基于细胞神经网络鲁棒性的彩色图像边缘检测

根据细胞神经网络(CNN)数学模型,提出一种新的彩色图像边缘检测方法。 新方法继承了CNN 的优点,解决了CNN 现有算法不能直接检测彩色图像边缘的问题。该 方法充分利用图像中的颜色信息,通过欧几里得距离度量像素之间的差异,使CNN 方程可 以在RGB 彩色空间中进行运算。对CNN 模板进行理论分析和鲁棒性研究,提出一个实现 彩色图像边缘检测功能要求的CNN 鲁棒性定理,为设计相应的CNN 模板参数提供了解析 判据。实验结果表明,该方法可以对彩色图像进行有效的边缘提取,定量评价验证了CNN 边缘检测定位准确的优点。     

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息,通常的边缘检测研究是基于灰度图像的,然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行,目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子,将彩色图像在空间中的各分量分别进行边缘检测,对结果进行综合得到彩色图像的边缘检测结果,然后采用主观评价准则对若干不同的彩色空间中（包括RGB、YUV、YIQ、YCbCr、HSV、HSI）的试验结果进行了分析比较。试验结果表明,在HSV空间进行的边缘检测具有更好的性能。     

一种基于色差的Canny边缘检测算子

为了更加清晰准确地检测出彩色图像的边缘, 提出了一种改进的Canny边缘检测方法, 将彩色图像从RGB颜色空间转换到颜色均匀的L*a*b*空间, 用色差Canny算子来计算彩色图像的色差和色差方向. 彩色直线和曲线道路图像的边缘检测效果证明了改进算子的有效性.     

一种基于HSI的距离联合RGB 3维场边缘探测方法

在彩色图像边缘检测中，欧氏距离方法虽对亮度变化敏感，但对色度和饱和度的差异不太敏感，而矢量角方法又仅能探测色彩差异。为了在RGB3维彩色场中获取精确的边缘信息，提出了一种基于HIS(色度、饱和度和亮度)的距离联合边缘检测方法。该方法在高亮和色差大的区域主要利用矢量角对色彩差异来进行检测，而在低亮和色差小的区域则主要利用欧氏距离的亮度差异来进行边缘检测。实验表明，该方法可有效地解决矢量角存在的问题，其与LUV欧氏距离检测方法相比，则可以避免复杂的色彩空间变换计算，其检测效果也更佳。     

基于CNN的分块自适应彩色图像边缘检测的研究*

利用细胞神经网络(CNN)模型对彩色图像边缘检测时,首先要解决彩色空间的选择以及颜色距离的计算问题,其次网络参数的选择也是一个重要问题。为了达到在确保边缘检测准确的同时有效抑制噪声的目的,对整幅图像进行分块自适应检测,采用熵来度量图像的各个子区域的不同性质,然后根据该区域的性质选择一组合适的网络参数,对提取该区域图像边缘的CNN 模板进行了理论分析和鲁棒性研究,提出一个设计符合相应功能要求的CNN 鲁棒性定理,它为设计相应的 CNN 模板参数提供了解析判据。仿真实验表明,该算法具有较好的健壮性。     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法.该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像.然后通过分析噪声(主要是椒盐噪声)污染图像的特点对彩色图像形态学基本算子进行了改进.改进后的算子有很强的抗噪性,可以直接实现边缘检测.实验表明...     

基于CNN模板的彩色图像边缘检测算法

基于细胞神经网络CNN的图像处理的研究和应用已取得了很大进展。在图像处理中,边缘检测是基本预处理方法之一。为了能够较好地对彩色图像进行边缘检测,结合人类视觉系统HVS的特点,先分别计算两个颜色的亮度距离和色度距离,然后将这两个距离的加权平均值作为最终的颜色距离。本文利用CNN模板对彩色图像边缘提取,并对其进行理论分析和鲁棒性研究,提出一个设计符合相应功能要求的鲁棒性CNN定理,它为设计相应的CNN模板参数提供了解析判据。仿真实验结果表明,该算法可以对不同特性的彩色图像进行有效的边缘提取,具有较好的健壮性。     

结合形态学变形虫和复合颜色空间的彩色图像边缘检测模型

为解决彩色图像边缘检测中出现的RGB空间中向量排序、边缘准确定位以及抗噪性问题,提出一种基于形态学变形虫(自适应结构元素)并联合使用HSV空间和RGB空间的彩色图像边缘检测方法.首先在HSV空间中计算变形虫结构元素,克服了传统形态学结构元素选择不合理的缺点;然后借助HSV空间中的度量,并将其转换到RGB空间中完成向量的排序;再在RGB空间中,通过计算上述变形虫结构元素中像素间距离最小值定义边缘强度,不仅避免了HSV空间边缘定位不准确的问题,而且提高了算法的抗噪性;最后借用Canny算子的思想得到单像素边缘.实验结果表明,该方法能够充分考虑到图像的局部特征,边缘定位准确、抗噪效果显著,能得到有效、丰富的边缘信息.     

