪声图象中提取物体的真实边缘,并能最大限度地保留细节信息。     

基于遗传算法和梯度算子的图象边缘检测

图象边缘检测是计算机图象处理的最基本步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响,目前的图象边缘检则方法还不能有效地检测出各种不同模式的边缘。在分析了几种常用边缘检测方法及其存在的检测精度不高,抗噪声性能较差等不足基础上,给出了一种基于遗传算法和梯度算子的图象边缘检测算法,该算法明显提高了检测精度和抗噪声能力。     

基于形态梯度运算的遥感图像边缘检测

针对常规线性边缘检测器处理遥感图象时细节丢失严重的缺点,介绍了数学形态学基本理论,讨论了数学形态学在边缘检测中的应用.形态学的灰度梯度运算是在经典形态变换基础上提出的一类非线性算子.对于结构元素的选取作了一定的说明.另外,还与传统线性算子的处理结果进行了比较.通过计算机对遥感图像的模拟实验表明：基于形态灰度梯度运算的遥感图像边缘检测方法,不但几何意义明确,易于构造,而且性能也优于传统检测算子,证实了该方法的可行性.     

噪声污染图象中的广义形态边缘检测器

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,系统地给出了普通形态差分算子,并提出了一类广义形态差分算子。同时,把提出的广义形态差分算子应用于受噪声污染的图象,以提取图象的边缘。通过实验表明,广义形态边缘检测算子能较好地提取边缘,在抑制噪声对边缘的影响和保持图象的边缘细节上,效果优于经典的边缘检测器和普通形态边缘检测器。     

一种面向显微图象的双阈值边缘检测算法

文章将微分、LOG、熵等几种边缘检测算子用于显微图象的处理,介绍了显微图象边缘检测的一般过程。并在熵算子的基础上,提出了一种基于边缘采样和阈值曲线分析的双阈值选择方法。通过对几种算法处理结果的比较,将熵算子做为最终的检测算子。     

基于焊缝图象有效信息获取的研究

针对X射线检测焊缝缺陷的特点,设计X射线实时检测系统。提出在对焊缝图象自适应的二值化处理的基础上,用Sobel算子锐化图象边缘的焊缝区域提取的新方法。与其它传统焊缝区域提取方法相比,改善了图象细节模糊现象,是判别焊缝图象中缺陷类别的图象预处理的有效方法。     

颗粒图象边缘检测中边界闭合性的研究

在颗粒图象边缘检测中往往要求所检测到的颗粒在边缘具有封闭特性，本文介绍了目前常用的几种算法，并着重分析了Canny算子算法原理。Canny算子在进行颗粒图象边缘检测中具有边界封闭的特性。最后，本文探讨了一个评价边缘检测结果的标准。     

基于自适应免疫遗传算法的边缘检测

为了使检测的图象边缘结构定位好 ,并且产生连续的精细边缘 ,同时能滤除边缘图象中的噪声干扰 ,基于费用函数最小化方法 ,提出了一种自适应免疫遗传算法用于图象的边缘检测 .为了保持群体中个体的多样性 ,同时加快算法的收敛速度 ,该算法中交叉、变异和免疫算子采用了自适应变化而非固定的概率 ,同时免疫算子采用了几何形式的退火选择方案 .由于该算法能够有效地利用局部边缘结构的一些先验知识和特征信息制作成免疫疫苗 ,其局部搜索能力较经典的遗传算法有很大的提高 .该方法用于灰度图象时产生了令人满意的检测效果 ,并对噪声有较好的抑制作用     

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。     

融合视觉感知和等周理论的数码迷彩纹理提取

现阶段数码迷彩纹理的提取方法缺乏主观视觉感知,针对其提取效果和质量欠佳的问题,提出一种融合视觉感知和等周理论的数码迷彩纹理提取方法。此方法先利用人的视觉感知特性构造边权值函数,将等周率作为选择分割阈值的准则选取最小等周率所对应的候选阈值作为最终分割阈值,完成数码迷彩纹理的提取。在一系列自然纹理图像上的实验结果表明,与现有的几种经典多阈值分割方法相比,此方法的分割效果更好。     

