快速模糊边缘检测算法

通过对Pal.King的模糊边缘检测算法进行改进，提出了一种快速模糊边缘检测算法，该快速算法不但简化了Pal.King算法中复杂的G和G^-1运算，而且通过实验，确定了Tr变换中最佳的隶属度阈值，大大地减少了迭代次数，从实验结果中可以看出，该快速算法不但提高了PalKing算法的效率，而且具有很强的检测模糊边缘和细小边缘的能力，这种快速算法的性能优越，是一种非常实用的、高效的图像处理算法。     

基于小波和快速模糊算法的医学图像边缘检测

在医学图像中,常常需要得到图像的边缘轮廓线,以便诊断病变情况.为适应这种需求,文中提出了基于小波分解和快速模糊算法的医学图像边缘检测方法.针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低频信号得不到有效利用、边缘检测速度较慢等问题,利用小波分解和快速模糊算法的优点构造边缘检测算法.这种方法使得小波分解后的低频信号中所包含的有用信息得到了利用,简化了算法并提高了算法的效率,增强了算法的适应性.文中算法检测出的图像边缘与经典边缘算子提取的图像边缘相比较,结果更加清晰完整.     

小尺寸工件在线检测系统中的图像边缘检测

本文描述了用于小尺寸工件线检测系统的图像预处理技术及边缘检测技术，重点介绍了几种平滑算法和边缘检测算法及它们之间的比较，进而总结归纳了一种适用于小尺寸工件检测系统的、具有实用价值的边缘检测算法，该方法不仅执行速度快，而且精度高，填补了国内该领域的空白。     

模糊多尺度边缘检测算法的研究

为了解决多尺度边缘检测中有效检出和精确定位的矛盾,本文提出了一种新的模糊多尺度边缘检测算法。该算法以图像的小波分解为基础,把图像的多尺度信息描述为模糊矩阵,然后利用模糊集的并-交运算进行信息的合成,最后通过λ截矩阵完成边缘图像的获取。通过与经典算法的比较,实验结果证明了该算法的可行性和有效性。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

图像边缘检测相关算法研究

首先论述了两类图像边缘检测方法,然后论述了图像边缘评价指标,即误检率和定位精度,最后从R0berts算子、Sobel算子、LOG算子、Otsu算法等几个方面,详细论述了相关经典的图像边缘检测算法。     

模糊多尺度边缘检测算法应用研究

在小波多分辨分析的基础上提出了一种基于模糊判决的图像多尺度边缘检测算法.二进小波变换用于提供图像的多尺度描述，将模糊判决方法应用于不同尺度间的小波域，从而可以将各尺度的图像信息更加有效地合成，得到最优边缘检测效果. 本文结合具体的图像信号将本算法与Canny算法、小波的Mallat算法进行了比较，结果证明了其可行性和有效性.     

用多尺度小波变换进行边缘检测算法的研究

提出一种用多尺度小波变换局模最大值进行边缘检测的算法，并将该算法与经典的Ｓｏｂｅｌ算子进行比较，结果表明用该算法进行边缘检测是可行的。     

基于边缘连续性的边缘检测算法

针对传统的边缘检测算法抗噪能力弱、弱小边缘难以检测以及边缘图像容易出现断层等问题,本文提出了一种新的边缘检测算法。该方法首先对边缘进行提取,然后进行边缘连接。边缘是图像灰度突变的反应,像素点的梯度以该像素点为对称中心,由对称位置灰度有明显变化的像素点的个数加权得到。对梯度较大的像素点计算其方向,通过像素点方向的连续性进行边缘提取。为了克服边缘图像出现断层的缺陷,利用蚁群算法进行边缘连接 。实验结果表明,该方法有较强的抗噪能力,尤其对椒盐噪声,且可以有效地检测出灰度变 化不明显的边缘。     

小波边缘检测算法的分析

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。目前,小波理论的发展和成熟而兴起的基于小波变换的多尺度的图像边缘检测算法,在图像检测、图像分割以及图像增强等领域有着广泛的应用。     

一个基于知识的边沿提取算法

描述了神经网络的非线性能力,提出边沿提取的神经网络应用新算法。在理解Ｍａｒｒ算子意义的基础上,将Ｍａｒｒ特征融入神经网络结构,提高该算法的整体性能。同时,对不同边沿提取算法在不同噪声环境下进行比较,结果表明,新算法的网络结构具有较强的抗器材怕能力,可以在实际环境的机器人视觉领域得到很好的应用。     

基于小波多尺度积的边缘检测算法

在分析小波变换对噪声和边缘点影响规律的基础上,结合多尺度乘积的特性,提出了一种基于小波变换的多尺乘积边缘检测新算法。通过边缘检测性能评测计算和实验验证表明,该算法能有效增强边缘、抑制噪声,且定位精度高。     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.     

图像小波边缘检测中边界处理的研究

工程应用中需要处理的信号通常都局限在有限的时域或频域之中。在处理这些数据时,多数变换方法都要求在边界处做某种延拓处理,小波变换也不例外。而传统的延拓方法在前后两个边界处都会产生伪边缘,并且在延拓时还需考虑滤波器系数长度的奇偶性。为了解决这些问题,文章对图像小波边缘检测中传统的边界处理方法进行了研究,并对其进行了改进,即采用右边界延拓法消除了左边界处的伪边缘,减少了伪边缘的数目。在此基础上又进一步提出了右边界右端点延拓法,在边缘检测中取得了非常好的效果,不仅消除了传统边界处理方法产生的伪边缘,而且在延拓时不需要考虑滤波器系数长度的奇偶性,为实际工程应用带来了方便。     

基于GFS的双线性快速模糊增强图像边界检测新算法

根据广义模糊集(GFS)理论,给出了用于模糊增强图像区域对比度的线性广义模糊算子(LGFO),从而给出了基于GFS的双线性快速模糊增强图像边界检测新算法。首先利用线性左半梯形隶属函数将灰度图像的普通集合变换为GFS,其次利用LGFO对GFS进行区域对比度增强,同时把GFS变换为模糊集合,然后再把模糊集合变换成普通集合,最后在普通集合中进行边界提取。通过大量实例证明,使用该算法提取图像边界速度快、效果好,而且多项指标均超过了献[2]～[5]。     

基于小波变换的多尺度边缘检测

基于Ｍａｒｒ边缘检测算子，以高斯函数的一险峰 ２阶导数作为小波，提出具有２个可变参数的多尺度图象边缘检测方法。本文所提出的多尺度边缘检测方法适应于计算机视觉分级识别中边缘检测的需求。     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

图像边缘提取技术的分析及优化

本文对现有代表性的各种图像边缘提取方法进行了介绍和归纳,对比、分析了各自的优缺点,并自己提出了基于小波变换数据融合的图像边缘检测算法,该方案结合使用了微分法和小波变换两种方法,发挥了它们各自的优点,获得了比较明显的图像边缘。并对几种图像边缘提取算法进行计算机仿真研究,实验结果表明基于小波变换数据融合的图像边缘检测算法所得到的边缘提供了较高的边缘定位精度,是一种有效的图像边缘提取算法。     

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。     

基于自动确定阈值的小波边缘检测技术研究

小波作为图像处理的一个重要工具,以其具有的多尺度特性而在图像边缘检测领域受到了广泛的应用。该文在小波模极大值边缘提取算法的基础上,提出了一种采用模式识别中的聚类技术进行自动确定消噪阈值的边缘检测方法,且利用B样条小波和改进的K-means聚类算法对图像进行了实际的检测,实验结果证明该方法是正确和有效的。