基于LOG和Canny算子的边缘检测算法

针对传统Canny算子抑制噪声和检测低强度边缘能力不足的问题,提出一种将LOG算子和Canny算子相结合的边缘检测方法。采用LOG算子对图像进行噪声过滤,从以下3个方面改进Canny算子实现边缘检测：(1)设计高斯滤波核对过滤掉噪声的图像进行边缘增强,使低强度边缘更容易被检测;(2)在M×N邻域中计算梯度幅值和方向;(3)将梯度方向结合梯度幅值计算,使梯度幅值在边缘检测中更具依据性。对增加椒盐噪声的图像进行实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘。     

图像混合噪声的一种组合滤波消除方法

提出了一种基于高斯拉普拉斯边缘检测的含高斯噪声和脉冲噪声的图像组合滤波去噪方法,即首先对含有混合噪声的图像进行中值滤波,再用高斯拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用自适应Wiener滤波对中值滤波后得到的图像进一步滤波去噪,最后将边缘图像嵌入经Wiener滤波得到的平滑图像中。此种方法不但能够有效去除含高斯噪声和脉冲噪声的图像中的噪声,而且可以保持图像的边缘信息,提高了图像的去噪效果和清晰度。     

基于改进Canny算法的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声图像的去噪效果不佳,以及双阈值需要预先设定的问题,提出了一种基于改进Canny算法的噪声图像的边缘检测。首先构建自适应高斯滤波器对曲度算子进行改进,得到优化的二值边缘图;然后基于最大类间方差法构建了灰度梯度映射函数,确定最佳的双阈值;最后对二值边缘图进行双阈值检测以及边缘连接。实验结果表明,改进算法与现有Canny算法相比,在不同类型噪声和不同浓度噪声的环境下,改进算法提高了对噪声图像边缘检测的性能,其中PSNR值平均提高了1.9%,MSE值平均降低了1.6%,且具有自适应性强、运行效率高的优点。     

多尺度下的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声鲁棒性较差的问题,根据Canny算子滤波器的尺度较小可以检测较小的边缘,但对噪声的抑制能力较差,反之检测较大的边缘对噪声的抑制能力较强的特点,提出了一种多尺度下的噪声图像边缘检测方法。运用Canny算子在不同尺度下检测边缘的优点,对含噪图像进行不同尺度的Canny边缘检测,对不同尺度边缘检测结果进行跟踪实现噪声图像的边缘检测。仿真实验结果表明,与传统的方法相比,改进的算法能较清晰地提取出图像的边缘,降低高斯噪声对图像边缘的影响。     

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

一种快速鲁棒的LOG-FAST角点算法

基于高时间效率的FAST算法,提出了一种快速鲁棒的FAST-LOG角点算法。使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响;运用拉普拉斯-高斯函数对图像进行卷积,实现图像的高斯平滑和增强边缘,及对噪声最大化的抑制;最后使用FAST算子检测角点。对比实验证明,新算子对于添加高斯噪声的分辨率为640*480的图像,其检测时间可达到0.05s;对光照不同的图像具有相近的检测性能;角点重复率可达98%。该算子可应用于实时视频图像的处理,为开发基于视觉的实时智能车辆预警系统提供了新的研究思路。     

基于高斯滤波器的尺度相乘边缘检测算法

论文提出一种基于高斯滤波器的尺度相乘边缘检测算法。该算法用两个不同尺度参数的高斯滤波器分别对图像进行滤波平滑,然后将所得的两个结果相乘后,再利用Canny算子对图像进行边缘检测。该算法具有算法简单、编程容易、计算量小等特点。论文最后通过实验验证了该算法能较好地抑制噪声干扰和有较高的边缘定位精度。     

基于改进Canny算子的气液两相泡状流图像分割算法

图像分割是多相流高速视频分析的前提和基础。本文基于改进的Canny算子给出一种泡状气液两相流的图像分割方法。该方法充分考虑原始图像的灰度分布信息,利用高斯Sigma平滑滤波器有效地保持了边缘及消除了噪声,通过梯度的非极大值抑制和滞后阈值化处理后,获得了清晰的气液两相流泡状流图像边缘,为泡状流流动特性分析奠定了分析基础。     

采用自适应canny算子的树上柑橘图像边缘检测

提出了一种自适应canny算子进行树上柑橘图像边缘检测的方法。对获取的RGB真彩图像进行R-B色差空间的线性变换,在该分量上,利用积分图像快速计算高斯滤波器尺度参数,利用OTSU方法计算canny算子的高低阈值,从而实现边缘的自动检测。试验表明,采用该方法检测的边缘连通性好、噪声较少,优于其他传统的边缘检测方法,而且对不同光线下拍摄的图像均有较好的效果,为后续的果实识别和定位奠定了基础。     

基于高斯拉普拉斯算子的汽车轮胎磨损检测算法

针对目前人为根据经验判断汽车轮胎是否达到最终使用时间不准确造成资源浪费的问题,提出了一种基于高斯拉普拉斯算子的汽车轮胎磨损检测算法.首先,将拍摄的汽车轮胎图片进行预处理,包括图像灰度化和高斯滤波,用拉普拉斯算子对图像的边缘进行检测;然后,对处理好的图片进行像素坐标提取,通过汽车轮胎花纹深度的检测算法,得到轮胎的实际深度...     