An HVS-Directed Neural-Network-Based Image Resolution Enhancement Scheme for Image Resizing

In this paper, a novel human visual system (HVS)-directed neural-network-based adaptive interpolation scheme for natural image is proposed. A fuzzy decision system built from the characteristics of the HVS is proposed to classify pixels of the input image into human perception nonsensitive class and sensitive class. Bilinear interpolation is used to interpolate the nonsensitive regions and a neural network is proposed to interpolate the sensitive regions along edge directions. High-resolution digital images along with supervised learning algorithms are used to automatically train the proposed neural network. Simulation results demonstrate that the proposed new resolution enhancement algorithm can produce a higher visual quality for the interpolated image than the conventional interpolation methods.     

模拟视觉感知系统的无参考模糊图像质量评价

为了获得与人类视觉感知一致的图像质量评价方法, 本文提出一种模拟视觉感知系统的无参考模糊图像质量评价方法. 该方法通过比较不同模糊程度的图像特征的相似度来度量图像质量. 首先, 通过对待测图像进行人工模糊, 获得不同模糊程度的图像. 然后, 通过视网膜模型提取图像的细节信息. 接着, 采用奇异值分解用来获得图像的内部结构信息. 之后, 将待测图像与其它不同模糊度图像之间的细节相似度和奇异值相似度作为度量图像模糊度的特征向量. 最后, 将这些度量特征向量输入支持向量回归模型(SVR)进行训练, 获得最终的图像质量评估模型.在常用数据库上的实验结果表明, 该方法与人眼主观视觉感知的一致性优于比较方法.     

Comparative evaluation of linear edge detection methods

A comparative evaluation of the most commonly used linear methods for edge detection in grayscale images are presented. Detectors based on the first and second derivatives of image brightness are considered. The method for automatic edge tracking in grayscale images is proposed. The model for assessing errors and artifacts caused by sampling during digitization of real input images is proposed. Investigation of edge detectors isotropy and errors caused by input images sampling is conducted. The advantage of the Isotropic operator for edge tracking is shown. The noise immunity of linear edge detection methods is assessed and the superiority of 3 × 3 gradient operators for noisy images is shown. Isotropic and Sobel operators are identified to be optimal on a basis of sampling errors, output noise level, and computational complexity.     

基于矢量Prewitt算子的多尺度彩色图象边缘检测方法

在矢量Ｐｒｅｗｉｔｔ算子的基础上,引入多凡度组合正则化处理,提出了一种新的彩色图象边缘检测方法,实验表明,若对检测精度,边缘完整性,抗噪性等方面进行综合评价,该方法优于标量算子和单一尺度下的矢量算子。     

基于视觉感知的梯度结构相似度图像质量评价*

尽管SSIM(Structural Similarity)图像质量评价算法结构简单,评价性能优于一般客观评价算法,但该算法没有考虑人类视觉系统HVS(human visual system)对视觉感知的影响,且其算法定义中对“结构信息”的表述过于简单,并不能完全描述自然图像的结构信息。在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知（Visual Perception）函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM（Visual Perception and Gradient based SSIM, VI_GSSIM）。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模,同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。     

Edge image quality assessment: a new formulation for degraded edge imaging

We discuss a formalism to characterize degraded edge images formed in a diffraction limited system (with circular pupil of unit radius) under conditions of incoherent illumination. We introduce a novel definition of degraded edges and consider this approach to model a basic optical mechanism involved in the perception of visual depth and edge detection. We introduce a degradation parameter to quantize the degree of edge blur. We present a generalization of such a procedure by assuming the Heaviside function to be a systematic generator of degraded edges. We reproduce experimentally the predictions made by the formalism proposed herein.     

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。     

基于矢量的彩色图像边缘检测

在矢量算子的基础上,利用图像边缘在一定尺度下二阶导数的特性,提出了一种新的彩色图像边缘检测方法。试验证明,若对检测精度,边缘完整性等方面进行综合评价,该方法优于一般方法。