基于穹顶提取的边缘选取算法

在检测斜坡状边缘时,由于噪声的影响,经常出现单边缘多重响应现象．灰度形态学重建(grayscale reconstruction)可以用于提取穹顶(dome)．文章指出并证明了穹顶所具有的三个特性,并提出一种基于穹顶在梯度图中选取边缘的算法(DEG)．根据指出的穹顶的特性,该算法具有非极大抑制(non-maxima suppression,NMS)的效果;并且它仅选取出梯度图中相应于边缘的极大值点,在其附近由噪声引起的小的极大值点不会被选取出．算法的时间复杂度和内存要求同非极大抑制法相比没有明显的增加．实验结果显示,该算法抑制了单边缘多重响应现象,具有非极大抑制的效果,同时不会引起边缘的移位,适合用于对斜坡状边缘的检测。     

医学图像增强算法与特征提取算法研究与实现

医学图像质量是医生判读准确率高低的基础,医学图像增强是提高图像质量的重要方法。文中对医学图像的平滑处理方法和边缘特征提取算法进行了研究与实现,主要包括邻域平均法、加权平均法、中值滤波法、形态学增强处理、Canny边缘提取算子以及形态学提取边缘的方法。从模拟结果可以看出,经过增强处理后的图像以及所提取的边缘特征明显优于原图像。这样不仅可提高医生的判断速度和准确率,而且有助于对医学图像的特征描述、匹配、重建等工作。     

改进的数学形态学图像边缘提取算法研究

研究图像边缘优化提取问题。由于图像在进行边缘提取过程中,容易受到外界信息的干扰,特别是当受到噪声等因素影响时,造成图像边缘提取困难。为此提出了一种新的采用两层数学形态学增强操作提取图像边缘的技术。首先将利用形态学对灰度图像进行增强,并以为基础利用形态学的膨胀操作单独对边缘进行增强,然后将图像切分成小块,针对不同的小块来区分边缘与非边缘;最终经过模板滤波,获得清晰的边缘结果图像。仿真结果表明,改进的算法快速有效,在提取完整的边缘的同时,能够有效的抑制噪声和背景因素对边缘的干扰,并优于其他传统边缘提取方法。     

基于改进的数学形态学的OCT图像快速边缘提取算法

提出了一种基于形态学的OCT图像的边缘检测方法,即对原始图像预处理,增加图像的对比度和边缘特性,使用形态学腐蚀和膨胀两个基本算子进行,选取了合适的结构元素,最后采用canny算法提取边缘。实验结果表明,经过改进的数学形态学方法处理的图像边缘特性的提取效果显著增强,且效率高、处理速度快。与经典的边缘检测算子和传统形态学边缘检测算法相比,该算法优势更加明显,边缘提取质量显著提高,且速度有显著提升。     

沥青路面裂缝图像检测算法研究

针对沥青路面裂缝图像边缘提取不精确的问题,基于形态学多尺度的思想,结合沥青路面裂缝图像中裂缝形状不规则,裂缝信息比较弱小的特点,提出了一种沥青路面裂缝图像检测算法。算法构造了多结构元素的抗噪型边缘检测算子,且依据不同形状的结构元素对裂缝边缘填充的几率不同,设定了一种自适应确定权重的算法,使得此算子在平滑滤波的同时又检测到各种类型的边缘。与传统裂缝图像检测算法相比,该算法有效抑制了各种噪声的影响,实现了多种类型边缘的精确提取;理论分析和实验结果表明该算法是可行且有效的。     

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

基于数学形态学的商标图象边缘提取

介绍一种全新的基于数学形态学的商标图象边缘提取方法,根据商标图象边缘与内部区域结构形态的差异,通过与之相匹配的结构元素,运用数学形态学的方法对商标图象边缘进行提取。     

基于边缘检测的Retinex图像增强算法

针对消除背景光照对图像的影响时出现的细节弱化、色彩失真的问题,提出了一种基于边缘检测的Retinex彩色图像增强算法。根据人类视觉特性从图像中提取亮度分量并检测边缘信息,在平滑点和边缘点处采用不同的模板估计背景光照,以避免强边缘处的光晕现象;通过调整图像中的背景光照比例提升局部对比度,并根据反射图像直方图自适应调整全局对比度;利用R、G、B通道及亮度分量的等价变换进行色彩恢复,以保证增强前后图像色调一致。实验结果表明,增强后的图像标准差提升了19.34%,信息熵增大了13.18%。     

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。     

Image Sobel edge extraction algorithm accelerated by OpenCL

The Journal of Supercomputing - Aiming at the low processing speed of the Sobel edge detection algorithm and the equipment limitations of Compute Unified Device Architecture (CUDA) implementation...     

