基于边缘比对的MR-PET配准算法

采用待配准图像的边缘梯度相关性代替传统的灰度相关性作为配准的目标函数,利用轮廓点比对的方法将待配准图像的轮廓像素点描述成具有时延关系的两组二维序列,并通过最小二乘法从两组序列的配对样本中求取最优变换参数.通过在颅脑 MR PET图像上进行的配准实验表明,采用边缘梯度相关性作为目标函数比直接利用灰度相关性作为目标函数获得了更好的配准结果,而采用轮廓点比对的方法进行参数寻优在保证了配准精度的情况下,较采用诸如遍历式搜索和遗传算法等方式,大大缩短了配准时间.     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案。该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性。并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务。     

引入边缘信息度量的自由形变图像配准

为了分析空心旋转圆盘的弹塑性应力分布机理,采用双剪应力屈服准则对理想弹塑性材料、等厚度空心旋转圆盘进行了弹塑性应力分析.结果表明,空心旋转圆盘的径向应力随着弹塑性转速的增大而增加,随后却随着转速的进一步增大而减小;而环向应力随着弹塑性转速的增大一直趋于增加;塑性极限转速随着空心旋转圆盘的内外径比值的增大而减小.由于双剪应力屈服准则与Tresca屈服准则的屈服轨迹分别对应屈服轨迹的上限和下限,在结构设计中,基于双剪应力屈服准则的设计,能够充分发挥材料的潜能,而基于Tresca准则的设计则趋向于保守.     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．     

基于边缘特征的虚实图像精确配准

3D模型的虚拟图像与可见光图像（实图）的配准可以增强信息的互补性,在通过INS装置粗配准后,其配准问题变成了经典的多模态图像精确配准问题。本文提出了一种基于边缘信息全局最优匹配的3D模型图像与可见光图像精确配准算法。该算法首先基于相位一致性模型提取3D模型图像与可见光图像视觉相似的边缘结构;再采用模拟退火算法搜索求解在边缘配准度最大对应的空间变换模型的最优参数值。4组实验结果表明,本文算法能够充分利用图像间的相近似的边缘结构和模拟退火算法得到配准变换参数,有效地实现多模态图像（不同光照及对比图像对,不同传感器的航拍图片对,虚拟3维视图与可见光图像）的精确配准。     

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法．这种算法是在计算原始图像互信息之后，引入参考图像和浮动图像的边缘互方差值，从而建立起一个新的测度函数来指导寻优过程，最终实现图像配准。与传统的最大互信息配准算法相比，避免了单纯依赖图像联合直方图所造成的不稳定性，使配准能更加符舍图像的特点。实验证明，这种改进算法有以下优点：配准参数曲线峰值尖锐。易于选择出最优值；在图像灰度缺失的情况下配准有较高的准确性；在噪声方差增大的情况下配准有较强的鲁棒性。     

基于图像配准的动态场景运动目标检测算法

针对摄像机运动的动态场景下运动目标的检测问题,提出了基于Harris角点方根-算术均值距离配准的动态场景运动目标检测算法。首先将当前帧图像与前一帧图像进行配准,获取图像的全局运动参数;利用求得的运动参数对当前图像进行运动补偿;然后,将其与存储的前两帧图像进行帧差法,以获得运动目标的轮廓信息;以该运动目标区域为掩模,检测并定位该运动目标。实验结果表明,此算法能够较好的处理摄像机运动等动态场景情况下的运动目标定位问题,为运动目标的跟踪和识别奠定基础。     

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法. 这种算法是在计算原始图像互信息之后, 引入参考图像和浮动图像的边缘互方差值,从而建立起一个新的测度函数来指导寻优过程,最终实现图像配准. 与传统的最大互信息配准算法相比,避免了单纯依赖图像联合直方图所造成的不稳定性,使配准能更加符合图像的特点. 实验证明,这种改进算法有以下优点：配准参数曲线峰值尖锐,易于选择出最优值;在图像灰度缺失的情况下配准有较高的准确性;在噪声方差增大的情况下配准有较强的鲁棒性.     

一种基于梯度下降的图像配准算法

图像配准是图像分析的关键技术,针对经典Lucas-Kanade算法计算量大的缺点,提出了一种基于梯度下降的图像配准算法,该方法通过互换目标图像与模板图像的功能,重新定义了目标函数,采用Gauss-Newton梯度下降法求解参数增量,得到在整个迭代过程中保持恒定且可预先求得的海森矩阵,利用迭代法求解变换系数,直至满足收敛条件。实验结果表明,该方法在保证精确度的条件下,提高了计算效率。     

视频图像的边缘检测与边缘细化

在有效滤除原始视频图像噪声的基础上 ,首先对视频图像进行边缘提取得到单边缘图像 ,然后再对得到的单边缘图像进行边缘提取 ,得到双边缘图像 ,最后将前两次得到的边缘图像进行差分 ,得到较为理想细化边缘图像。若结果仍不能满足特殊需要 ,可重复上述方法 ,直到得到理想边缘。实验结果表明 ,该方法在提取视频图像的细化边缘方面有明显的效果。     

边缘检测技术在角钢冲孔在线检测中的应用

在角钢冲孔的在线检测过程中,边缘检测是十分重要的一环,边缘检测的准确性将直接影响到后续的分析和装配精度。本文主要分析了Canny算子的特征,应用标准以及在角钢冲孔在线检测中的应用。通过中值滤波,二值化,边缘检测,边缘特征控制最终获得的冲孔边缘近似于标准冲孔,满足试验的要求。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

一种基于边缘检测的时空视频对象分割算法

提出了一种基于边缘检测的时空视频对象分割算法。首先提出一种基于高阶统计量的帧间差分图像处理方法,然后运用边缘检测得到空域分割结果和用累计差分与对称差分得到时域分割结果,综合时空域分割结果得到运动目标的边缘,最后对边缘图进行区域填充与数学形态学处理,得到运动目标掩模图像。实验结果表明本文算法能够得到较准确的分割结果。     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

基于动态边缘检测的图像锐化算法

在数码相机中,经插值运算后的数码图像,常伴有噪声和伪色的影响,使图像变得模湖,边缘部分不够清晰.因此,需要通过锐化处理,增强图像边缘轮廓,增加清晰度,减少伪色.该文提出了一种基于动态边缘检测的图像锐化算法,恢复的图像在细节纹理、边缘、色彩方面的效果都较理想,对边缘的噪声抑制较明显,与常用锐化算法比较,在同等仿真环境下,所提出的方法有运算复杂度较低的优点.     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于小波分析的图像边缘检测

介绍了图像边缘检测的一些传统算法和小波分析方法用于边缘检测的基本原理,给出了利用小波变换进行边缘检测的方法,通过与传统的图像边缘检测算法对比,显示了小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果．     

Image Edge Detection Based on Wavelet Transform

ＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍＺＨＡＮＧＹｅ；ＳＨＩＭｅｎｇ；ＲＥＮＧｕａｎｇｈｕｉ（张晔）（时萌）（任广辉）（Ｄｅｐｔ．ｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ．ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅ...     

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。