基于FPGA的图像轮廓提取

文章采用4个不同方向的Sobel算子模板和阈值比较方法来解决经典Sobel算子的检测精度不高和易出现虚假轮廓的现象;详细介绍了在FPGA中利用Sobel算子对图像边沿进行检测,并最终通过图像二值化将图像轮廓提取出来的具体过程;使用Modesim9.0仿真,验证了FPGA中轮廓提取算法模块的功能正确性.     

基于八方向Sobel算子的边缘检测算法

针对传统图像边缘检测方法检测效果不理想的问题,提出一种基于八方向Sobel算子的边缘检测算法。采用0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5° 8个方向的模板进行检测,能较好地检测出不同方向的边缘。在检测过程中,考虑到邻域内像素到中心像素距离不同,对中心像素的贡献不同,算法 根据该像素到中心像素欧氏距离对邻域内像素进行加权,使得距中心像素越近,其权值越大。实验表明,算法检测出的图像边缘较为完整,轮廓线清晰且连续性较好。     

抗噪Roberts算子边沿检测器

图像边缘检测是图像分割、目标识别、区域形态提取等图像分析技术的基础。边沿检测的软件实现有很多方法,但其一般无法保证在低成本计算平台上的实时性。因此文中基于形态学滤波和Roberts边沿检测算法提出一组数字电路,用以实现低成本、实时图像边沿检测器。文中还对比了Roberts算子的Matlab上实现和硬件实现的实际效果,发现实际硬件的边沿检测精度更高,噪声更多,必须采用去噪电路。该检测器消耗ALTERA-EP4CE115中2139个逻辑单元,每秒可处理30帧分辨率为640*480的RGB图像。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

基于视频监控系统的运动自适应去隔行算法

针对视频监控系统的去隔行问题,在分析了传统去隔行算法优缺点的基础上,提出了一种高性能的运动自适应去隔行算法。该算法通过可检测空间周期模式运动的4场运动检测方法对插值点运动状态进行判断,将图像分为静止区域和运动区域。静止区域的插值采用场合并算法;运功区域的插值采用改进型边沿自适应插值算法,增强了水平边沿检测功能并提升了一致性边沿方向的估计水平。DSP实验结果表明,提出的算法可提高图像的峰值信噪比(PSNR)和结构相似度(SSIM),有效抑制锯齿化、行间闪烁和运动虚像等不良效应,获得良好的视觉效果     

实时人脸检测模块的设计和实现

在达芬奇系列处理器TMS320DM6437平台上,利用Canny边沿检测算子,排除视频中大量非人脸部分,对可能为人脸的区域,运行Adaboost算法,完成人脸检测,实现一个高速的人脸检测模块。实验结果表明,该模块检测结果准确、运行稳定且高效。     

基于基准点的蚂蚁算法在胎儿脊柱裂超声图像边缘检测中的应用

胎儿脊柱裂超声图像一般较为模糊不易判断识别,该文基于蚁群算法,提出了一种新的胎儿脊柱裂超声图像边沿检测方法。针对超声图像特点,算法对信息素及食物源的设置进行了改进,阐述了该算法,同时将检测结果与Sobel算法的结果进行了比较,实验证明该改进的蚂蚁算法提取出了清晰的胎儿脊柱裂的边沿。     

基于蚁群算法的甲状腺结节超声图像边沿检测法

甲状腺结节超声图像一般较为模糊不易判断识别，该文基于蚁群算法，提出了一种新的甲状腺结节超声图像边沿检测方法。针对超声图像特点，算法对信息素及食物源的设置进行了改进，阐述了该算法，同时将检测结果与Canny算法和Sobel算法的结果进行了比较，实验证明该改进的蚂蚁算法提取出了清晰的甲状腺结节的边沿。     

基于图像频域方向模板的目标检测方法

运用傅里叶分析方法,利用水平方向、垂直方向、45°方向和135°方向直线的频域模板对侧扫声纳图像在4个方向上进行投影分解,根据子图像在4个方向上投影的能量和,设定门限判断有无目标,并粗略估计目标的位置。实验结果证明,该方法对于纹理较强的侧扫声纳图像中感兴趣区域(目标)的检测有较好的效果。     

融合数学形态学理论的边缘检测方法研究

给出一种结合小波变换和Canny算子的基于数学形态学的组合边缘检测算法.利用小波变换对原始图像进行去噪和增强,突出对象的轮廓;利用Canny算子完成边缘的初步检测:引入数学形态学中闭合运算对单纯利用微分算子检测边界存在的断裂边缘进行填充和修复.去除图像处理过程产生的噪声,使结果清晰、平滑.该算法利用MatLab软件进行仿真,结果证明该算法可有效抑制噪声,提高边缘检测精度,是一种有效的图像边缘提取算法.     

