基于Laplacian算子的一种新的边缘检测方法

本文在分析经典Laplacian算子作用原理的基础上对其进行改进，提出 了一种新的边缘检测算法，实践证明，该算法能有效地消除噪声，准确地检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

基于ViBe算法及Canny边缘检测的运动目标提取

为了能快速提取视频监控中的运动目标,提出将ViBe算法与Canny边缘检测算法相结合快速准确提取运动目标的方法。该方法利用ViBe算法检测运动目标,运用Canny算子提取运动目标边缘轮廓,并将其与通过区域填充得到的精确运动目标相"与",获取运动目标准确的外边界;通过膨胀、腐蚀、闭运算等数学形态学图像处理,得到运动目标完整检测区域,结合相对应视频序列帧可以提取运动目标。实验表明,该方法可以快速、实时地提取多运动目标。     

基于主成分分析的边缘细化研究

为了从经典设置阈值的边缘检测结果中提取更细小的边缘,从而减少表示边缘的数据量,提出了一种基于主成分分析的边缘细化算法.该算法是在基于经典边缘检测算法的基础上进一步用主成分分析实现目标边缘细化,可以有效的去除伪边缘,并且使提取的边缘线较细,从而极大地减少了表示边缘的数据量.针对结果边缘的不均匀,提出了模板匹配的改进方法,修正后的图像较好的表示了目标的边缘.实验结果表明,该算法有效可行,提取后的结果在不丢失轮廓的前提下使目标更细化.     

边缘检测与混合高斯模型相融合的运动目标检测算法

针对传统的混合高斯模型不能很好地处理突变的情况,提出了一种新的运动目标检测算法。该算法在时间域上对混合高斯模型的更新机制进行了改进,并对模型加入了帧间处理,提取出初步的运动目标;在空间域上,通过Canny边缘检测算子获得初步的运动目标边缘轮廓,利用图像金字塔的多分辨特性排除背景噪声,经过一定运算再次得到运动目标。将两次得到的运动目标作"与运算",提取出最终的运动目标。实验结果表明,本算法可以较好地处理突变情况,提取的运动目标图像完整、轮廓清晰。     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

基于方向导数和B样条小波的图像边缘检测

根据图像边缘及噪声的多尺度传播特性和小波边缘检测的基本原理,提出了一种基于方向导数和三次B样条小波的边缘检测算法。该算法兼顾图像边缘的方向特征和小波基对称、线性相位的特点,较好地解决了边缘提取精度与噪声抑制能力之间的矛盾。通过计算机仿真对该算法进行验证,结果表明该算法不仅能准确地检测出图像边缘,而且能有效地抑制噪声,优于传统的边缘检测算法。     

一种基于LIP模型的边缘检测新算法

提出了一种基于人眼视觉的图像边缘检测的新算法。该方法基于LIP模型首先推导出新的梯度公式,然后进行图像灰度处理和叠加操作,最终形成了一种新的边缘检测算法。该方法大大减少了非边缘噪声的产生,能将图像的边缘较好地检测出来。实验表明,该方法具有边缘检测准确性高,引入的非边缘噪声少的特点。     

基于边缘差分的运动目标检测方法

针对视频序列中的运动目标检测问题,提出了一种新的基于边缘差分的运动目标检测方法.通过改进的边缘检测算法提取视频序列中相邻帧的边缘图像并作差分,采用改进的Otsu法对差分图像进行阈值分割,得到运动目标检测的结果.结合Prewitt算子和Sobel算子改进的边缘检测算法能够获取纹理丰富、细节显著的边缘图像,边缘差分结果更加理想;改进的Otsu法联合类内方差能够很好地抑制噪声,保留更多的纹理细节.实验结果表明,提出的方法能够提取更加完整的目标区域,对背景噪声更加鲁棒.与最近一些同类算法相比,在背景运动和光照变化条件下,该方法具有更加优越的运动目标检测性能.     

一种静态背景下的运动目标提取算法

为了对静态背景下的运动目标进行快速、准确的提取 ,提出了一种新的运动目标自动提取算法 .该算法在传统的亮度信息的基础上 ,通过引入色差信息来作为预分割的参考 ,取得了较好的预分割效果 ;然后通过改进传统的 canny算法 ,使之能处理含有时间关系的两帧图象 ,以此来获得物体的精细边缘 ;最后设计了一种辅助边缘提取方法 ,结合精细边缘 ,以此来得到运动物体的连续边界 .实验表明 ,这是一种快速稳健的分割算法     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

一种改进的边缘检测算法

针对图片易受到噪声的干扰很难检测到真正的边缘,提出了一种新的边缘检测算法,该算法首先对含有噪声的图片采用二维小波分析和图像的中值滤波进行图像平滑预处理,然后采用遗传算法改进的sobel边缘检测算法对图像进行边缘检测.再对预处理的图片进行Canny算子检测,得到清晰的连续的边缘.把sobel边缘检测算法和Canny边缘检...     

