基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于改进的Laplacian算子的图像边缘检测

分析了图像边缘特性以及Laplacian算子检测图像边缘的基本原理,并对经典Laplacian算子进行改进,提出了一种新的边缘检测算法,以便准确地检测出图像中的目标边缘,利用该改进算法来检测图像的边缘。     

一种基于多结构元的弱对比度图像的边缘检测方法

在工业现场拍摄的图像一般对比度比较低,用传统的边缘检测方法提取的边缘特征不明显。文中提出了一种基于数学形态学的多结构元算子边缘检测的方法,对弱对比度图像进行了边缘检测实验,其结果与Sobel边缘检测算子、传统形态学梯度算子相比较,表明提出的检测算子具有检测精度高,噪声不敏感等显著特点。     

基于多结构元顺序形态变换的灰度图像边缘检测

在简要介绍顺序形态变换的基本概念及相关性质和对顺序形态变换进行边缘检测的原理进行阐述,以及对结构元素和百分位对边缘检测的影响进行讨论的基础上,根据图像形态学多刻度形态滤波的思想,从抑制噪声的角度对基本边缘检测算子进行推广和扩展,首先构造了3种边缘检测算子,并从理论上分析了算子的特性;然后将多结构元与图像边缘进行匹配,提出了3种广义顺序形态边缘检测算子并给出了一般表达形式;最后着重探讨了多结构元素及二重混合顺序形态变换百分位值p、q的选取原则.实验结果表明,该边缘检测算子在抑制噪声对图像边缘的影响和保持图像细节方面,优于传统的边缘检测算子和普通的形态边缘检测器.     

基于改进高斯-拉普拉斯算子的噪声图像边缘检测方法

针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种基于改进高斯-拉普拉斯算子的图像边缘检测方法。噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯-拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子做了改进,并与高斯滤波器相结合。首先,应用高斯滤波器来平滑图像,抑制噪声。然后基于拉普拉斯梯度边缘检测器进行边缘检测。最后在标准图像上进行评估,评估结果显示,提出的边缘检测方法所获得的峰值信噪比(PSNR)和均方误差(MSE)均优于其他几种对比方法。     

基于空频域联合闭值分割的轮廓检测方法

传统的边缘检测算子仅在空域上对梯度图像进行阈值分割来计算二值边缘图像,当应用在自然场景图像中时,检测结果中往往含有大量的干扰边缘。为了消除干扰边缘,提高传统边缘算子的轮廓检测性能,提出了基于空频域联合阈值分割的轮廓检测方法:首先对梯度图像进行频域阈值分割消除干扰边缘,然后进行空域阈值分割得到最终的二值边缘图。结合Canny算子,利用自然场景图像对该方法进行了性能评估,结果表明,该方法大大减少了干扰边缘,有效提高了Canny算子在复杂自然场景图像中的轮廓检测性能。     

模板匹配的并行算法

模板匹配方法是检测图像边缘的重要方法之一。本文对模板匹配方法的Ｐｒｅｗｉｔｔ算子进行了研究，提出了用该算子检测图像边缘的快速算法，向量及分布式算法，并且在并行虚拟环境ＰＶＭ上实现了分布式计算，加速效果明显。     

基于Sobel和LoG相结合的边缘检测与细化方法

鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。     

橡胶圈缺陷检测算法研究

提出了一种基于数字图像处理的边缘检测算法,分别利用Sobel算子和Canny算子对预处理后的图像进行边缘检测,将所得图像进行图像相加,并用Matlab进行仿真.结果表明,该算法比单一边缘检测算子检测效果要好,并具有良好的检测精度.     

自适应图像边缘检测算法

对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷，提出了依据图像友度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法，成功抑制了图像中的大部分噪声；并通过用图像友度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值，实现了图像边缘的自动提取。     

Comparison of edge detection algorithms using a structure frommotion task

This paper presents an evaluation of edge detector performance. We use the task of structure from motion (SFM) as a "black box" through which to evaluate the performance of edge detection algorithms. Edge detector goodness is measured by how accurately the SFM could recover the known structure and motion from the edge detection of the image sequences. We use a variety of real image sequences with ground truth to evaluate eight different edge detectors from the literature. Our results suggest that ratings of edge detector performance based on pixel-level metrics and on the SFM are well correlated and that detectors such as the Canny detector and Heitger detector offer the best performance.     

Edge Detection in Pipe Images Using Classification of Haar Wavelet Transforms

Automatic image interpretation for pipe inspection is a relatively recent area of research, which has great potential benefit. An important component of such systems is crack detection, or, more generally, edge or discontinuity detection. This paper describes a new approach to edge detection and applies it to pipe images. The method labels each pixel in an image as an edge pixel or a nonedge pixel by processing the Haar wavelet transform of the image in a window about the pixel using a support vector machine. As a pixel classifier, to within a moderate morphological tolerance, the detector has an accuracy of 99% on the images on which it has been tested and compares favorably with the commonly used Canny edge detector.     

一种综合的SAR图像边缘检测方法

针对合成孔径雷达图像中斑点噪声的特性,基于中值滤波方法,并结合Ratio算子、Canny算子和双阈值连接三种处理方法,提出一种综合的边缘检测算法。实验结果表明,与传统算法比较,该算法克服了边缘方向量化带来的直线断裂,边缘定位准确,显著提高了边缘检测正确率,并对噪声有抑制作用,从而取得了良好的检测效果。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于支持向量机的彩色图像边缘检测

提出了一种新的基于支持向量机的彩色图像边缘检测算法.将彩色图像像素3×3邻域内像素的RGB值表示为一个27维的向量,作为该像素的特征,利用支持向量机直接判断其是否为边缘点.针对实际图像的边缘检测实验表明,支持向量机可以有效地进行彩色图像的边缘检测,其检测效果可以和传统的Sobel等边缘检测算子相当.     

基于软化形态学的边缘检测

在介绍适用于二值图象的软化形态学的定义及特性的基础上,将软化形态学概念加以推广,使之适用于灰度图象,并提出了一种基软化形态学的边缘检测方法－ＳＭＤ,还把此方法与其他的基于匀边形态学方法进行了比较,实验结果表明该方法具有很强的抑制噪声能力。     

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息,通常的边缘检测研究是基于灰度图像的,然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行,目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子,将彩色图像在空间中的各分量分别进行边缘检测,对结果进行综合得到彩色图像的边缘检测结果,然后采用主观评价准则对若干不同的彩色空间中（包括RGB、YUV、YIQ、YCbCr、HSV、HSI）的试验结果进行了分析比较。试验结果表明,在HSV空间进行的边缘检测具有更好的性能。     

Image steganography using deep learning based edge detection

This paper introduces a deep learning-based Steganography method for hiding secret information within the cover image. For this, we use a convolutional neural network (CNN) with Deep Supervision based edge detector, which can retain more edge pixels over conventional edge detection algorithms. Initially, the cover image is pre-processed by masking the last 5-bits of each pixel. The said edge detector model is then applied to obtain a gray-scale edge map. To get the prominent edge information, the gray-scale edge map is converted into a binary version using both global and adaptive binarization schemes. The purpose of using different binarization techniques is to prove the less sensitive nature of the edge detection method to the thresholding approaches. Our rule for embedding secret bits within the cover image is as follows: more bits into the edge pixels while fewer bits into the non-edge pixels. Experimental outcomes on various standard images confirm that compared to state-of-the-art methods, the proposed method achieves a higher payload.