不同光照条件下含噪遥感图像边缘检测算法

针对不同光照条件导致遥感图像采集过程中形成随机噪声的问题,研究不同光照条件下含噪遥感图像边缘检测算法,以此提升遥感图像配准、识别的精度。针对不同光照条件下遥感图像获取过程中的随机高斯噪声,将邻域均值滤波算法与中值滤波算法相结合构建加窗中值滤波算法,利用该算法对含噪遥感图像实施滤波处理,消除遥感图像内的各类噪声。针对去噪后的遥感图像,利用Canny算子进行图像梯度计算,并进行最大值约束。对约束后的遥感图像梯度直方图采用最大类间方差法自适应检测和连接边缘的高、低阈值,通过跟踪边缘像素点,完成遥感图像边缘检测。测试结果表明,该算法可最大限度上还原实际遥感图像,准确检测图像边缘信息,提升遥感图像配准、识别的精度。     

基于灰度合成的图像素描效果生成算法

提出一种采用灰度合成的图像素描效果快速生成算法,实现真实感图像的艺术化生成.不同于已有算法只是利用经典的边缘检测方法来提取图像的边缘特征,本算法通过灰度信息分布来控制素描图像的细节特征,通过灰度合成得到图像边缘特征的加强和柔化,形成素描效果.算法首先得到输入图像的灰度反色图,并对其进行高斯模糊滤波,平滑边缘特征.然后采用灰度合成将滤波后的反色图和输入图像的灰度图进行合成,并同时起到对混合的图像的亮度进行自适应调整的作用,形成图像素描艺术风格.实验结果表明,算法在突出边缘特征的同时,能够较好地保持输入图像的细节特征,并实现素描效果.     

基于梯度的自适应边缘检测算法研究

对常见的边缘检测算法进行改进,基于梯度提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边界点像素灰度值的差异,分析模版中的9个像素,计算出像素的梯度幅度和梯度方向;按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于遗传算法阈值优化的模糊边缘检测

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失的问题,提出一种改进的图像模糊边缘检测算法。算法先使用遗传算法和Otsu得到最佳阈值参数,通过阈值定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强提高区域之间的层次,加强边缘两侧的对比度;再对图像进行灰度增强;最后用Min算子提取出图像的边缘。实验结果表明,改进算法提高了边缘检测质量。     

零件几何参数测量中的边缘检测算法的研究

提出了一种综合利用图像灰度信息和灰度梯度信息的边缘检测算法．首先,使用基于Sobel算子的改进的边缘检测算法对灰度图像进行处理得到梯度图像．其次,综合应用其他边缘检测算法,完成对目标边缘的准确检测,最后,沿边缘的梯度方向进行多项式插值法亚像素细分计算,对边缘进行亚像素精确定位．     

人脸检测中的图像光照处理研究

在人脸检测过程中,由于光照条件的不同对人脸的检测结果影响很大.提出了一种基于灰度统计模型的对数变换和局部归一化相结合的复合光照处理算法,并且有效的消除了局部归一化所产生的虚假边界.该算法不仅可以调节光照条件较差的图像,对于光照条件较好的图像,也产生较少负面作用.通过与其他常用的一些光照调节方法也做了相应的比较,实验表明,此算法能有效地改善图像质量,减少不同光照条件对人脸检测准确率的影响.     

支持向量机和元胞自动机相结合的图像边缘检测方法

针对如何提高图像边缘检测效率的问题,提出1种结合最小二乘支持向量机(LSSVM)和元胞自动机进行图像边缘检测的方法.首先,基于Gauss径向基核和多项式核构建出新的核函数,使得LSSVM对图像像素邻域的灰度值能够进行准确的曲面拟合.接着,推导出图像的梯度算子,并与图像灰度值进行卷积得到图像的梯度值.然后,元胞自动机按照所设计的局部规则对梯度值进行演化,实现图像边缘的定位和检测.仿真实验检测出的图像边缘定位准确,而且达到1个像素宽,表明新提出的边缘检测算法是有效的;同时,通过对比分析得知新算法具有比Sobel和Canny算法更高的检测性能.     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.     

基于方向扫描的图像光照补偿算法

提出了一种基于二维图像信息的人脸光照补偿算法。基于人脸形状与球面相近的假设,首先沿人脸对称方向估算均匀光照下人脸图像灰度的统计信息,并对统计信息进行数据拟合,构建标准光照模型;然后估算非均匀光照下人脸图像的大致光照方向,并沿垂直光照方向对图像灰度进行统计分析;最后利用标准光照模型,结合线性和非线性变换,把非均匀光照下人脸图像调整到标准状态。在Yale B人脸库上的处理结果表明,该算法可以解决大角度斜光照和极度暗光照情况下光照补偿问题,且算法简单计算量小。     

一种基于Sobel算子的彩色图像边缘检测新算法

在研究灰度图像边缘检测方法的基础上,针对彩色图像的特点,提出了一种改进的Sobel算子边缘检测算法,并用MATLAB进行了仿真。仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,得到的结果图像边缘比较模糊,而本文提出的改进算法,不但图像边缘比较清晰,而且还能有效降低图像的噪声,将Sobel算子边缘检测算法从灰度图像很好地移植到了彩色图像。     