基于数学形态学的图像边缘检测算法的研究

为了提高图像边缘检测的效率、降低噪声对图像边缘检测的影响,提出了一种基于数学形态学的图像边缘检测算法。该算法引入多元结构元素的概念,提出了一种改进的形态学边缘检测算子,能够有效地检测出带有噪声的图像边缘,并保持边缘的平滑性。实验结果表明,与传统边缘检测算子相比较,该算法杭噪声性能良好,实时性较好,具有一定的实用性和可行性。     

一种自适应的Canny边缘检测算法*

针对传统的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。该算法采用自适应的滤波器对图像进行滤波,在滤除图像噪声的同时保留了更多的图像边缘信息;根据图像的灰度均值与方差均值自动计算Canny算子的高低阈值。实验结果表明,该算法在检测到更多边缘细节的同时也具有很强的自适应性。     

改进的抗噪形态学边缘检测算法

噪声是影响图像的边缘检测效果的主要因素之一。形态学的各种运算可以有效地去除噪声,利用形态学对含噪图像进行边缘检测的算法已成为人们当今关注的问题。为了提高图像边缘检测的准确性,降低噪声对图像边缘检测的影响,提出了一种改进的抗噪形态学边缘检测算法,且利用两个不同的结构元素进行边缘检测。对于含有椒盐噪声的图像,改进的算法能很好地减弱噪声,得到的图像较平滑、轮廓清晰。边缘定位准确且很好地保留了边缘细节特征。实验结果表明,算法抗噪能力较强,客观评价与视觉效果均好。同时,该算法具有一定的实用性和可行性。     

基于自适应噪声闭值的EMD域多尺度边缘提取

为了利用经验模式分解(EMD)方法对具有不同信噪比的信号提取边缘信息,提出一种采用中位数绝对离差方法来佑计噪声阂值的EMI)域多尺度边缘提取算法。该算法首先采用EMD方法求得各尺度残余分量的抖率信号;其次采用阂值化方法去除斜率信号中的噪声,其中噪声阈值采用中位数绝对离差方法求得;最后经空间一致性检验,输出信号的边缘信息。仿真实验结果显示,基于自适应噪声阂值的EMD域多尺度边缘提取可以准确提取信号边缘信息,同时抑制噪声信号。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

基于小波多尺度积的边缘检测算法

在分析小波变换对噪声和边缘点影响规律的基础上，结合多尺度乘积的特性，提出了一种基于小波变换的多尺乘积边缘检测新算法。通过边缘检测性能评测计算和实验验证表明，该算法能有效增强边缘、抑制噪声，且定位精度高。     

一种用细胞神经网提取遥感图像边缘的新方法*

针对灰度遥感图像具有噪声多、图像亮度均匀、边缘模糊等特点,提出了基于细胞神经网遥感图像边缘检测的新方法。该算法主要是利用细胞神经网先后对遥感图像进行图像滤波、灰度阈值化、膨胀腐蚀、边缘检测等模板操作。实验结果表明,与传统的Sobel和Canny边缘检测算法相比,本算法不仅能有效地去除噪声对边缘检测的影响,而且能够快速完整地提取图像边缘。     

一种基于形态学的边缘检测算法

在对含有噪声图像进行边缘识别时,为了提高识别精度,提出一种基于形态学的边缘检测算法。准备两种不同尺度的形态学结构元素,并对图像进行形态学降噪处理;用不同类型的形态学结构元素对处理后的图像进行边缘检测,获得不同结构元素下的边缘图像;根据每张边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行合成。这样,即使在有噪声干扰的条件下也能获得较为理想的图像边缘。实验结果展示了该算法相对于其他边缘检测算法的优势,突出其在保持图像边缘清晰的同时还具有较强的噪声去除能力,有力地说明了该算法的有效性和实用性。     

二维A Tuous算法图像边缘检测研究

边缘检测是图像处理的重要内容。由于图像边缘和噪声都具有高频特性,而且噪声的分布往往是未知的,所以用单一尺度的边缘检测很难准确地检测图像边缘。而基于小波的二维A Tuous算法可以检测不同尺度下的图像边缘。在小尺度下检测边缘细节,大尺度下检测边缘轮廓。该文介绍了二维A Tuous算法的基本原理和算法实现,并通过实例与传统方法比较。实验结果表明,该方法可以有效地检测图像的边缘,并优于传统方法。