彩色形态学无人机航拍影像边缘检测算法

现有的彩色形态学梯度算子没有考虑RGB分量间的相关性,容易引入新的彩色值从而改变原始图像的信息,导致图像细节特征的丢失。提出一种基于彩色形态学的无人机航拍影像边缘检测算法。利用RGB颜色空间矢量标准化欧氏距离和夹角余弦相似度,结合人类视觉感知,定义彩色矢量互相关性度量函数;以此函数为准则定义结构单元内彩色像素集合的上确界和下确界,构建彩色形态学的基本算子;将提出的彩色形态学操作进一步应用于无人机航拍影像;通过实验对比验证边缘检测的效果,说明该算法的实用性和有效性。     

基于方向区域距离测度的彩色边缘检测方法

文中给出了一种彩色边缘的定义，阐述了彩色边缘的特点，提出了一种在HSI彩色空间使用的基于彩色图像方向区域距离测试的彩色边缘检测新方法。该方法定义的方向区域距离测度充分考虑了边缘的方向性和滤波尺度对边缘检测的影响，通过选择不同的权重，可分别求取色调边缘，色度边缘，饱和度边缘，亮度边缘以及它们的组合边缘，能满足不同应用的需要，实验表明，该方法能提取更多的彩色边缘信息并具有很好的抗噪性能。     

基于色彩空间分块匹配的三维动画融合技术

为了提高影视动画制作的三维图像成像质量,需要进行动画图像的动态信息融合处理,提出一种基于二维色彩空间分块匹配的三维动画图像的动态信息融合处理技术,采用虚拟视景重构技术进行三维动画图像采集和特征投影处理,对三维动画图像进行二值拟合和边缘轮廓检测,采用RGB分解技术进行三维动画图像的颜色分量提取,采用颜色模板空间投影算法进行三维动画图像的分块融合处理,提高三维动画图像的边缘像素点的特征配对性能,结合三维动画图像的色彩空间分块融合结果进行像素特征优化配置,计算匹配窗口相关系数,实现三维动画图像的动态信息融合处理。仿真结果表明,采用该方法进行三维动画图像的动态信息融合处理,能提高图像输出峰值信噪比,提高动态成像质量。     

基于色彩空间单一图像像素级去雾算法

基于雾会降低图像对比度以及边界模糊的实际情况,提出一种基于颜色空间的单幅图像去雾算法。首先计算每个像素在RGB颜色空间中距离灰阶线(原点与点(255,255,255)所确定的直线)的距离,确定深度图像;然后根据灰阶线距离计算每个像素在颜色空间中的新位置,进而获得去雾后的图像。算法具有良好的实用性和并行计算可行性。实验结果表明:算法显著增强了图像的对比度、颜色饱和度等,具有良好的去雾效果。     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

基于融合策略的改进Retinex低照度图像增强算法

针对Retinex算法处理低照度彩色图像出现色彩失真,边缘保持性差等问题,提出一种基于融合策略的改进Retinex低照度图像增强算法;该算法首先在YIQ颜色空间提取亮度分量Y,对其进行MSR算法增强;然后采用高斯-拉普拉斯算子对彩色图像的RGB三个分量进行边缘检测,将其叠加合成后转换成灰度图;最后使用小波变换将两幅图像融合得到新的亮度分量,将其与I、Q分量融合后转回RGB颜色空间,从而获得色彩保真度高、细节清晰的图像;实验结果表明,该方法有效提高了图像边缘细节信息,避免了色彩失真,具有很好的视觉效果。     

抑制图像纹理的岩石节理裂隙检测

岩石节理裂隙图像由于噪声多、色彩复杂而分割困难,同时岩石节理裂隙检测在工程应用中又具有重要意义。将彩色图像从RGB转换到CIELAB色彩空间后,计算其方差图像。并将原始图像与方差图像相减得到图像的势能向量,同时利用小波系数进行加权,以此抑制岩体纹理噪声。最后,通过图像形态学方法获得边缘图像。实验结果表明,算法可以较好地抑制纹理噪声并能精确定位,以及获得理想的岩石节理裂隙边缘图像。     

基于HSL空间彩色图像多结构元形态边缘检测

构建了一类在HSL颜色空间基于多结构元彩色形态边缘梯度检测算法实现彩色图像边缘检测新算法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。该方法是把RGB空间的彩色图像转换到HSL空间,并且定义了在HSL空间的彩色形态学基本算子,提出了改进的多结构元彩色形态边缘检测算法。经过大量实验证明,该算法在有噪声的干扰下,比传统的方法能够更好地抑制噪声并提取有用的图像边缘信息,能满足不同的应用需要。