基于提升算法的边缘检测方法的研究

1.引言图像边缘是图像的重要特征,是一种重要的视觉信息,图像的边缘检测在图像处理和计算机视觉中占据着重要地位,边缘检测的定位准确度和精度直接影响到整个系统的性能好坏。然而图像边缘检测的本质问题尚未得到圆满解决,至今没有一个通用而且有效的检测方法能够满足不同目的的需要,究其原因就是该过程不是独立于整个图像处理任务的,并且物体的某些部分(如边界)并不总是可见的。一个更好的解决办法就是多分辨率分析法,以局部极大值点为边缘点,由粗到精地确定图像的边缘,给出边缘的空间——尺度联合信息,从而可以更加精确地描述图像场景中的物体。本文正是基于这种思路,提出一种基于提升算法(Lifting Scheme)的多分辨率边缘检测方法,可以得到不同分辨率上的边缘信息从而描述图像场景中的物体。     

数字图像边缘检测的Java实现

介绍几种经典的边缘检测算子，并用Java语言实现数字图像的边缘检测。由于JaVa语言在图像处理方面有其自身的优势，因此整个实现过程具有简单、灵活、适应性强的特点。     

数字图像边缘检测算子的性能实验比较

本文对数字图像中几种具有代表性的边缘检测算子进行了理论分析，并通过VC编程实验，对各种算法进行实现，通过比较得出了各自的优缺点和适用范围。     

图像边缘检测算法比较研究

图像的边缘检测是图像处理领域的经典研究课题之一.边缘检测结果的正确性将直接影响到机器视觉系统对客观世界的理解.文章介绍了几种常用的边缘检测算子,并对各种算子的实验结果进行比较.     

数字图像边缘检测的Java实现

介绍几种经典的边缘检测算子,并用Java语言实现数字图像的边缘检测。由于Java语言在图像处理方面有其自身的优势,因此整个实现过程具有简单、灵活、适应性强的特点。     

图像边缘提取的简单算法及应用

图像边缘识别在实际中有很重要的应用，Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法。     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

数字图像边缘检测算子的性能实验比较

本文对数字图像中几种具有代表性的边缘检测算子进行了理论分析,并通过VC编程实验,对各种算法进行实现,通过比较得出了各自的优缺点和适用范围。     

基于正交Fourier-Mellin矩的改进亚像素边缘检测算法

提出一种改进的亚像素级边缘检测算法,该算法先用像素级边缘检测算子(Canny算子)定位所有可能的边缘点位置,再利用正交Fourier-Mellin矩(OFMM)算子的低径向阶与旋转不变特性在已有像素级边缘位置上进一步定位亚像素级边缘位置。实验表明,同等条件下该算法运算效率较高,不仅具有较高的检测精度(小于0.2 pixel),且算法耗时较短。     

彩色图像边缘检测方法的对比研究

本文对彩色图像边缘检测的多种方法进行分析与比较，包括经典算子的直接扩展、颜色空间变换方法、向量方法。并对颜色空间变换方法中的超复数空间变换方法提出了归一化的色差边缘检测算法。文中选取其中几种算法分别应用到人体的彩色切片数据，结果在文章的最后列出。     

图像边缘检测技术的改进

比较了Roberts算子、Sobel算子、Gauss－Laplace算子、Canny算子等几种传统的边缘检测技术,指出这些算法在边缘检测精度和抗噪声性能方面存在一定的问题。在分析以上算子的缺陷后提出改进的方法。通过迭代算法寻找最佳阈值,增强了目标和背景的对比和目标边缘,准确提取目标区域,并结合形态学进行轮廓提取,有效减少噪声对灰度门限值的影响,通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度,抗噪能力和准确性。     

量子衍生图像边缘检测方法

利用量子比特表示图像像素的灰度,用双量子位叠加态来描述两像素之间的关联,通过线性厄米算符在该量子叠加态中的平均值来判断像素的边缘特征,由此建立了一种新的图像边缘检测方法,并从概率论的角度对该方法的合理性给予解释。理论和计算机仿真结果均表明该方法具有视觉补偿功能,能检测出图像中高亮度和低亮度区域的灰度微弱变化引起的边缘效应。     

图像平滑算子对边缘检测精度的影响

图像平滑算子的性能会直接影响到边缘检测的精度,并最终影响到边缘定位的精度,从而影响CCD摄像机的标定精度,所以通过实验对图像平滑算子和边缘检测算子进行了性能比较,可以看出中值滤波算子在保持良好的去噪性能基础上,与均值滤波相比能够很好地保持图像的边缘等细节,与图像间平均滤波相比能够节约时间、提高效率。与Canny算子相比,Sobel算子不但能够准确地检测出目标的边缘,而且具有很强的抗噪性,在检测直线边缘方面具有很强的优势,更加适合应用的需要。     

基于S变换的图像边缘检测算法研究

针对边缘检测中存在的噪声敏感性问题,提出了一种基于S变换的改进型边缘检测算法。S变换是一种时频分析工具,它能够很好地检测信号的奇异性和非正则性,而在图像中,图像灰度的奇异性代表着图像的边缘。通过将S变换后相邻频率的系数进行乘积可以有效地抑制噪声,增强边缘,采用一个阈值计算方法对相乘后的S变换系数进行阈值滤波,整合来自两个正交方向的边缘得到最终的图像边缘。实验结果证实了该算法的有效性。     

基于格林函数的边缘检测算法

提出了一种基于格林函数的边缘提取新算法,而且经过详细的数学推导与计算,得到算子的精确解析式。通过实验结果发现该算子计算简单、有效,与其他算子作用效果相比较发现其效果较Canny算法要好。     

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.     

Model driven edge detection

Standard edge detectors fail to find most relevant edges, finding either too many or too few, because they lack a geometric model to guide their search. We present a technique that integrates both photometric and geometric models with an initial estimate of the boundary. The strength of this approach lies in the ability of the geometric model to overcome various photometric anomalies, thereby finding boundaries that could not otherwise be found. Furthermore, edges can be scored based on their goodness of fit to the model, thus allowing one to use semantic model information to accept or reject the edges.     

边缘检测在异面直线夹角视觉检测中的应用

应用机器视觉技术测量空间两条异面直线的夹角。建立起测量的公共基准后,用2只CCD独立地拍摄两根轴线与基准夹角图像。将采集到的图像分割为二值图像后,采用不同的边缘检测算子处理,分析结果,以边缘检测的准确性和稳定性为依据,结果表明：Roberts算子定位精度高,计算速度快,可以快速准确地提取目标轮廓。