基于目标边缘的图像二值化方法研究

针对图像二值化在模式识别等领域有着广泛的应用 ,本文基于图像的边缘信息和微分算子 ,提出了一个综合局部阈值和全局阈值的自适应阈值算法。实验表明此算法在二值化图像时能很好的保留图像的边缘信息     

基于边缘检测的二值化方法研究

用全局阀值对图像进行分割的效果往往不能令人满意 ,而通常的局部阀值二值化方法又过于复杂以致在实际操作中存在困难。针对颗粒图像的分割 ,本文提出了一种新的基于边缘检测的二值化方法。实践证明 ,这种二值化方法能取得良好的效果     

一种自适应二值化的毫米波图像边缘检测方法

针对毫米波图像分辨率较低、噪声大、成像物体边缘提取困难等问题,提出了一种基于自适应图像二值化的毫米波图像边缘检测方法。该方法通过对图像直方图的分析,自动地确定两个峰值的位置,得出阈值,对图像进行二值化,再对二值化后的图像进行边缘检测。实验表明,这种方法能较好地检测出毫米波图像中人与物体的边缘信息,同时又去掉了大多数由噪声引起的伪边缘。该方法避免了大量的方差计算,计算量仅为大津法的 50%左右,能够满足自适应性和实时性的要求。     

基于Canny算子的图像边缘检测实现

图像边缘信息是重要的图像信息,本文详细介绍了canny算子边缘提取的原理和算法,然后利Matlab编程实现Canny算子对灰度图像的边缘检测。实验表明,Canny算子提取图像边缘具有很好的效果。     

二阶微分在边缘检测中的应用

本文主要从图像的边缘检测出发，在一般二阶微分拉普拉斯算子的基础上，加入了基于高斯函数的拉普拉斯算子，在图像噪声的抑制上取得了．皂好的效暴，基于此,本文将理论应用于实际问题，通过举例给出了二阶微分在边缘检测方面应用的优越性。     

关于图像边缘检测的 Laplace算子的改进

该文对图像边缘检测的 L aplace模板 ,增加 8个检测方向 ,并适当设置了权系数 ,改进了 Laplace算子 ,实验结果表明使用改进的 Laplace算子 ,图像边缘检测的效果得到了明显的改善 .     

基于Canny算子的改进的图像边缘检测方法

本文简要介绍了Canny算子边缘检测的基本原理,并对其性能进行了分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,文章提出了一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

浅析图像边缘检测方法

介绍图像边缘的基本概念和经典的图像边缘检测方法。并着重近年来发展最快的新的图像边缘检测方法。这对于进一步学习和寻找更好的图像边缘检测方法具有实用意义。     

影像边缘检测Prewitt算子的改进算法

本文对Prewitt经典算子进行了分析,根据算法的计算规律提出了一种改进的计算方法,通过对常规算法与改进算法的计算量进行比较分析,从理论上说明了改进算法具有简洁的处理步骤,提高了处理的速度;又通过对200幅256×256影像的具体实验证明,改进算法不仅拥有与原算法相同的效果,而且,处理时间显著缩短。     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度场内奇异值分解相结合的边缘检测方法.首先在图像预处理阶段,为了提取准确的边缘特征,文中利用小波变换的时频局部化特性,对图像进行小波变换.该文对用小波求取的梯度场使用局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出并且能够达到抑制噪声的目的.实验证明该文方法既能在无噪声影响的图像中提取出清晰完整的单边缘,又能在有噪声干扰的情况下提取出理想的边缘.     

采用阈值的快速边缘检测算法

针对原有模糊边缘检测算法计算复杂、适应性差的缺点,提出一种新颖的快速边缘检测算法。该算法将图像映射为一个模糊特征面,通过图像自适应阈值来确定模糊增强的渡越点。在渡越点上对图像进行非线性增强。算法将“Min”与“Max”算子结合起来提取边缘,避免了使用单一算子检测边缘强度较弱的缺点。该方法避开了原算法中复杂的指数运算,运算量减少了40%左右;渡越点的自适应性提高了算法的适应性。仿真表明,该算法检测的边缘细、连贯,并且算法抗噪能力强。     

新的梯度边缘检测方法

提出了一种新的基于梯度算子法检测灰度图像边缘的方法。该方法在3×3的邻域窗内,分别用梯度法对窗内的水平方向、垂直方向和正、负45°角方向上的边缘线进行检测,找到梯度最大的边缘线,从而组成最终的边缘图像。实验表明:该方法简单,边缘检测图像效果好。在此基础上,又提出了增强边缘检测方法和简化边缘检测方法。这两种对基于梯度算子法的改进方法分别适用于检测小的边缘梯度和需要快速检测边缘这两种情况。     

