非整数步长的分数阶微分Sobel算子的应用

针对现有的分数阶边缘提取算子对于具有大量的平滑区域图像和丰富纹理图像的边缘检测精度较低的情况,对Gruwald-Letnikov（G-L）分数阶微分整数步长和传统的Sobel算子进行了相关的改进,并利用高斯加权的拉格朗日插值方法确定非整数点的灰度值,构造了一个新的分数阶微分掩模模板。理论研究与实验分析表明：该模型可用于检测含有丰富的纹理细节与大量的平滑区域的图像,且检测精度与清晰程度都有显著的提高。     

基于分数阶微分和Sobel算子的边缘检测新模型

现有的边缘检测算法对噪声敏感,检测到的图像边缘效果不够理想,得到的图像边缘有可能模糊不清。为了克服这些不足,以分数阶微分理论为基础,结合Sobel算子边缘检测方法,提出了一种基于分数阶微分和Sobel算子的边缘检测新模型。理论研究和实验结果表明,与现有方法相比较,该模型不仅能较好地提取图像边缘特征,而且对噪声具有一定的抑制作用;特别地,对于纹理细节较丰富的图像而言,该模型能够检测出更多的纹理细节信息,优于常用的整数阶微分方法,是一种有效的边缘检测方法。     

图像边缘检测的分数阶微分算子研究

针对常用整数阶微分边缘检测算子不能较好保持图像纹理细节的不足,在4-方向的Roberts算子、Prewitt算子和Sobel算子的基础上利用0~1阶分数阶微分替换一阶微分,构造了3种用于图像边缘检测的0~1阶分数阶微分新算子。实验结果表明,所构造的3种分数阶微分算子不仅能有效地提取出图像的边缘信息,而且还能较大程度地保留图像的纹理细节。检测效果优于常用整数阶微分算子及现有的一些0~1阶分数阶微分算子。     

结合Butterworth滤波和Sobel算子的图像边缘检测

针对Sobel算子检测边缘定位不准的问题,提出结合Butterworth高通滤波器和Sobel算子边缘检测的方法,有效地解决这一的问题。在VC 环境下编程实现该方法,实验结果验证了所提方法的有效性。     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel算子的基础上,增加了45°和135° 2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

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。     

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。     

基于R-L分数阶微分梯度算子的边沿检测

在处理数字图像中处理中,为了提取更加细微的边缘信息,克服经典梯度算法的不足,根据R-L分数阶微积分的定义和边缘检测的基本原理,推导出一维离散分数阶微分梯度算子,并且推广到二维,提出了一种基于R-L分数阶微分的新算子模板,并在实验中得以实现.实验结果表明,这种算子更能提取细节信息,使得边缘更加突出,与经典1阶和2阶的边缘检测算子相比,在处理以低频信号为主的图像时有一定的效果提升,而在处理以高频信号为主的图像时有较大的效果提升.     

基于Sobel算子的图像边缘检测实验分析

本文首先介绍了数字图像处理传统边缘检测算子,然后详细描述了其中具有代表性的Sobel边缘检测算法的原理,并从模板遵循的原则和数学原理两个方面分析了Sobel算子的模板权值取定。实验结果表明,Sobel算子模板的关键权值取2时,边缘较细,定位精确,提高了边缘检测精度。     

用Sobel算子细化边缘

提出了一种用Ｓｏｂｅｌ算子细化边缘的新方法,通过引入衰减因子得到不失真的灰介边缘图Ｐ１,然后将灰阶边缘图Ｐ１用Ｓｏｂｅｌ算子进行正理２,得以边缘的边缘图Ｐ２,再用前者减去后者得差值图Ｐ３,再将Ｐ３中为负的点改为０,用以除去３图中边缘外侧的点,从而得取边缘产细的边缘,对于边缘模糊的部分这种过程可以重复多次,最后也可得到较细的边缘（但不一定连接）,此种方法对于处理其它边缘检测方法得到的边级也有效。边缘     

