基于四元数的改进型最小核值相似区边缘检测

针对基于亮度和色度的彩色图像边缘检测在检测过程中忽略亮度和色度之间关联性而导致部分边缘不能有效地被检测出来的问题,提出了一种基于四元数的改进型最小核值相似区(SUSAN)边缘检测算法。首先,利用四元数矢量旋转原理将HSI颜色空间的三维信息映射成二维平面信息实现空间降维,同时引入标量V来综合表示H、S、I三通道之间的关系;然后,将标量V作为算子的核函数;最后,利用改进的SUSAN算子完成图像的边缘检测。实验结果表明,提出的算法针对色度相同、饱和度存在差异以及饱和度相同、色度存在差异的彩色图像,在边缘检测的定位误差率上降低了1.5%。在实际的应用中,能够更好地获得图像中的目标信息,同时也为后续的分割和识别研究提供更好的先验知识。     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

钢板表面低对比度微小缺陷图像增强和分割

目的 环境干扰及光学元件不稳定等因素往往会造成钢板表面图像照度不均,钢板表面的微小缺陷具有图像灰度不均、对比度低、形态微小等特点,给后续图像分析和缺陷识别带来因难。为此,提出一种钢板表面低对比度微小缺陷图像增强和分割算法,以消除照度不均并突出缺陷信息,从而有效分割缺陷目标。方法 采用小波-同态滤波算法进行图像增强处理,即先利用小波变换对图像进行分解,再基于同态滤波对小波低频系数进行图像灰度修正,同时对高频系数进行高通滤波,然后将处理后的小波低频系数和高频系数进行重构得到增强的图像,从而达到消除照度不均、增强缺陷细节信息的目的。最后利用最大类间方差法（Otsu法）确定自适应阈值提供给Canny算子进行边缘检测。结果 采用本文算法对钢板表面多类型低对比度表面微小缺陷进行研究,有效消除了光照不均;单一的Otsu阈值分割和Canny算子难以有效检测这些缺陷,而本文Otsu-Canny算法的正确检测率达96%。结论 采用小波-同态滤波进行图像增强处理后,再利用Otsu-Canny算法对钢板表面多类型、低对比度的微小缺陷进行边缘检测取得了良好效果。     

结合分数阶微分和Canny算子的边缘检测

目的 传统的边缘检测算法对于具有分形结构等复杂纹理的图像和弱边缘图像检测精度较低。方法 针对该问题,将Grünwald-Letnikov（G-L）分数阶微分引入到Canny算子中,设计了一种新的基于G-L定义的分数阶微分掩模,在分数阶阶次的选取上更灵活（阶次可取正数和负数）,分析了分数阶微分掩模中的参数与边缘检测精度之间的关系,并引用了3种评价指标来评定算法的性能。结果 将G-L分数阶梯度代替Canny中传统的梯度算子,不但可以增强图像的细节信息,而且可以增强灰度均匀和弱纹理区域的梯度信息,从而提高了边缘检测的精度和稳定性;设计了一种新的基于G-L定义的分数阶微分掩模,该掩模在分数阶阶次的选取上更灵活,具有差分方向可调性,其应用范围更广;并通过实验给出了边缘检测精度与模板参数之间的关系,从而为最佳模板参数的选取提供了依据。用综合图像和真实图像进行了实验,并与传统的5种边缘检测算子和3种基于分数阶微分的边缘检测算法进行比较,从检测精度,检测效率和抗噪性能3方面验证本文算法性能,大量的实验结果表明,本文算法在检测精度,检测效率和抗躁性能方面都有较大的提升。结论 理论分析和实验结果均表明,该算法可用于检测图像中的纹理细节和弱边缘,且检测精度和稳定性都有明显的提高,本文算法是Canny算法应用的一个重要延伸。     

阈值标记的分水岭彩色图像分割

目的 针对传统分水岭算法中产生的过分割问题,提出一种基于阈值标记的分水岭彩色图像分割算法。方法 该方法将分水岭算法直接应用到原始梯度图像上而不是简化之后的图像,这样做的目的是可以保护边缘信息不受损失;利用不同尺寸结构元求取彩色图像形态学梯度,解决了关于保护边缘和图像简化之间的矛盾。同时算法设计一种阈值自动选取与标记提取方法,从梯度的低频成分中提取与物体相关的局部极小值,用这些极小值构成的二值图像强制标定原始梯度图像,在修改后的梯度上进行分水岭分割。结果 在仿真实验中,利用本文算法针对不同RGB彩色图像进行分割,获得准确、连续封闭的分割边界,与其他同类方法相比,得到符合人类视觉的最小分割区域数,同时在运行效率上也有很大提高。结论 该方法可以自适应提取标记而不需要先验知识,有效解决了分水岭算法的过分割问题,相对于传统的算法,提高了分割性能,有较好的适用性和鲁棒性,可将其应用于机器视觉、生物医学以及高光谱遥感图像分割领域。     

