独立边界自增强方法

提出了独立边界的自增强算法.使用反复随机搜索获得各种可能的独立边界轨迹;使用搜索轨迹的自增强代替过去的固定点的领域增强方法;采用搜索轨迹的积累技术代替过去的迭代操作.实验证明:该方法克服了过去的方法对噪声和局部错误极度敏感的缺点,能够在进行边缘增强的同时有效地抑制噪声.     

景物边缘提取的边缘分段自增强算法

景物边缘信息是进行图象分析和识别的重要属性,如何有效地从噪声图象中提取边缘是这些领域中的难点。该文提出了一种边缘分段自增强算法用于噪声图象的边缘提取。该算法首先对噪声图象进行小尺度高斯滤波,并使用该文设计的新型边缘检测算子获取引导信息,此边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能;然后对各搜索轨迹进行分段自增强,最后根据自增强累积的程度获取噪声图象中的边缘。实验结果表明:此算法能够有效地从噪声图象中提取物体的真实边缘,并能最大限度地保留细节信息。     

一种从噪声图像中提取边缘的启发式搜索算法

提出一种在噪声图像中基于边缘分段自增强的启发式边缘搜索算法.首先对噪声图像进行小尺度高斯滤波;再使用本文设计的新型边缘检测算子获取引导信息,此边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有较好的性能;然后对各搜索轨迹进行分段自增强;最后根据自增强累积的程度获取噪声图像的边缘.实验结果表明:此算法能够有效地从噪声图像中提取物体的真实边缘,并能最大限度地保留细节信息,其性能优于经典的Canny算子.     

一种新的保留细节信息的噪声图像边缘提取算法*

一种用于噪声图像边缘提取的算法首先对噪声图像进行小尺度高斯滤波,使用新型边缘检测算子获取引导信息（边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能）,然后对各搜索轨迹进行分段自增强,最后根据自增强累积的程度获取噪声图像中的边缘。实验结果表明,该算法能够有效地从噪声图像中提取物体的真实边缘,并能最大限度地保留细节信息,性能优于经典的边缘提取算法。     

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构,同时能滤除边界图象中的噪声干扰,提出了一种基于遗传算法在图象边界规整方法。该方法首先将已经检测得到的边界图象编码为两维二值码串个体,并根据理想边界模板集来计算每个个体的适应度;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整。在遗传算法收敛时,该算法不仅能得到最适合有效理想边界结构的边界图象,并能有效地滤除边界图象中的噪声。     

基于自适应堆滤波的边界检测

从被噪声干扰的图象中提取边界是图象测试与分析的关键之一。通常需要先滤除图象中的噪声，再用边界检测算子求出边界。本文介绍了一种边界直接检测法，即将边界检测与噪声滤波相结合，它是基于自适应堆滤波的边界检测法。首先非线性堆滤波器用于求出图象某象素点邻域内的灰度最大值与最小值的最优估计，然后以此两估计值之差代替原象素点灰度值。最后对之二值化求出边界。本文根据最小平均绝对误差准则，采用自适应方法求解堆滤波器。这种方法类似于线性自适应滤波器的ＬＭＳ方法，先任设一初始堆滤波器，利用期望图象与合噪声图象对堆滤波器进行迭代训练，最后求出最优化的自适应堆滤波器。文章最后给出了采用自适应堆滤波法求取图象边界的试验结果，表明这种方法可以有效地抑制各种分布的噪声干扰。     

基于启发式搜索的车道线识别算法研究

在车道边界识别中,边界点的提取是关键,常用的边界点提取方法因对噪声的抑制能力不强产生较多噪声点,从而影响识别效果。提出一种边界点启发式搜索算法,根据梯形匹配模型、车道线灰度变化特征和实际车道宽度约束,确定搜索的起始点,从起始点根据度量代价准则函数搜索车道边界点。采用直线道路模型结合Hough变换来拟合车道边界。实验表明,该算法实时性好、可靠性强、鲁棒性高。     

超声图象的自适应线边界检测方法

针对超声图象存在一种特殊的斑点噪声 ,使图象边界与细节变得模糊 ,而严重影响图象质量的问题 ,提出了一种自适应线边界检测方法 ,即以不同方向与不同大小的“窄条”来近似组织边界 ,这种“窄条”是指具有不同长度、方向各异的线段 .该方法首先将经过每一像素点的“窄条”的最大投影作为该点的灰度值 ;然后应用假设试验优化方法确定“窄条”方向 ,而“窄条”的长度由基于区域增长的局部统计特性决定 .通过引入噪声抑制与边缘保留量化参数 ,进行了仿真斑点图与组织超声图的处理实验 ,并与自适应斑点抑制滤波、直接线边界检测方法进行了比较 ,结果证明 ,该方法不但能有效地抑制斑点噪声、而且能很好地保留与增强图中的组织边界与局部细节 .     

