Zernike矩结合Sigmoid曲线拟合边缘检测方法

为了改进Zernike矩边缘检测方法对非直线边缘检测精度低的弱点,提出了一种改进的基于Zernike矩方法和Sigmoid拟合法的边缘检测方法。用Zernike矩边缘检测方法检测边缘,然后用Sigmoid拟合方法检测边缘,根据边缘类型对两种方法检测的边缘结果进行加权求和,所得结果为边缘位置。分别利用理想图像和实际工业CT图像进行了实验验证,实验结果表明对非直线边缘的检测,该方法检测精度相对于Zernike矩方法提高了一个数量级。     

结合LOG算子和小波变换的图像边缘检测方法

针对目前常用的边缘检测方法对噪声比较敏感,测得的边缘比较粗糙等现象,在传统边缘检测方法的基础上提出了一种基于数据融合的边缘检测方法。该方法分别采用改进的LOG算子和离散小波变换对原始图像进行边缘检测,建立相应的融合原则,并将两种方法检测出来的边缘进行数据融合,得到最终的图像边缘。实验证明,该方法结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于顺序形态学自适应边缘检测方法

基于顺序形态学自适应边缘检测方法是图像处理新技术之一,针对形态学单一结构元素在边缘检测中图像边缘信息丢失的问题,根据图像形态学多刻度形态滤波的思想,提出了基于顺序形态学自适应边缘检测方法。根据传统的形态学边缘检测方法,该方法构造了边缘检测算子,给出了边缘检测算子的评价函数。通过该函数选择不同方向的结构元素增加图像的边缘信息。实验结果表明,与传统的基于数学形态学的边缘检测方法相比,该方法可以最大程度上抑制噪声,有效地提高图像的边缘检测效果。     

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。     

一种改进的图像边缘检测算法的研究

图像边缘时图像的基本特征之一,阐述了边缘检测的基本理论和传统的边缘检测算子理论,提出了一种改进的图像边缘检测方法。通过实验表明,该方法能够有效的对图像边缘进行检测,目标边缘定位精度较好,并且能有效减少噪声对图像的干扰,从而提高了图像边缘检测的抗干扰能力。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小渡分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

基于Walsh-Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。论文提出了一种新的基于Walsh-Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单,而且检测到的边缘多于传统的边缘检测方法。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

一种改善的基于支持向量机的图像边缘检测算法

本文给出一种基于支持向量机方法的边缘检测算法,用以改善传统边缘检测方法中存在的比如粗糙边缘、不准确边缘等缺点。支持向量机是建立在统计学理论基础上的一种新的机器学习方法。首先提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测。用所得到的边缘检测算法与Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与Prewitt算法相比,边缘检测性能得到提高。     

一种通用的边缘特征检测方法及其实现

在分析几种经典的边缘检测方法基础上,总结了一种通用的边缘特征检测方法。基于C Builder语言,研究了该方法的设计与实现,并对常用的Roberts、Laplasian、Sobel、Prewitt等检测算子进行了实验验证,说明了本文斤法的有效性。     

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上，本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法，不仅可以对整个原始图像进行边缘检测，还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后，把这种算法与一些经典的图像边缘检测做了对比分析，实验结果表明该算法具有较好的图像边缘检测性能。     

基于方向信息的抗干扰性边缘检测算法研究

边缘检测是图像处理中的一个重要环节，本文主要针对传统微分算法的不足之处，从图像边缘的特性入手，提出一种基于方向信息的改进算法,文章介绍了改进算法的构造机理，通过实验与传统算法进行了比较，验证了该算法的可行性．同时表明该算法是对边缘检测算法的一种很好的补充．     

基于形态学多尺度算法的肺部CT图像边缘检测

医学图像边缘检测是医学图像处理和分析的基础,传统边缘检测算子对噪声敏感,检测到的图像边缘效果较差.本文提出了一种基于形态学多尺度算法的肺部CT图像边缘检测方法.首先对形态学边缘检测算子进行改进,然后利用形态学多尺度算法检测各尺度下的图像边缘,最后采用非均匀权值方法合成最终边缘.实验结果表明:该方法在检测出肺部图像边缘的同时能够很好地抑制噪声,是一种有效的肺部CT图像边缘检测方法.     

Edge enhancement by local deconvolution

In this paper a new approach for blurred image restoration is presented. Our algorithm is based on human vision which zooms back and forth in the image in order to identify global structures or details. Deconvolution parameters are estimated by an edge detection and correspond to the ones of a chosen edge detection model. The segmentation is obtained by merging multiscale information provided by multiscale edge detection. The edge detection is achieved by using a derivative approach following a generalization of Canny-Deriche filtering. This multiscale analysis performs an efficient edge detection in noisy blurred images. The merging leads to the best local representation of edge information across scales. The algorithm deals with a mixed (coarse-to-fine/fine-to-coarse) approach and searches for candidate edge points through the scales. Edge characteristics are estimated by the merging algorithm for the chosen model. Scale, direction and amplitude informations allow a local deconvolution of the original image. The noise problem is not considered in this work since it does not disturb the process. Results show that this method allows non-uniformly blurred image restoration. An implementation of the whole algorithm in an intelligent camera (DSP) has been performed.     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

一种基于统计的图像边缘检测方法*

提出了一种基于统计的图像边缘检测方法.它首先通过计算图像中每一点的梯度向量以及方差-协方差矩阵,然后对每一点的梯度向量进行非极大值抑制,最后使用统计的方法求出局部标准化梯度阈值来检测图像的真实边缘.通过与经典的边缘算子相比较,该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了虚假边缘的产生,取得了良好的效果.     

新型边缘检测法

灰度图阈值法、跟踪法、小波变换法是边缘检测的常用方法,这些方法所获得的边缘线出现断点,而且掺杂噪声,效果不很理想.给出了一种新型边缘检测方法:连续点过滤和多尺度边缘跟踪相结合.连续点过滤的边缘检测法可以获得较好的边缘,在此基础上利用多尺度的跟踪法,解决了检测图像的边缘断点问题,使得图像的边缘线更加确切和平滑.经实验验证,该方法比普通的方法在边缘精确性上有较大提高.     

Applications of algebraic moments for edge detection for locally linear model

We describe a subpixel edge detection approach in images. The proposed approach is based on the algebraic moments of the brightness function of halftone images. For an ideal two-dimensional edge, we consider a model with the following four parameters: the edge orientation, the distance from the edge to the center of the mask, and the brightness values from both sides of the edge. To obtain all subpixel parameters of the edge, six algebraic moments are used. To compute the moments rapidly, masks are used. The specificity of the proposed approach is as follows: masks of almost all sizes can be used and they are computed by means of explicit relations provided in the present paper as well. Increasing mask sizes, one can increase the accuracy of the detection of subpixel edge parameters, which is especially important for high-definition images. We present experiments displaying the efficiency of the proposed approach.     

自适应边缘检测方法的研究

图像的边缘是图像最基本也是最重要的特征之一。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,在精确制导武器中有着广泛的运用。针对经典边缘检测方法在阈值选取中存在的问题,在分析几种二值化阈值选取方法的基础上,提出了自适应的边缘测检方法。基于C++Builder语言,研究了该方法的设计并得到了实现。通过实验验证,说明了该文方法的实用性和有效性。