图像边缘检测的多尺度Gap统计方法

基于Tibshirani等的“Gap Statistic”思想,利用样本灰度数据分布差分析了图像分布间隙的规律,并在讨论随机含义下屋脊边缘和阶跃边缘等概念的基础上,建立了图像边缘检测的多尺度随机模型,给出了图像边缘检测算法,最后通过实例验证了该模型的抗噪声与多尺度特性。     

图像边缘检测的多尺度灰度Gap统计模型

汲取Hastie和Tibshiran i等人提出的“Gap statistic”的思想方法,利用样本灰度数据分布的差别定义多尺度的图像灰度间隙,在提出反分布函数概念的基础上,建立了图像边缘检测的多尺度灰度Gap统计模型。通过分析分布间隙和灰度间隙的一致性,优化了Gap统计模型的边缘检测算法。分析不同尺度下的检测结果,并比较了灰度Gap统计模型与Prew itt和Sobel边缘算子之间的相互关系。通过实例与分析,证明了该模型具有抗噪声、多尺度的特点。     

图像多尺度秩和统计间隙的模糊边缘检测模型

基于“Gap统计”理论思想,在概念“Wilcoxon秩和统计量”基础上提出了顺序秩和统计量、顺序秩和间隙以及边缘隶属度的概念,以相对半邻域之间图像灰度分布的顺序秩和差别为依据,建立了基于顺序秩和统计间隙的多尺度图像模糊边缘检测模型,分析了模型与Prewitt算子的关系.通过图像的边缘检测实例对模型进行了验证,比较了不同尺度下边缘检测的差别,验证并分析了噪声对边缘影响依尺度的关系.该模型具有多尺度、区域内部抗噪能力与尺度有关、噪声弱化弱边缘以及边缘具有隶属度、图像的边缘检测结果与尺度有关等特点,反映了边缘与纹理依尺度的关系.     

多尺度形态学图像边缘检测方法

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,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。     

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。     

多尺度下的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声鲁棒性较差的问题,根据Canny算子滤波器的尺度较小可以检测较小的边缘,但对噪声的抑制能力较差,反之检测较大的边缘对噪声的抑制能力较强的特点,提出了一种多尺度下的噪声图像边缘检测方法。运用Canny算子在不同尺度下检测边缘的优点,对含噪图像进行不同尺度的Canny边缘检测,对不同尺度边缘检测结果进行跟踪实现噪声图像的边缘检测。仿真实验结果表明,与传统的方法相比,改进的算法能较清晰地提取出图像的边缘,降低高斯噪声对图像边缘的影响。     

证据加权融合的多尺度形态学细胞边缘检测

提出了一种改进的多尺度形态边缘检测算法。用不同尺度的结构元素分别检测出图像的不同尺寸的边缘信息,然后采用证据加权的融合方法对不同尺寸的边缘图像进行融合。通过对病理显微图像的实验,在噪声存在的条件下得到较为理想的图像边缘。与其他边缘检测算法进行比较,结果表明该算法在有效地消除噪声的同时,能够取得较好的边缘检测效果。     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

多尺度边缘检测技术的分类及比较

本文综述了多尺度边缘检测技术：介绍了基本概念及有关理论；归纳了现有的各种多尺度边缘检测方法；     

基于组合式形态学算子的多尺度边缘检测

针对传统的边缘检测方法因卷积运算造成模糊图像边缘,且对噪声敏感,各种形态学边缘检测方法因检测到的边缘信息类型不同而容易使边缘信息丢失,提出一种组合式抗噪型形态学边缘检测算子;并利用不同尺度的结构元素具有不同的图像边缘检测效果,进行形态结构元素的尺度调整,得到不同尺度结构元素下的图像边缘位置;然后进行加权合成来获得边缘图像;实验表明,与其他的传统或者形态学边缘检测方法相比,该文方法不仅具有更好的噪声抑制功能,而且其检测到的边缘轮廓更加清晰完整,边缘细节更加丰富。     

图像分割的Gap统计模型

基于Hastie T.和Tibshirani R.等提出的"Gap statist"的思想,通过分析样本灰度数据分布的差别,提出了函数特征、间隙、总间隙及全间隙等概念,建立了图像分割的Gap统计模型,并给出了较为详细的算法。分析了图像分割Gap统计模型中正则部分和奇异部分的特点,导出了区域特征自相似函数的分割结果与模型调节参数的关系。比较了用于图像分割的Gap统计模型与 Mumford-Shah模型,结果表明图像分割Gap统计模型的复杂度明显低于Mumford-Shah模型。     

基于改进的多尺度形态梯度的图像边缘检测

应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。论文对多尺度形态梯度算子进行改进,并将其应用于图像的边缘检测。实验结果表明,基于改进的多尺度形态梯度的算法,综合了大尺度和小尺度形态梯度的边缘检测的优势,对阶跃边缘和模糊边缘进行了有效的处理,简化了计算,同时又能有效地去除噪声。     

Delphi实现图像边缘检测

总结了计算机图像边缘检测的基本步骤和原理,分析了实现图像边缘检测三种基本边缘算子,给出了基于Delphi编程工具的图像边缘检测的实现方法。     

一种基于小波变换的SAR图像多尺度边缘检测融合算法

SAR图像中的噪声是乘性的斑点噪声,对光学图像有效的检测算子并不适用于SAR图像的边缘提取。由于小波变换具有良好的时频局域化特性及多尺度分析能力,因此根据多尺度分析来构造多尺度边缘检测算子,通过改变高斯函数的标准差σ,就可以选择边缘检测的细节程度;最后,将各尺度检测结果进行融合来提高检测效果。实验结果表明,该方法取得了较好的检测效果。     

一种基于积分变换的边缘检测算法

介绍了一种用于图象区域和边缘检测的积分变换。该变换引入了灰度尺度和空间尺度，从而将图象变为表示象素点相互吸引的向量场，将边缘检测问题转化为在向量场中寻找相分离向量的问题。通过分析该变换用于边缘检测而产生的一些问题，给出了使用图象局部信息估计灰度尺度的方法。在对已有方法简化和改进的基础上，提出了一个基于此变换的边缘检测算法。最后给出该方法的识别结果，并与经典的边缘检测算法做了比较。试验结果表明，其边缘检测效果与Canny算法相似，是一种有效的边缘检测方法。     

基于一阶微分算子的玻璃碎片检测与识别

边缘检测是图像处理、计算机视觉中的基础内容,也是至今仍未得到圆满解决的一类。目前图像处理大多数都是针对数字图像,本文对数字图像中几种具有代表性的边缘检测算法进行了理论分析,设计了一个边缘检测演示系统,主要包括图像文件管理、图像边缘检测等功能模块。本文主要做了以下工作：第一部分,介绍边缘检测的基础;第二部分,分析设计边缘检测演示系统;主要是开发工具的介绍和详细设计过程;第三部分,本次设计的收获和展望。     

基于一阶微分算子的玻璃碎片检测与识别

边缘检测是图像处理、计算机视觉中的基础内容,也是至今仍未得到圆满解决的一类.目前图像处理大多数都是针对数字图像,本文对数字图像中几种具有代表性的边缘检测算法进行了理论分析,设计了一个边缘检测演示系统,主要包括图像文件管理、图像边缘检测等功能模块.本文主要做了以下工作:第一部分,介绍边缘检测的基础;第二部分,分析设计边缘检测演示系统;主要是开发工具的介绍和详细设计过程;第三部分,本次设计的收获和展望.     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。