一种改进的Canny的图像边缘检测算法

研究图像边缘优化检测问题,针对图像边缘信息被噪声污染影响定位精度.传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失信息和假边缘的现象.为解决此问题,提出一种改进的Canny的边缘检测算法.首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘.实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘的检测精度和准确性.     

模糊相关图割的非监督层次化彩色图像分割

目的 基于阈值的分割方法能根据像素的信息将图像划分为同类的区域,其中常用的最大模糊相关分割方法,因能利用模糊相关度量划分的适当性,得到较好的分割结果,而广受关注。然而该算法存在划分数需预先确定,阈值的分割结果存在孤立噪声,无法对彩色图像实施分割的问题。为此,提出基于模糊相关图割的非监督层次化分割策略来解决该问题。方法 算法首先将图像划分为若干超像素,以提高层次化图像分割的效率;随后将快速模糊相关算法与图割结合,构成模糊相关图割2-划分算子,在确保分割效率的基础上,解决单一阈值分割存在孤立噪声的问题;最后设计了自顶向下层次化分割策略,利用构建的2-划分算子选择合适的区域及通道,迭代地对超像素实施层次化分割,直到算法收敛,划分数自动确定。结果 对Berkeley分割数据库上300幅图像进行了测试,结果表明算法能有效分割彩色图像,分割精度优于Ncut、JSEG方法,运行时间较这两种方法也提高了近20%。结论 本文算法为最大模糊相关算法在非监督彩色图像分割领域的应用提供指导依据,能用于目标检测和识别领域。     

基于Canny算子图像边缘检测的改进方法

针对传统Canny算子在边缘检测中的不足,提出一种基于Canny算子图像边缘检测的改进方法。传统Canny算子的高低阈值一般是人为地设定固定值,这容易造成虚假边缘。对此,利用最小交叉熵计算Canny算子的高低阈值,得到理想的边缘后,利用数学形态学对结果进行后处理。实验结果表明,改进后的算法具有自适应性,抑制噪声能力较强,有效地提高了边缘检测的鲁棒性。     

一种基于四元数的彩色图像边缘检测改进算法

图像边缘检测对后续的图像分割和识别具有重要的作用.针对彩色图像的边缘检测的实际需求,对比分析了经典边缘检测算子的特点和不足,提出了多方向的Sobel边缘检测算子模板,并且针对传统边缘检测算法处理速度慢、运算量较大、对边缘细节位置处理效果差等缺点,结合彩色图像的四元数描述方法提出改进算法,结合对颜色空间的分解实现了对彩色图像的边缘检测.实验证明算法是有效的,边缘检测效果好且易于实现,使用四元数描述方法有效提高了边缘检测的速度.     

一种基于四元数的彩色图像边缘检测改进算法

图像边缘检测对后续的图像分割和识别具有重要的作用。针对彩色图像的边缘检测的实际需求,对比分析了经典边缘检测算子的特点和不足,提出了多方向的Sobel边缘检测算子模板,并且针对传统边缘检测算法处理速度慢、运算量较大、对边缘细节位置处理效果差等缺点,结合彩色图像的四元数描述方法提出改进算法,结合对颜色空间的分解实现了对彩色图像的边缘检测。实验证明算法是有效的,边缘检测效果好且易于实现,使用四元数描述方法有效提高了边缘检测的速度。     

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。     

带细节增强与降噪的真彩图像多尺度边缘检测

为了解决真彩图像降噪和边缘细节保留的问题,提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像,进而根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明,该算法能充分利用真彩图像的颜色和梯度信息,有效地抑制噪声,增强图像的细节信息。     

