基于图像分块的边缘检测算法

Canny算子高低阈值的选取依赖图像全局梯度信息的统计,图像全局梯度信息和局部梯度信息的分布通常存在差异,导致在局部范围中较明显的边界可能被漏检。针对该问题,提出一种根据图像熵信息对图像进行分块的边缘检测改进算法,并将其用于Canny算子。实验结果证明了该方法的有效性,其检测效果优于直接运用Canny算子。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。     

基于形态学的遥感图像全方位边缘检测算法研究

遥感图像存在较多的噪声和畸变，直接用形态学梯度作边缘检测，存在结构元素单一、只对结构元素同方向的边缘敏感、去噪能力弱的缺陷。本文首先构造了全方位形态学结构元并进行边缘检测，然后再作边缘合成并得到最终图像边缘。实验表明，该方法可有效地滤除噪声并能保持图像边缘的细节。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数，用该乘积与原图像进行卷积运算，然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声，而且很好地检测出了图像的真实边缘。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

基于最大目标函数的医学图像边缘检测

鉴于医学图像特点和传统算法的缺点,提出一种新的医学图像边缘检测算法,该算法通过考察3×3模板的理想边缘结构特征,将模板像素沿边缘方向分为两个集合,通过距离度量函数构造适当的目标函数,计算四个方向的目标函数值,从而获得最大目标函数值,并与给定的阈值比较,应用非极大抑制方法,判别该象素是否为边缘点,最后进行双阈值连接,可得到单像素边缘图像。仿真结果表明,该算法能够有效检测医学图像边缘,所检测出的图像边缘细节丰富,单像素宽,定位准确。     

一种改进的数学形态学边缘检测算法

针对传统数学形态学边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等问题,提出一种改进的数学形态学边缘检测算法。该算法在保持传统形态学方法优点的基础上引入边缘方向信息,采用非极大值抑制方法对形态学梯度图像进行细化处理,利用新的基于方向的检测和连接方法从中提取边缘,既提高了检测出的边缘的分辨率,又实现了低强度边缘的保护,同时还获得了更强的抗噪声能力。与应用较为广泛的传统形态学方法及Canny边缘检测方法的比较研究也证明了该算法的有效性。     

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

基于置换群的遥感图像边缘检测

遥感图像在成像过程中会产生噪声,进行滤波去除噪声、从中恢复出有用图像,成为遥感图像进一步研究和应用的基础。在数学形态学的基础上引入置换群的相关理论,提出了一种结构元素变换算法,由传统形态学中单一固定结构元变换出多个形态结构元,不同形状的图像信息可选择不同形态的结构元来处理,适用于含噪遥感图像边缘检测,结果表明,算法与传统算法相比能取得较好的图像边缘处理效果。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

棉纤维截面图像的自适应阈值Canny边缘检测

提出了一种适用于纤维截面类图像的自适应阈值Canny边缘检测方法。该方法不仅继承了Canny算子的优点,还能在对象分布数量不明、分布密度不均匀的情况下自适应地计算Canny算子的高阈值T1和低阈值T2,在保证了纤维边缘检出率的同时,更大程度上抑制了背景噪声引入的伪边缘。     

Split Bregman算法在遥感图像边缘检测中的应用研究

针对基于水平集的边缘检测方法抗噪性能差,处理模糊边界和灰度不均匀性的能力弱,计算效率低,边缘检测结果的精确性极大程度上依赖于初始轮廓的位置且曲线演化易陷入极小值等问题,提出一种基于全局最优凸函数变分模型和Split Bregman数字最小化的边缘检测方法。该方法首先根据CV模型的构造原理,并利用Chan的全局最优化思想,构造了一个通用的可以获得全局最优解的凸函数变分模型;在曲线演化和数字最小化迭代过程中,引入了基于Split Bregman的快速迭代算法,可以使曲线在克服噪声等问题的影响下快速、准确、稳定地演化到目标的边界处。实验结果证明了提出的边缘检测方法既具有较高的计算效率,能够满足遥感图像边缘检测对实时性的要求,同时也具有较高的边缘检测精度和良好的普适性。     

一种基于改进的形态学红外图像边缘检测算法

针对红外图像边缘模糊和非均匀性噪声强的特点,提出了一种阈值分割与形态学相结合来提取红外图像特征的方法,对红外图像进行边缘提取。仿真实验结果表明：该方法能够清晰、有效的提取红外图像的边缘,改善图像质量,是一种有效的边缘检测方法,具有较好的实用性。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑,然后根据图像灰度进行对象云化处理,构建对象云。通过云运算生成边界云并构建边缘模糊特征平面,在条件概率和模糊划分熵的基础上,通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法能保留大量低灰度信息,并有效地去除了次要边缘对主边缘的干扰。     

基于改进的MoCo的遥感图像目标检测

卫星遥感图像的智能化处理存在着处理标注时标准不统一、数据分布不均匀的问题,导致有效样本不多、目标检测效果较差的现象。针对这种现象,提出一种基于MoCo无监督对比学习模型的目标检测算法,目标检测的框架采用以ResNet50为骨干网络的YOLOv5,使用对比学习得到的ResNet50的权重作为固定值不进行梯度迭代参与YOLOv5下游的检测任务训练。对比学习实验在AID数据集上进行,改进的MoCo v2的top-1精度最高达到95.888%。在下游的检测任务中,使用的是TGRS-HRRSD数据集,改进MoCo v2的预训练权重的mAP@.5:.95精度达到67.8%,较不使用预训练权重提高了5.6个百分点。结果证明改进的MoCo对比学习模型的有效性,在对比学习之后的下游检测任务中,检测精度也有所提高。     

基于NSCT阈值萎缩法的遥感图像去噪

针对图像去噪过程中产生的伪吉布斯现象以及峰值信噪比(PSNR)较低等问题,提出一种基于非下采样Contourlet变换(NSCT)阈 值萎缩法的遥感图像去噪算法。根据NeighShrink去噪算法中尺度内系数的邻域系数相关性,以及BiShink去噪算法中不同尺度间系数的相关性,对图像进行去噪,利用NSCT的平移不变性,抑制小波去噪中的伪吉布斯现象。实验结果证明,采用该算法去噪后的图像PSNR较高,视觉效果较优。