单线阵CCD系统的表面凹坑缺陷检测方法

为解决表面凹坑缺陷与其他平面表面缺陷同时在线检测的问题,提出一种基于单线阵CCD系统进行表面凹坑缺陷检测的方法．根据光辐射照射模型和相机成像模型,建立了基于单线阵CCD的凹坑检测数学模型,由模型推导出图像像素灰度与凹坑深度的关系,利用特定光源和光照角度的关系,进行表面凹坑缺陷的检测．结果表明,由于凹坑边缘部位深度的渐变引起CCD输出电压信号的渐变,凹坑图像呈现边缘像素灰度渐变现象,且随光源光照角度的降低,凹坑图像特征更加突出．边缘灰度渐变的图像特征成为凹坑缺陷与其他平面缺陷相区别的重要特征,有利于凹坑缺陷的检测与识别．     

基于Riesz变换的图像边缘检测

针对传统边缘检测算法易受光线变化影响的问题,提出一种基于Riesz变换空间下的相位一致性边缘检测方法。用Riesz变换替代Hilbert变换对图像进行处理,通过Riesz变换的不同尺度因子构造计算相位一致性所需要的变换空间,根据相位一致性计算方法在新的Riesz变换空间获得特征图像;使用非极大值抑制检测出图像边缘信息;与传统相位一致特征提取方法、2DLog-Gabor变换以及Canny边缘提取算法对比实验。仿真实验结果说明,该边缘检测方法在不均匀关照条件下可用于图像的边缘特征提取,相比在Hilbert变换空间下的相位一致特征提取方法运算速度快,算法可行有效。     

一种改进型柔性形态学边缘检测算法

该文作了基于数学形态学的图像边缘检测算法的研究。利用形态学基本算法的图像处理特点,对常用的边缘检测算法以及传统的形态学边缘检测算法加以分析和比较,指出各自的特点以及不足。再结合几何算法,运用到二值灰度图像边缘检测中,基于边缘检测的经典算法与柔性滤波特性,提出了柔性形态学边缘检测算法及优化算法,完成图像的边缘检测及去噪处理。     

噪声对边缘定位精度的影响

针对噪声对图像边缘检测等过程带来的极大干扰严重地影响了图像质量的问题,研究图像中所混有的白噪声对边缘定位精度的影响。采用一维灰度矩法与高斯拟合法这两种亚像素边缘定位法进行比较、分析,分别讨论了两种算法在偏移量不变、不同信噪比情况下,噪声对边缘定位精度的影响。实验结果表明,在对受噪声影响的图像进行边缘检测时,采用高斯拟合法能够有效地抑制噪声,提高检测精度,在信噪比SNR≥30dB时的分辨率精度能达到0.02个像素,而一维灰度矩亚像素边缘法无法达到该精度。     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

Vehicle detection using the location relationship model between multi-components

In view of the complex traffic and changeable weather and illumination in a scene, traditional vehicle detection method based on the single part model may result in a bad detection. So, using the spatial location relationships existing in multi-components of the vehicle, license plate and rear lamps are selected to construct the probabilistic models, through which vehicles are detected in this paper. In the new method, first, the color image of the road video is decomposed to the rear lamp gray image and license plate gray image through a different color conversion model. After that, the further identification for the license plate is accomplished through the key steps of gradient feature extraction, regional gradient smoothing and local maximum gradient search; similarly, the further identification of rear lamps is accomplished through the key steps of threshold segmentation, connected domain analysis and area calculation. Finally, With the Gaussian Mixture Model, relationships between the parts of the probability are established, and for the relationship model, if it makes the likelihood probability greater than a preset threshold, we argue that these parts belong to the same vehicle, and take the test result as the final vehicle detection result. Experimental results indicate that the new vehicle detection method has a strong adaptability, which can perfectly deal with the bad illumination conditions and target occlusion conditions, as well as a variety of vehicle types.     

基于BP网络的工业CT图像边缘检测

采用改进的BP算法,实现工业CT图像的边缘检测。本文构造了学习样本,可以在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测。并在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测。通过对发动机CT图像的实验,证明利用本文得到的权值矩阵用于边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘。     

基于细胞神经网络的尿沉渣图像分割

针对临床尿沉渣显微图像识别问题,提出了一种新的图像预处理方法和基于细胞神经网络（CNN）的分割算法.该方法通过拉伸图像中各个像素的灰度值与局部灰度值之间的差来增强图像中目标的边界,通过对局部灰度均值的非线性变换来消除图像中光照的不均匀,进而设计出合适的CNN模板来分割图像,最终利用形态学操作得到分割结果.通过对100幅临床尿液样本图像的测试,并与传统的阈值分割法相比,该方法获得了更加连续的边界和更加准确的目标分割结果,并已集成到全自动尿液粒子分析系统中,应用于临床,取得了良好的效果.