基于能量活动曲线的肾脏超声图象的边界提取

与CT和MRI等医学图象相比，超声图象由于图象质量较差，相对难以分割，特别地，由于某些器官的边界不是很明显，尤其是肾脏的组织和组织之间的边界难以区分，因此，肾脏超声图象的边界提取对人们来说更富有挑战性。为了解决这一问题，本文提出了一种半自动的肾脏超声图象的边界提取方法。该算法基于能量活动曲线模型，并做了几点重要的改进，同时利用肾脏超声图象的统计模型，比较好地克服了肾脏复杂边界的影响，有效地提出了超声图象的肾脏边界。     

基于规则的边缘连接算法在路面病害检测中的应用

本文提出了一种基于规则的边缘连接算法,此算法对通过边缘检测提取的病害边缘块进行启发式搜索,采用基于规则的方法计算边缘连接的可信度作为连接质量的度量。通过在江苏省高速公路路面病害自动检测系统中的应用,表明此方法有较高的连接效率,同时能有效地抑制噪声。     

噪声图像中边界提取方法的研究

在噪声图像中如何有效的提取边界是图像分析中的难点，常用的边界提取方法往往对噪声对敏感，文章针对这一情况采用了保持图像细节的多级组合滤波器先将噪声从图像中分离出来，然后再对图像进行边界提取，实验表明，该方法可以在有效的抑制噪声的同时提取出有意义的边界。     

基于改进布谷鸟搜索算法的图像边缘检测

针对传统边缘检测算法自适应能力差、固定阈值、背景噪声抑制的问题, 为了获得更理想的图像边缘检测结果, 提出了一种基于改进布谷鸟搜索算法的图像边缘测算法. 首先通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵, 然后用改进布谷鸟搜索算法根据布谷鸟繁殖行为找到搜索图像的梯度最大值, 检测出图像的边缘, 最后采用仿真实验对算法的性能进行检测. 仿真实验结果表明, 本文算法能快速、准确地检测出图像的边缘, 且优于其他传统边缘检测算法.     

数学形态学在数字图像处理中的应用研究

传统边缘检测算法由于对噪声敏感,难以准确提取图像边缘,导致图像处理效果不佳.基于传统数学形态学算法中结构算子的方向性和尺寸几何的基础上进行算法改进.针对抗噪型碰撞腐蚀形态学边缘检测算子结构元素特征,采用不同大小结构元素组合来提取边缘特征,有效保证了图像细节的同时去掉较大噪声点.根据结构元素的方向性,利用同向结构元素图像的匹配来检测各边缘信息,确保不同向边缘信息的完整度.通过比较文本改进算法与传统的边缘检测算法对图像边缘检测效果表明:本文提出的改进算子在处理较大图像边缘检测时具有更快的检测速度,且图像边缘光滑,细节清晰,具备了更强的抗噪性能.     

基于遗传量子的自适应图像分割算法

虚拟娱乐照相领域的图像分割,目的在于实时地提取显示出背景中的感兴趣目标,但由于常用的分割方法容易丢失图像的边缘细节信息,而且运算时间长,难以实现质量与速度的平衡,为此文章提出了一种基于遗传量子进化算法的图像分割方法。该方法首先运用遗传量子方法进行阈值搜索,然后进行区域分割,再利用形态学方法对图像边缘细节进行补偿,并去除噪声。仿真结果表明,与传统方法比较,该方法能有效地提取图像中的人像,保留细节边缘。     

椭圆窗口和参数自适应的非局部均值算法

对于传统的非局部均值(NLM)算法,方形搜索窗口会将大量低相似度的图像块引入去噪图像的加权平均计算过程中,导致去噪图像的细节轮廓变得模糊.针对此问题,提出了利用控制核函数来获取椭圆窗口和图像块参数的自适应NLM算法.首先,根据图像的局部梯度信息和结构张量获得可描述图像局部边缘结构的椭圆方程,并由此确定搜索窗口的形状,从而将搜索窗口的搜索范围限制在与图像局部结构相一致的区域内;然后采用控制核函数获得和搜索窗口形状一致的椭圆形图像块,并结合平滑参数自适应的思想进一步增强算法效果.通过在不同噪声等级的经典灰度图中进行实验,实验结果表明,该算法相比于传统NLM算法和参数自适应的NLM算法,在客观的图像评价指标上,有着更高的PSNR和SSIM值;而在主观视觉上,随着噪声等级的提升,该算法在抑制噪声的同时,能够更好地保留住图像的高频纹理信息.     

基于多态蚁群优化的图像边缘检测

为了获得更好的边缘检测效果,提出了多态蚁群优化的边缘检测算法。通过侦察蚁的局部搜索标记侦察素,在搜索蚁进行全局搜索的过程中辅以侦察素的作用,提高算法的寻优能力。实验表明,算法在能够提取出弱边缘的情况下,有效地抑制了噪声和纹理信息。