基于Canny 算子的大米边缘检测

为解决传统边缘检测算法对大米图像边缘检测精度低以及对噪声敏感的问题,提出一种改进的Canny边缘检测算法。该方法首先采用非线性扩散滤波减少图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制噪声的影响;最后采用最大类间方差法选取阈值,从而提高对不同图像的自适应性。通过对实验图像的分析表明,本文的改进算法运用到大米图像边缘提取中效果显著,满足大米质量检测和分级的要求。     

基于边缘连续性的边缘检测算法

针对传统的边缘检测算法抗噪能力弱、弱小边缘难以检测以及边缘图像容易出现断层等问题,本文提出了一种新的边缘检测算法。该方法首先对边缘进行提取,然后进行边缘连接。边缘是图像灰度突变的反应,像素点的梯度以该像素点为对称中心,由对称位置灰度有明显变化的像素点的个数加权得到。对梯度较大的像素点计算其方向,通过像素点方向的连续性进行边缘提取。为了克服边缘图像出现断层的缺陷,利用蚁群算法进行边缘连接 。实验结果表明,该方法有较强的抗噪能力,尤其对椒盐噪声,且可以有效地检测出灰度变 化不明显的边缘。     

Codebook Edge Detection

This paper deals with the problem of extracting edge structure from compressed image representations. As image coding techniques become more common in image manipulation systems, it is reasonable to develop methods of analyzing an image using operations on the compressed image representation rather than the reconstructed image. Such an approach can be computationally efficient and produce an overall gain in computing performance.In this paper a technique for detecting edges directly from vector-quantized image representations is developed. The technique is shown to provide good performance in comparison to other gradient-type edge detectors, requiring no computation beyond the initial coding of the image. This approach provides a method ofextracting edge information which may be useful in the processing of very large image datasets.     

一种快速边缘检测算法

边缘检测是对图像中像素值的不连续性的度量、检测和定位,是图像分析领域中的一个基础问题.基于斜面分解的非对称逆布局图像表示方法(IDNAM)借鉴斜面拟合和逆布局的思想,使用矩形斜面子模式(RIP子模式)实例的集合来表示图像.基于IDNAM,提出一个RIP子模式内的理想边缘模型,将RIP子模式内的边缘分成五种,并给出了每一种边缘的强度和方向的计算公式.为了消除噪声对边缘检测结果的干扰,提出了RIP子模式内边缘存在性判定条件.根据理想边缘模型和判定条件,提出了一种基于IDNAM的边缘检测算法.理论分析和实验结果均表明,基于IDNAM表示的边缘检测算法的处理速度较传统的边缘检测算法更快.     

Edge Detection in fingerprints

A suitable method for ridge detection in fingerprint is presented in this paper. This proposed method blends some of the results developed in image enhancement and edge detection literature to minimize the effect of noise.     

自适应多尺度边缘检测

提出了自适应多尺度边缘检测算法及其快速实现办法.算法通过自适应确定边缘像元的最佳滤波尺度来检测边缘,计算量较小.同时提出了一种自适应确定一幅图像边缘的尺度范围的方法,并为描述边缘特性增加了一个边缘尺度参数.用于检测实际图像边缘的实验结果是令人满意的.     

基于边缘检测器组合的密集边缘检测

本文提出了基于多个边缘检测器组合的密集边缘检测方法 ,并从理论上阐述了此方法的性质 .在实验中 ,采取了组合中值混合滤波器、Teboul变分法和最优的 Gabor滤波器的方式 ,随后用组合的边缘检测器对人脑横切片图和取自 Vis Tex数据库的图像进行分割 .实验结果表明此方法是有效的 .     

基于局部统计特征的边缘检测

该文通过分析图像灰度信息的变化,提出局部变异系数的概念,并指出使用该特征进行图像边缘检测的可行性。对于提出的算法,该文结合不同图像进行了实验仿真,并对实验结果进行了分析。由实验结果表明,针对某些图像,使用局部变异系数能较好的提取出图像的边缘。最后,还指出了该算法一些改进的方法。     

Ridgelet变换在图像边缘提取中的应用

本文介绍了Ridgelet变换理论,利用Ridgelet变换的多方向性,提出一种基于正交有限Ridgelet变换的图像边缘提取方法,并将本文方法与传统的边缘提取方法进行了比较。实验表明,有限脊波变换有更好的边缘提取效果。     

经典边缘检测的快速算法

边缘检测是图像处理的重要步骤，在许多实际应用中检测速度是至关重要的。本文在分析传统经典边缘检测算子内在结构的基础上，提出了一种有效的快速算法，实验表明随着图像尺寸的增大，该算法可比经典计算方法快10倍以上。     

图像边缘检测方法研究

边缘检测是图像处理和模式识别领域的基本课题。阐述了传统的边缘检测方法——微分算子法和现代的一些边缘检测方法——小波分析、形态学、分形、模糊学、人工智能、遗传算法等,分析了以上各种算法在图像边缘检测中的发展状况及其优缺点。为了直观地看出各种算法的效果,给出了用一些常用算法对同一幅目标图像进行边缘提取的结果。最后提出在实践中应根据待解决问题的特点和要求决定采用何种方法。     