结合四元数与小波的彩色图像边缘检测算法*

针对岩石节理裂隙图像噪声多、分割困难等问题,提出一种使用四元数卷积,由反对称小波系数加权的彩色图像边缘检测算法。该算法将彩色图像的R、G、B三个分量表示为四元数的三个虚部,通过四元数卷积后,其方向产生了一定角度的旋转;将旋转后的四元数与水平方向和垂直方向的结果相加,得到相应的幅值和角度;使用反对称双正交小波系数对这些幅值和角度加权后,再使用Otsu阈值并进行模极大抑制,即可得到彩色图像边缘。通过对常用彩色图像和岩石节理裂隙图像的实验结果表明,本算法对彩色图像边缘检测具有较好的效果。     

Cell image segmentation using bacterial foraging optimization

Edge detection is the most commonly used method for cell image segmentation, where local search strategies are employed. Although traditional edge detectors are computationally efficient, they are heavily reliant on initialization and may produce discontinuous edges. In this paper, we propose a bacterial foraging-based edge detection (BFED) algorithm to segment cell images. We model the gradients of intensities as the nutrient concentration and propel bacteria to forage along nutrient-rich locations that mimic the behavior of Escherichia coli. Our nature-inspired evolutionary algorithm, can identify the desired edges and mark them as the tracks of bacteria. We have evaluated our algorithm against four edge detectors − the Canny, SUSAN, Verma's and an active contour model (ACM) technique − on synthetic and real cell images. Our results indicate that the BFED algorithm identifies boundaries more effectively and provides more accurate cell image segmentation.     

A scheme for edge-based multi-focus Color image fusion

In this paper, a novel region-based multi-focus color image fusion method is proposed, which employs the focused edges extracted from the source images to obtain a fused image with better focus. At first, the edges are obtained from the source images, using two suitable edge operators (Zero-cross and Canny). Then, a block-wise region comparison is performed to extract out the focused edges which have been morphologically dilated, followed by the selection of the largest component to remove isolated points. Any discontinuity in the detected edges is removed by consulting with the edge detection output from the Canny edge operator. The best reconstructed edge image is chosen, which is later converted into a focused region. Finally, the fused image is constructed by selecting pixels from the source images with the help of a prescribed color decision map. The proposed method has been implemented and tested on a set of real 2-D multi-focus image pairs (both gray-scale and color). The algorithm has a competitive performance with respect to the recent fusion methods in terms of subjective and objective evaluation.

     

纹理边缘引导的深度图像超分辨率重建

目的 深度图像作为一种普遍的3维场景信息表达方式在立体视觉领域有着广泛的应用。Kinect深度相机能够实时获取场景的深度图像,但由于内部硬件的限制和外界因素的干扰,获取的深度图像存在分辨率低、边缘不准确的问题,无法满足实际应用的需要。为此提出了一种基于彩色图像边缘引导的Kinect深度图像超分辨率重建算法。方法 首先对深度图像进行初始化上采样,并提取初始化深度图像的边缘;进一步利用高分辨率彩色图像和深度图像的相似性,采用基于结构化学习的边缘检测方法提取深度图的正确边缘;最后找出初始化深度图的错误边缘和深度图正确边缘之间的不可靠区域,采用边缘对齐的策略对不可靠区域进行插值填充。结果 在NYU2数据集上进行实验,与8种最新的深度图像超分辨率重建算法作比较,用重建之后的深度图像和3维重建的点云效果进行验证。实验结果表明本文算法在提高深度图像的分辨率的同时,能有效修正上采样后深度图像的边缘,使深度边缘与纹理边缘对齐,也能抑制上采样算法带来的边缘模糊现象;3维点云效果显示,本文算法能准确区分场景中的前景和背景,应用于3维重建等应用能取得较其他算法更好的效果。结论 本文算法普遍适用于Kinect深度图像的超分辨率重建问题,该算法结合同场景彩色图像与深度图像的相似性,利用纹理边缘引导深度图像的超分辨率重建,可以得到较好的重建结果。     

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。     

基于四元数特定颜色对边缘检测的车牌定位

车牌定位是车牌识别系统中的一个关键问题。提出了一种基于四元数特定颜色对边缘检测的车牌定位算法。首先将输入彩色图像用同色调全饱和度四元数形式表示;然后借助四对模板检测特定颜色对边缘,结合形态学膨胀运算提取潜在车牌区域;最后根据车牌形状约束条件定位车牌区域。该方法综合利用了车牌的颜色、边缘和形状特征,具有较好的鲁棒性。对各种情况拍摄的485幅车牌图像应用该算法,查全率达到96.8%,查准率超过93.2%。