利用小波边缘增强的可靠性匹配方法

为提高景像匹配的可靠性,提出了一种基于小波边缘增强的可靠性匹配方法。采用四阶中心B样条小波对实时图和基准图进行小波分解和边缘增强,以提取可靠的边缘特征。在粗尺度上基于小波边缘增强图进行相关匹配,选择相似度曲面上前5个峰值点作为候选匹配点,保证正确匹配点可以包含在候选匹配点中。对实时图进行旋转校正,利用候选匹配点处的局部灰度特征确定边缘提取的双阈值,应用形态学连接算子来获得二值边缘图,再进行相关匹配,筛选出正确匹配点。在细尺度上获得精确的定位点。应用该方法进行匹配实验,其匹配概率比基于小波二值边缘提取的匹配算法提高了6.95%。     

一种基于边界特征的耳廓提取新方法

在实际的人耳识别系统中,人耳的准确定位是影响识别率的一个重要因素.根据外耳及其所在位置的特征,提出了一种从侧脸图像上准确定位并提取出人耳的新方法.该方法首先对侧脸图像进行阈值化和差分处理,然后将外耳边缘轮廓分为3个区域,利用阈值图像和差分图像以及3个区域的不同走向分别跟踪得到整个外耳轮廓线,并从侧脸图像中提取出外耳图像.该方法运算量小,定位精确,得出的外耳轮廓图像清晰完整无任何干扰,而且定位成功率高.     

综合边缘检测和区域生长的红外图像分割方法

针对红外图像的特点,提出了一种综合应用边缘检测和区域生长方法的图像分割方法。其思路为:先对图像进行边缘提取,得到边缘像素点集;然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件,采用区域生长法实现图像分割。仿真结果表明,该方法能快速准确有效地实现红外图像分割,避免了单独使用边缘提取或区域生长法进行图像分割时的典型分割错误。     

融合卫星云图的直方图统计法纹理检测

纹理检测及分析不仅对于云图的自动识别,而且对云图的日常应用非常重要。本文采用直方图统计法对融合卫星云图进行了纹理检测和分析,提出了采用信息熵度量卫星云图上的“稠密度”,并利用夏季融合云图进行了大量试验。试验结果表明,信息熵纹理检测结果优于其它统计量,能检测出强云团内部的不同纹理特征,且纹理图像可应用于日常气象工作中。本文在深层次、多角度挖掘气象卫星遥感数据信息方面做了一些探索性的工作。     

基于MCSSD的转子碰摩故障早期检测

提出了基于多尺度线调频基信号稀疏分解(Multi-scale Chirplet Sparse Signal Decomposition,简称MCSSD)的转子碰摩故障早期检测方法,该方法用MCSSD方法对转子碰摩故障振动信号进行单次分解,从原信号中分离出具有最大幅值的工频(或倍频)信号分量。由于MCSSD方法是采用线性直线逐段自适应逼近分析信号的各分量频率,分解得到的信号分量与真实信号分量具有很好的频率匹配特性,不会产生频率混叠现象,因此,与小波分解与EMD分解相比,MCSSD能更有效地从转子早期碰摩故障振动信号分离出最具最大幅值的工频(或倍频)信号分量。将该信号分量从原信号中去除,对残余信号分量做频谱分析,即可有效诊断转子早期碰摩故障。应用实例证明了该方法的有效性和优越性。     

A self-adaptive edge matching method based on mean shift and its application in video tracking

A self-adaptive edge matching method based on mean shift adjustment is proposed in this paper. Such method uses the local mode seeking character of mean shift to adjust the edge information of each model to a stable state before matching, which can effectively avoid the deviation problem of traditional method and raise the successful matching rate. Furthermore, the interfering vector with a self-adaptive coefficient is proposed to optimise the matching performance in complex background. Compared with a pre-set constant coefficient, the self-adapted coefficient has a better perception of background edge complexity so as to control the initial adjusting position more rationally, and thus increases the robustness and accuracy of matching. This matching method is applied in an improved particle filtering tracking framework, and experimental results prove the validity and rationality of the theoretical analysis, and show that the proposed matching method performs a robust and efficient tracking.     

基于边曲率的网格模型简化算法

网格模型简化在计算机图形学与虚拟现实和生产制造领域有重要的研究意义.针对目前网格简化算法在大规模简化时丢失模型几何特征的问题,提出一种改进的半边折叠网格简化算法.引入边曲率近似度量的概念,同时将边曲率加入到误差测度中,从而改变了网格的半边折叠顺序,使网格模型简化后的细节能够准确地保留.实验结果表明,改进后的算法在同等简化率下能更好地保留原模型的细节特征,并且网格分配合理,执行速度快,误差小.