四元数与彩色图像边缘检测

本文将彩色图像像素的R、G、B分量作为彩色空间矢量的三个分量,利用矢量场通量以及四元数关于矢量旋转的相关知识,得到两种彩色图像边缘检测方法。基于矢量场通量最大的检测算法,较传统的利用Sobel算子的方法能更全面地提取图像的边缘细节,并且针对不同的图像具有很强的自适应效果;基于四元数的检测算法,利用四元数对矢量旋转的方便表示,提出一种全新的彩色边缘检测方法。实验结果表明,本文提出的两种方法针对彩色图像的边缘检测具有较好的效果,特别是四元数矢量旋转方法,能够提取很多传统的灰度化方法所不能提取的图像纹理细节。     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

基于矢量的彩色图像边缘检测

在矢量算子的基础上,利用图像边缘在一定尺度下二阶导数的特性,提出了一种新的彩色图像边缘检测方法。试验证明,若对检测精度,边缘完整性等方面进行综合评价,该方法优于一般方法。     

机械零件检测中的彩色图像边缘检测研究与仿真

彩色图像边缘检测是计算机视觉系统中非常重要的技术环节。该文对基于颜色融合和基于多维梯度的检测方法进行了分析,利用MATLAB进行了仿真实验,并对仿真结果进行了比对分析。实验表明:基于结构张量的多维梯度方法检测效果较优,但计算开销较大。该结论为进一步研究机器视觉系统中机械零件的轮廓尺寸测量提供了参考。     

自适应实时边缘检测系统设计

针对传统边缘检测系统缺乏自适应及实时性差的问题,利用FPGA的高速并行处理能力和改进的Canny算子设计了一种自适应实时边缘检测系统。系统根据采集图像的幅值梯度直方图特征,自主提取Canny算子所需的高低阈值,并辅以双阈值化处理来提取图像边缘信息;同时采用多级流水和并行处理的方式,将浮点数转化为整数计算,加快处理速度。实验结果表明,该系统提取边缘完整,实时性好,自适应能力强。     

图像边缘检测

图像边缘是图像最基本的特征之一,它包含了图像上目标物体的主要信息。所谓边缘是指一组相连的像素的集合,这些像素周围灰度具有显著变化的部分,即在灰度级上发生急剧变化(灰度突变)的区域。边缘检测是从图像中提取感兴趣对象的边缘信息,同时尽量去除不需要的图像信息,是在图像的局部区域上针对像素点的一种运算,在图像处理中有着重要的作用。边缘作为图像的一种基本特征,包含着有用信息,因此边缘检测通常成为了图像分析和图像理解中特征提取的主要手段,在一些预处理算法中有着重要的作用。随着科技的迅速发展,边缘检测技术也越来越多运用到生产和生活中。因此,对边缘检测的理论与应用研究很有必要。本文叙述了边缘检测的基本步骤,对灰度图像的几种边缘检测算法,作了简单的介绍、评价与分析。     

基于多尺度的矢量形态学彩色图像边缘检测

该文提出了一种基于多尺度的矢量形态学彩色图像边缘检测新算法。文章首先分析了彩色图像与二值图像之间的关系,然后定义了新的基于彩色图像的形态学变换。并在此基础之上,引入了多分辨率分析的彩色图像形态学变换。试验结果表明该算法对彩色图像的边界检测效果明显地优于单尺度及Sobel等算子的边界检测。     

基于共生矩阵和形态学的彩色图像边缘检测

针对在RGB空间中难以有效区分颜色相似性的问题,提出了一种基于共生矩阵和HSI空间形态学的彩色图像边缘检测方法。采用二维共生矩阵直方图均衡化方法,解决图像过渡不自然的现象;针对HSI的分量利用形态学方法进行加权分析和图像融合,得到彩色图像边缘。通过MATLAB实验表明,该算法检测准确率高,自适应性好,有较好的检测效果。     

基于HSI颜色空间的彩色图像边缘检测

为得到质量较高的彩色图像边缘信息,基于符合人眼视觉特性的 HSI颜色空间,提出一种新的彩色图像边缘检测算法。融合色度、饱和度和亮度分量得到新分量V,根据色度和饱和度的相关性改进色差度量方法,设计边缘生长方法以保证边缘连续性,结合4个分量的边缘信息得到最终边缘检测结果。实验结果表明,该算法可有效消除噪声影响,提高边缘信息的准确性。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

基于自适应提升方案的图像边缘检测

图像边缘是由于灰度的不连续所致,是图像信息的一个最基本特征,也是图像处理中探讨的热点问题之一.分析传统的图像边缘检测算法及其存在的问题.通过采用自适应提升小波分析,根据处理图像信息的局部特征自适应地调整预测滤波器和更新滤波器,从而实现与处理信息的准确匹配;同时,改进了小波边缘检测算子,实现了一种适用于自适应提升小波分析的图像边缘检测的算法,并将此算法应用于医学图像的边缘检测.仿真结果表明,该算法比传统的图像边缘检测算法效果更优.     