利用1~2阶分数阶微分掩模的边缘检测

现有的分数阶微分边缘检测算子大都是基于0~1阶分数阶微分而构造,鲜有文献讨论基于1~2阶分数阶微分的边缘检测算子。为此,分析了1~2阶分数阶微分对信号的作用,基于1~2阶分数阶微分构造了一种新的边缘检测掩模算子。实验结果表明,该算子不仅优于常用整数阶微分算子,而且比现有的一些0~1阶分数阶微分算子具有更好的边缘检测效果。     

基于ARM构建Sobel边缘检测算子的指纹识别系统实现

介绍了一种采用ARM处理器作为控制核心,构建指纹识别算法的嵌入式系统的实现方法。该系统采用光学指纹传感器（内建格科微电子有限公司的光学GC0307CMOS图像采集芯片）与ARMCortexM3内核的意法半导体公司32位高性能单片机STM32F205RE组成功能主体,采fflSobel边缘检测算子、Gabor滤波、图像二值化等图像采集与处理算法对指纹图像进行识别。经过大量实践证明,该设计适合嵌入式组件开发中需要进行生物指纹特征提取、识别,指纹身份认证、比对等场合。系统具有高性价比且交互简易、识别率高、扩展性强,便于嵌入式应用。     

基于递归滤波的边缘检测算法

针对包含不同程度噪声数字图像的边缘检测问题,提出了两种建立在房顶型模糊边缘模型基础上的平滑和边缘检测滤波器。首先用这些滤波算子以三阶递归的形式实现图像的平滑及梯度计算,再进行非极大值抑制及双阈值的边缘检测连接。实验结果表明,该方法得到的梯度图像均比Canny和Deriche滤波算子清晰,所得边缘图像也更加完整,检测时间也少于其他方法。     

图像增强中分数阶阶次自适应模型的构造

为了解决分数阶微分算子在图像增强中需要人工寻找最佳阶次,缺乏阶次自适应的问题,构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型,以图像的梯度信息、局部信息熵、亮度和对比度为自变量,建立了微分阶次与图像局部信息之间的关系,从而可以根据图像的局部信息特征自动计算图像中各个像素点的最佳阶次,并将该模型应用在分数阶微分Tiansi算子的图像增强中。为了验证该模型的有效性,选用标准图像库中的多幅纹理图像进行实验,对实验结果进行了定性和定量分析,在定量分析中采用图像信息熵、平均梯度、清晰度和对比度四个评价指标衡量图像增强的效果,并与二阶微分Laplacian算子、Tiansi算子进行比较。理论分析和实验结果均表明建立该模型的有效性,对灰度图像可以得到连续变化的增强效果,接近于最佳分数阶微分增强效果,符合人们的视觉感受。     

基于数学形态学细化算法的图像边缘细化

为了解决Sobel算子在阈值选择不当的情况下易造成图像边缘丢失或产生伪边缘的问题,通过最大类间方差的方式选出合适的阈值;同时利用数学形态学细化算法对该边缘图像进行细化处理。实验结果显示,该方法在保持原有边缘图像特征信息的前提下,比传统Sobel算子得到了更好的结果。     

基于Gabor滤波器的图像边缘检测算法

采用Canny算子进行边缘检测时,需人工设定高低2个阈值.对不同的图像采用相同的阈值,边缘检测效果差异很大,这一点限制了Canny算子在实际中的应用.针对这一问题,提出了一种基于cabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为地设定任何参数.实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷.而且能有效去除图像中的伪边缘.     

基于改进形态学算子的木粉边缘检测算法

针对木粉显微图像边缘复杂、细节模糊等问题,提出一种基于HSV空间目标提取和改进数学形态学多尺度算子的边缘检测算法。基于HSV空间提取目标,排除背景噪声干扰;通过最佳方向检测改进传统多尺度形态学检测算子,避免了多方向检测的权重选择,以此获得较好的木粉边缘。实验结果表明：形态学检测算子优于传统canny检测算子;改进的形态学多尺度检测算子不但取得了较好的边缘检测效果,而且提高了边缘检测精度和定位能力。