噪声图像边缘检测方法的研究*

对图像中常见的高斯噪声和椒盐噪声的特性进行了分析,对含有这两种噪声的数字图像的边缘检测方法进行了研究,尤其对基于顺序形态学的噪声图像边缘检测方法进行了深入的分析研究,基于顺序形态学理论提出了针对分别含有高斯噪声和椒盐噪声的图像边缘检测方法。通过仿真验证表明,对于含有以上两种噪声的图像,提出的方法不仅能够去除噪声而且能够提取出准确清晰的边缘。     

二进小波与改进的形态学融合的边缘检测算法

针对小波变换边缘检测算法抗噪能力差、图像边缘不连续等缺点,提出一种将二进小波变换与形态学算子融合的边缘检测算法。利用新构造的二进小波滤波器边缘检测算法对含噪图像进行边缘检测,可以保留较多的边缘细节;利用新设计的多结构抗噪形态学算子对含噪图像进行边缘检测,抑制噪声良好;将两种算法得到的边缘结果按一定规则进行融合,利用Laplace算子锐化融合后的图像,得到最终的边缘检测结果。实验结果表明,该融合算法在抑制噪声的同时显示较多的图像细节,检测的图像边缘连续且准确。     

一种精确的袋装粮图像边缘检测算法

基于图像识别的国家储备粮仓袋装粮食数量自动监管与稽核系统的技术核心是智能识别各种粮仓场景图像中粮袋的数量,杜绝人为的弄虚作假。边缘检测是袋装粮图像识别的首要问题,在分析了经典的以及在其基础上进行各种改进的Laplace算子缺陷的基础上,提出了1种改进的Laplace算子,该算子通过设置合理的模板参数克服了原有算子的不足,提高了图像边缘检测的精度。实验结果证明,该算子检测效果优于其他模板,并且能够精确地检测出各种类型的边缘信息。     

Comparative evaluation of linear edge detection methods

A comparative evaluation of the most commonly used linear methods for edge detection in grayscale images are presented. Detectors based on the first and second derivatives of image brightness are considered. The method for automatic edge tracking in grayscale images is proposed. The model for assessing errors and artifacts caused by sampling during digitization of real input images is proposed. Investigation of edge detectors isotropy and errors caused by input images sampling is conducted. The advantage of the Isotropic operator for edge tracking is shown. The noise immunity of linear edge detection methods is assessed and the superiority of 3 × 3 gradient operators for noisy images is shown. Isotropic and Sobel operators are identified to be optimal on a basis of sampling errors, output noise level, and computational complexity.     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于零交叉的噪声图像边缘检测

由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中变得比较困难。传统的边缘检测算法对于信号中的噪声比较敏感,使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法。在文献[1]算子的基础上先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明,该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。     

Towards a novel image denoising method with edge-preserving sparse representation based on laplacian of B-spline edge-detection

To address the edge structure preservation problem in sparse representation image denoising, a Laplacian of B-spline (LOBS) edge detection operator was brought out, which solves the problem of singleness of existing edge-detection operators under noise environment and lack of robustness to noise to some extent. Based on LOBS operator, a novel sparse-based edge preservation image denoising method (ESRIDM) was proposed. It determines edge region by computing gradient with LOBS operator. The non-edge region was denoised normally, while noise in edge region can be filtered by setting appropriate threshold. Simulation experiment compared with Laplacian-of-Gaussian (LOG) operator and Canny operator shows that the LOBS edge-detection operator has better robustness and lost less edge. Denoising experiments on general images and video monitoring images show that this novel method can achieve better denoising effect in subjective vision.     

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。     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.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,其抗噪声性能明显优于经典的算子检测算法,检测精度较经典的单一梯度算子检测方法亦有一定的改善.     

利用小波变换局部模极大值进行实时目标定位的应用

提出了一种基于小波变换局部模极大值的边缘检测方法．利用B样条小波构造出一个边缘检测算子，采用多孔算法进行边缘提取，减少了图像识别与测量中必要信息的丢失，并且提出了自适应阈值的方法，较好的解决了图像边缘的提取精度与对噪声抑制能力之间的矛盾．实验中对比了几种传统边缘检测算子和小波模极大值方法的在边缘检测效果、抗噪性和运算时间等方面的性能，本算法对加噪图像和模糊图像都获得比传统算法更好的检测效果，证明了基于三次B样条小波的局部模极大值方法检测目标边缘的有效性和正确性．