基于多尺度空间边缘检测的研究

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。该文综述了多尺度边缘检测技术:介绍了多尺度检测的基本概念;归纳了现有的各种多尺度形态学边缘检测方法。     

基于图形处理器的边缘检测算法

边缘检测是一种高度并行的算法,计算量较大,传统的CPU处理难以满足实时要求。针对图像边缘检测问题的计算密集性,在分析常用边缘检测算法的基础上,利用CUDA(Compute Unified Device Architecture,计算统一设备架构)软硬件体系架构,提出了图像边缘检测的GPU(Graphics Processing Unit,图形处理器)实现方案。首先介绍GPU高强度并行运算的体系结构基础,并将Roberts和Sobel这两个具有代表性的图像边缘检测算法移植到GPU,然后利用当前同等价格的CPU和GPU进行对比实验,利用多幅不同分辨率图像作为测试数据,对比CPU和GPU方案的计算效率。实验结果表明,与相同算法的CPU实现相比,其GPU实现获得了相同的处理效果,并将计算效率最高提升到了17倍以上,以此证明GPU在数字图像处理的实际应用中大有潜力。     

图像边缘检测综述

边缘检测的任务是将亮度变化明显的像素点识别为目标边缘,是计算机视觉低层级问题,并且边缘检测在对象识别和检测、对象提议生成、图像分割有着重要应用。如今,边缘检测已经产生了多类方法,如基于梯度的传统检测方法、基于深度学习的边缘检测算法,还有结合新兴技术的检测方法等。对这些方法进行更精细的分类,让研究者更清楚地了解边缘检测的发展趋势。对传统边缘检测的理论依据及实现方法做出介绍;详细介绍近年来主要的深度学习边缘检测方法,根据使用的方法进行分类,并对其中所使用的创新技术进行说明,如分支结构、特征融合和损失函数。衡量算法性能采用评估指标：单图最佳阈值（ODS）和帧数（FPS）,在基础数据集（BSDS500）上进行对比。对边缘检测的研究现状进行分析和总结,对未来可能的研究方向进行展望。     

改进的Canny边缘检测算法

Canny算子是一种含有最优化思想的算子,具有较高的检测精度,所以被广泛地应用;因为它本身对噪声比较敏感,所以需要利用Gauss函数进行去噪。分析了原判断非极大值抑制条件存在的问题,提出了新的判断非极大值抑制的条件,设计了新的梯度检测算子,该梯度检测算子可以有效地抑制噪声。数据分析和实验结果说明了所提算法的有效性。     

基于多尺度空间边缘检测的研究

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。该文综述了多尺度边缘检测技术;介绍了多尺度检测的基本概念;归纳了现有的各种多尺度形态学边缘检测方法。     

Edge Detection by Adaptive Splitting

In this paper we propose an algorithm (EDAS-d) to approximate the jump discontinuity set of functions defined on subsets of ℝ ^d . We have limited our study to the 1D (EDAS-1) and 2D (EDAS-2) versions of the algorithm. Theoretical and computational results prove its effectiveness in the case of piecewise continuous 1D functions and piecewise constant 2D functions. The algorithm is based on adaptive splitting of the domain of the function guided by the value of an average integral. EDAS-d exhibits a number of attractive features: accurate determination of the jump points, fast processing, absence of oscillatory behavior, precise determination of the magnitude of the jumps, and ability to differentiate between real jumps (discontinuities) and steep gradients. Moreover, low-dimensional versions of EDAS-d can be used for solving higher dimensional problems. Computational experiments also show that EDAS-d can be applied to solve some problems involving general piecewise continuous functions. EDAS-1 and EDAS-2 have been used to determine edges in 2D-images. The results are quite satisfactory for practical purposes.     

Robust Consensus Based Edge Detection

We present a new robust algorithm for edge detection. The algorithm detects both roof and step type edges. A pixel is declared as an edge pixel if there is a consensus between different processes that try to determine if the pixel lies on a discontinuity. We use robust estimation methods to estimate local fits to windows in the pixel′s neighborhood and accumulate votes from each fit. The use of robust estimators enables us to transform any window possibly containing a discontinuity to a binary window containing a step edge in the location of the discontinuity. We then employ conventional methods to detect this step edge. We show experimental results on simulated edges and synthetic images with varying Gaussian and random noise levels and analyze the probability of detection. The algorithm is also applied to several real intensity and range images and it is shown to perform well. A comparison with the Canny edge detector is given when applicable.     

基于纹理分析的边缘检测方法

本文对传统的边缘检测算子进行了分析,指出了存在的不足;通过将纹理分析的思想和传统的边缘检测算子相结合,提出了一种基于纹理分析的边缘检测新方法。该方法对图像进行纹理分析后自适应地选择模板,因此很好地保持了图像边缘的细节并且抑制了噪声。     

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...