基于边缘和基线的维吾尔文图像文字定位算法

在基于维吾尔文特殊字体的基础上,提出了一种维吾尔文视频文字定位方法。该方法首先利用RGB彩色边缘检测算子获得水平、垂直、右上方和左上方的边缘图,然后根据加权后的边缘图提取图像的纹理特征,用改进的模糊C均值聚类算法检测出候选的文本区域,根据文本区域的启发式规则,去除虚假的文本区域,最后由维吾尔文本的基线特征判定检测出的区域是否为维吾尔文本区域。实验结果表明,这种方法在简单背景和复杂背景视频图像中均具有较好的效果。     

基于曲率估计的Canny边缘检测算法

为了解决传统Canny边缘检测算法对噪声敏感的问题,针对噪声边缘弯曲度大且弯曲空间范围小的二维空间特性,构造了基于曲线曲率估计的边缘曲度算子,并利用大尺度Canny算法边缘检测结果对边缘曲度算子进行修正,使该算子能够准确地表征噪声强度在二维空间中的分布情况,在此基础上,提出了一种在边缘检测过程中加入边缘曲度算子进行噪声衰减的边缘检测算法. 实验结果表明,算法在有效抑制噪声的同时,保留了变化丰富的细节边缘及变化缓慢的轮廓边缘,检测结果较好地反映了图像的原始结构特征.     

采用新邻居模型的多目标分解进化算法

在通常的基于分解的多目标进化算法中,繁殖计算时使用的解从基于子问题定义的邻居集合中选择,当目标函数存在多峰等复杂特征时,它们在决策空间的距离可能较远,这会导致算法性能变差。为了解决这一问题,提出了一种采用新邻居模型的多目标分解进化算法MOEA/D-NN。该算法重新设计了繁殖计算中使用的邻居模型,利用解在决策空间上的距离计算邻居,进而为每个子问题维护相应的邻居集合,在此基础上对邻居集合进行定时更新,实现了基于新邻居模型的繁殖计算。通过在公开测试集上的实验结果表明,提出的算法与几种经典的多目标进化算法相比,在大多数测试集上表现更优。     

一种基于HSV空间的彩色边缘图像检索方法

结合重要的彩色图像边缘及人眼视觉特性,提出了一种基于彩色边缘直方图的图像检索方法。该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色图像边缘转换至符合人眼视觉特性的HSV空间并进行量化处理,再将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图,最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索。仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

基于多方向的各向异性边缘检测算法

针对传统边缘检测算法抗噪性差的不足,提出了一种多方向的各向异性边缘检测算法。该算法构造了4个具有各向异性的5阶差分模板,对其进行归一化处理后,分别对待检测图像进行卷积处理,根据检测算法在各方向上卷积结果的幅值和方向信息得到灰度边缘图,最后采用最大类间方差法确定阈值进行边缘二值化。多组仿真实验结果表明,该方法能有效实现边缘提取,比传统方法具有更高的检测精度和更强的噪声鲁棒性。     

基于小波变换与改进的——Roberts算子融合的图像边缘检测

本文提出了一种改进的Roberts算子,并在此算子边缘检测框架基础上,采用了一种小波多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过改进的Roberts算子对子图像进行空间微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合运算得到最终的边缘图像.实验结果表明,该算法实现简单,能有效地抑制噪声,补偿...     

基于鲁棒主成分分析的Canny边缘检测算法

为提高图像边缘检测的准确性和鲁棒性,提出一种基于鲁棒主成分分析(RPCA)的Canny边缘检测算法。该算法对图像进行RPCA分解得到图像的主成分和稀疏成分,利用Canny算子对主成分进行边缘检测,从而实现对图像的边缘检测。该算法将图像的边缘检测问题转化为图像主成分的边缘检测问题,消除了图像信息中“污点”对检测结果的干扰,抑制了噪声。仿真实验结果表明,该算法在边缘检测的准确性和鲁棒性方面优于Log边缘检测算法、Canny边缘检测算法和Susan边缘检测算法方法。     

基于SUSAN算子与分水岭算法的图像分割方法

针对分水岭图像分割算法中的过分割问题,提出了一种结合SUSAN算子和分水岭算法进行图像分割的方法.该方法首先用SUSAN算子对原始图像进行划分,检测出图像中不包含边界的区域,然后将检测结果作为标记符在梯度图像上进行标记,最后用分水岭算法对带标记的梯度图像进行分割.试验结果表明,该方法具有较好的分割效果.     

多特征与边缘校正融合的天际线检测算法研究

针对天际线的高鲁棒性与高准确率检测问题，提出了一种多特征提取与边缘校正融合的天际线检测算法。采用Gabor纹理特征和颜色特征提取天空与非天空区域随机训练像素点的多特征值，接着采用支持向量机（Support Vector Machine，SVM）对多特征值训练得到分类器，从而检测出天际线的初始坐标位置；接着采用Canny算子对灰度化图像进行边缘检测，并利用线性五邻域搜索算法对初始坐标位置进行校正，最终得到天际线坐标位置。最后将所提算法在Web数据集和Basalt Hills数据集上进行测试，实验结果表明：提出的算法能有效地检测出较复杂图像场景中的天际线位置，在一定程度上减少了图像中相关像素点的干扰，使检测出的天际线更加平滑。     

基于多结构元的形态图像边缘检测算法

基于修正的边缘检测算子和形态滤波思想,提出一种新的多结构元素形态学灰度图像边缘检测算法。在该算法中,自适应确定权重,并将各个结构元素下的检测信息进行加权求和,得到噪声存在条件下较为理想的图像边缘。仿真结果表明所给算法效果优于经典的边缘检测方法。