多级卷积神经网络的沥青路面裂缝图像层次化筛选

如何快速准确地识别与评估沥青路面裂缝病害,已成为路面养护和保障道路安全的重要任务之 一。实际采集路面图像中往往存在大量的非裂缝图像,在保证裂缝图像无漏筛的前提下,尽可能提高裂缝图像 的精确率与非裂缝图像的真负例率,则对于降低人工筛选的工作强度,以及后续裂缝自动分割与病害损坏程度 评估具有重要实际意义。故此,提出了一种多级卷积神经网络的沥青路面裂缝图像筛选方法,由训练、微调与 验证三阶段构成,利用微调集获得 softmax 层输入微调增量。为避免裂缝图像召回率增加与精确率下降的问题, 在对比不同卷积神经网络筛除的非裂缝图像异同基础上,采用改进 AlexNet 作为一级筛选网络,VGG16 或 ResNet50 作为二、三级筛选网络的层次化处理模型。对于含噪声及复杂路面图像测试集的实验结果表明,三级 层次化筛选模型能在 100%召回裂缝图像时,达到高的真负例率及准确率。与其他方法的对比实验表明,所提 方法可有效解决沥青路面裂缝图像漏筛问题,且具有更好的检测效果。     

基于模糊增强算法的不规则缺陷边缘提取研究

在工业焊缝不规则气孔缺陷的无损检测过程中,由于利用×射线拍摄的数字图像对比度低、噪声大、图像灰度变化复杂,缺陷边缘信息难以提取.针对上述问题,本文首先利用自适应中值滤波消除利用×射线拍摄的数字图像无缺陷的焊缝区域和背景区域,然后利用优化的模糊增强算法对图像边缘进行增强处理,最后分离提取出缺陷区域.通过实验对比,本文采用的方法检测精度高,处理速度快,具有较好的工程应用价值.     

基于点和边缘相结合特征提取的图像配准算法

提出了一种新的基于几何特征的图像配准算法,将特征点提取和边缘提取的方法相结合,有效的获得了图像的主要信息.通过立体视觉匹配技术,建立图像之间的点映射关系,并采用二又树搜索策略改进搜索效率.根据空间的联立方程组得到图像在两个坐标系统中的三维空间数据坐标,然后进行数据拟合得到非特征点的数据.该方法提高了图像配准的效率和准确性.     

FCM分割和形态学的沥青路面图像裂缝提取

利用裂缝相对于路面的亮度、几何纹理等特征差异,提出了一种基于FCM图像分割和形态学的沥青路面图像裂缝提取方法。拍摄的路面图像经过去噪、亮度非均匀校正和对比度增强等一系列预处理,提高图像中裂缝与路面背景的差异。采用FCM方法分割图像,初步提取裂缝。利用膨胀、腐蚀和细化等形态学操作,对裂缝连通区域面积进行阈值判决实现裂缝的精细提取。实验结果表明,该综合方法获得了较好的检测结果,能有效地提取弱对比度的裂缝和细小裂缝。     

维吾尔文笔迹边缘提取算法及特征提取研究

介绍了四种经典的笔迹边缘提取算法,通过实验结果分析得出Sobel算子在提取维吾尔文笔迹边缘时效果较好。提出一种与文本无关、特征融合的笔迹鉴别方法,融合的特征包括改进网格窗口微结构特征和笔迹曲向特征,该方法采用概率密度分布的方法统计笔迹的网格窗口微结构特征和曲向特征,鉴别效果达到了预期值。介绍一些高新的图像处理技术,提出对经典算子的改进、融合以及把新的图像处理技术运用到维文的笔迹鉴别工作中将是下一步的主要任务。     

基于布谷鸟搜索的路面裂缝图像检测算法

针对路面裂缝自动检测难题,提出一种基于布谷鸟搜索的路面裂缝图像检测算法。首先,将RGB彩色图像转换到HSV空间,并用全变差模型对V分量去噪。然后利用直方图计算图像的初始聚类中心,将其作为搜索域约束进行布谷鸟算法迭代。最后利用K均值计算新的聚类中心,更新当前的鸟窝位置,得到最优图像分割阈值。试验结果表明:提出的算法去噪能力强,分割效果好,能很好地提取路面裂缝,性能优于Otsu算法。     

结合Powell-RWACO的图像边缘提取算法*

针对蚁群算法在图像边缘提取中经常出现收敛速度慢、检测精度低、停滞等问题,提出一种结合Powell法的排序加权蚁群(Rank Weighted Ant Colony Optimization, RWACO)图像边缘提取算法。该算法将RWACO算法与Powell法相结合,利用RWACO算法进行全局优化,然后将全局最优值作为Powell法的初始点进行局部优化。实验结果表明,该算法兼顾了全局优化和局部优化的优点,与蚁群算法和Canny算法相比,明显提高了图像边缘精度,计算效率比蚁群算法提高了两倍多,并克服了其停滞等缺点,能够高效地检测出图像的边缘。从而验证了该算法的可行性,对今后的图像边缘检测具有参考价值。