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.     

基于自适应形态学的医学图像边缘检测

针对人体医学图像组织结构复杂、模糊、噪声大的特点,提出一种新的多尺度结构元的自适应边缘检测算法,给出新算法中计算各结构元权值的方法,并将其与传统的算法进行比较。实验结果表明,新方法能克服传统边缘检测算法抗干扰能力小的缺点,较好地实现了噪声图像的弱边缘检测。具有检测灵活性强,获得边缘信息平滑、丰富的特点,而且,算法编程实现容易。     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

基于彩色信息区分度的彩色边缘检测

分析了传统边缘检测中对边缘定义的不足,提出了一种新的彩色边缘定义。根据此定义提出了一种基于区域色度、明度等彩色信息区分度的边缘检测方法,并将实验结果同传统的Sobel方法进行了比较。结果表明,该方法充分利用了图像的彩色信息,获得了令人满意的效果,同时具有较好的抗噪能力。     

基于矩的三维图象边界检测

本文提出了一种基于矩的三维边界检测方法。在三维图象中取球形窗口，用旋转曲面拟合边界曲面，通过计算图象的零至二阶矩，从而获得边界的形状、位置、强度和方向等参数。对于非均匀的三维医学图象，得出了一组通用的，隐含线性插值过程的矩计算模板。可以直接从三维非均匀数据计算各阶矩，方法简便且计算量大为减少。     

彩色图像边沿色彩补偿检测方法

针对彩色图像边沿提取处理时,不能套用比较简单而成熟的黑白图像处理方法,本文提出的应用ＯＨＴＡＫ－Ｌ变换,将通常的（Ｒ,Ｇ,Ｂ）彩色空间转换为彩色特征（Ｉ２、Ｉ２、Ｉ３）空间,然后在（Ｉ２,Ｉ２,Ｉ３）空间进行灰度边缘分析,并以Ｉ１为主进行色彩边缘补偿,即可得到清晰且细致的边沿轮廓图。与彩色图像直接边沿提取及改变调色板变为黑白灰度图像后进行边沿提取比较,效果令是满意的。     

嵌入式图像边缘检测系统设计与实现

采用高性能嵌入式Cortex-A9处理器设计了一套图像边缘检测系统。主设备系统采用ARM-Linux嵌入式操作系统,利用Open CV捕获视频帧并使用改进Canny边缘检测算子对视频帧分析处理并实时显示。针对色彩与背景相似的物体、轮廓特征明显的物体和夜间环境下的物体边缘检测进行测试。实验结果表明,嵌入式平台能够达到和PC相同的检测效果,相比于传统Canny算子,改进的Canny边缘检测算子图像边缘检测系统的检测效果优秀和性能良好,具有很强的实时性和可靠性。     

基于自适应形态学边缘检测的时频检测算法

针对通信对抗中跳频信号的检测问题,提出一种基于自适应形态学边缘检测的时频检测算法。该算法把跳频信号的时频谱图SP(Spectrogram)视作一幅图像,首先利用多尺度结构元素对其滤波,再根据图像边缘方向自动选择相应方向的结构元素进行边缘检测,最后通过与设定的阈值比较判决跳频信号是否存在。仿真结果表明,此算法可以有效去除噪声和干扰信号,增强跳频检测系统鲁棒性、提高检测效率。     

基于Cauchy-Riemann方程的图像边缘检测方法

针对边缘检测问题,提出一种基于复变函数的有限差分法,利用解析信号来进行边缘检测;通过求解Cauchy-Riemann方程,构造原图的共轭图像,并得到边缘检测图。对共轭图像进行预处理与细化处理后,获得更好的边缘检测效果。数字图像实验表明,该方法实用性强,且因为连接性较差而使得复杂的背景轮廓不会干扰到主对象的识别。这一优势表明,该方法是一个值得深入的研究方向。