分区均值的自适应噪声图像边缘检测算法

针对边缘检测算法存在的检测精度与抑噪的矛盾,提出一种基于新的图像边缘检测算法。算法将检测窗口按照0o,45o,90o和135o四个不同方向分别划分为两个子区域,先统计每个检测窗口(3×3)内脉冲噪声点的个数,如果超过3个,则扩大检测窗口至5×5。对于检测窗口每个方向划分的两个子区域,分别计算区域内的非噪声点的平均灰度值,利用平均值差的绝对值作为窗口的方向梯度值,进而求得中心点的梯度。然后,对梯度图像采用改进的非极大值抑制方法进行细化,并提取边缘。实验结果表明,该算法检测的图像边缘方向性较强,边缘较细,不仅对不同程度脉冲噪声干扰图像具有较强的抑噪能力,而且对高斯噪声也具有一定程度的抑制效果,算法具有较强的适应性。     

基于融合边缘检测的SAR图像线性特征提取算法

该文基于合成孔径雷达(SAR)图像低信噪比的特点,设计了一种基于融合边缘检测的线性特征提取算法。首先采用融合Canny算子及ROA算子得到边缘点,然后利用Radon变换得出线基元,最后根据启发式连接的思想连接了由于噪声引起的直线断裂。实测SAR图像的实验结果表明,该文提出的线性特征提取方法能够准确描述SAR图像的线性结构,可应用于自动目标识别和景象匹配等方面。     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

基于混合遗传算法的SAR图像边缘检测

在研究SAR图像特性的基础上,提出了一种基于混合遗传算法的边缘检测方法.它将边缘检测归结为一个优化问题,利用遗传算法的全局寻优能力,能够搜索到定位准确,更加连续和精确的边缘,并且局部优化算子又能大大加快算法的收敛,因而算法兼有良好的检测效果和快速的处理速度.仿真结果也证明了其有效性.     

利用自适应灰度形态学检测噪声图像边缘

传统的形态学边缘检测算法采用固定的结构元素时图像边缘进行提取,通用性不强.本文提出一种结构元素种类、滤波所使用的结构元素的尺寸郜白适应的图像边缘检测算法,该算法根据模板匹配方法,选样最优匹配的结构元素;针对不同浓度的噪声图像自适应选取结构元素的尺寸进行滤波,并进一步检测图像的边缘.仿真表明,该算法在不同噪声图像的边缘检...     

SAR图像局部自适应ACCA-CFAR检测算法

该文在ACCA-CFAR(Automatic Censored Cell Averaging-CFAR)的基础上提出了一种以K分布对SAR图像杂波建模的局部自适应ACCA-CFAR目标检测算法。该算法首先估计局部窗口的K分布参数,然后根据参数确定局部ODV(Ordered Data Variability)门限,进而完成背景像素筛选,最后做出检测判决。文中证明了ODV门限与局部统计模型的参数有关,给出了采用局部自适应门限的理论依据。该文以海面舰船SAR图像为例,证明该算法在海面杂波背景中具有较少的虚警,可以完整地检测出舰船目标,保留更精细的结构特征。     

基于ROC融合准则的SAR边缘检测算法

根据ROC(receiver operating characteristics)技术能评估分类器在所有可能工作阈值下总体性能的特点,建立包含边缘像素点相关分析与ROC分类决策的ROC融合准则。依据该准则组合多种SAR边缘检测算子,并得到合成孔径雷达(SAR)影像的"理想"边缘检测结果。实验结果表明,本文方法能融合多种边缘检测算子的优点,有较强的开放性与目标适应性,并且不需要手工设置阈值,自动化程度高,有很强的工程实用性。     

一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.     

一种基于灰度自适应红外图像边缘检测方法

针对天空背景下红外成像灰度特点,本文介绍了一种简单可行自适应边缘检测方法.首先对红外图像进行自适应灰度增强预处理,接着用自适应最优阈值分割得到原图的二值图像,最后依据形态腐蚀方法获取目标边缘,实验表明,该方法除噪能力强,定位精度高,具有连续的边缘检测能力.     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

激光雷达含噪图像边缘检测算法比较

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响整个雷达系统的精度和性能。对Sobel、Kirsch、LOG、Canny、参数检验算子等边缘检测算法原理及其性能参数进行了分析和比较,并且对含有散斑噪声的激光雷达图像边缘检测进行了实验研究,结果表明,参数检验算法在受散斑噪声影响的图像中的检测性能较好。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

SAR图像局部窗口K-分布目标检测算法

该文分析了双参数CFAR算法和K-分布CFAR算法的特点,将双参数CFAR算法局部窗口的概念应用到K-分布CFAR检测中,适应了SAR图像海面背景复杂且局域性强的情况,获得了较好的检测效果。     

A new edge detection algorithm for image corrupted by White-Gaussian noise

Because corruption of image by White-Gaussian noise is a frequently encountered problem in acquisition, transmission and processing of image, and classical edge detection operators such as Roberts, Sobel, Prewitt and LOG operator have the deficiency of being sensitive to White-Gaussian noise, this paper proposes a new edge detection algorithm for Image corrupted by White-Gaussian noise that can reasonably consider White-Gaussian noise reduction and correct location of edge, and provides its specific arithmetic process. Finally, the comparison based on principle of new edge detection algorithm and classical edge detection operator is done, the experimental results indicate that the performance of new edge detection algorithm is better than that of classical edge detection operator.     

Adaptive multiscale edge detection based on vision feature of edge and wavelet transform

A new rnultiscale edge detection method is presented, which is based on an effective edge measure. The effective edge measure, used to adaptively adjust the scales of wavelet transform, is defined using the novel features of image edge obtained from human being vision characteristics. Finally, two experiments show that the proposed algorithm appears to work well.     

A multi-scale morphological approach to SAR image edge detection

This paper introduces a multi-scale morphological edge detection algorithm to extract SAR image edge which suffers seriously from noise. Combining the basic theme of morphology with that of multi-scale analysis, the algorithm presents the outstanding characteristics of accuracy and robustness. Comparative Experiments reveal its fine performance.     

基于Memetic算法的SAR图像变化检测

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,实现了粗细结合的搜索过程.算法不受分布模型限制,不需要先验知识,适用性较强.将改进的算法与GA、ICSA及原MA进行比较,实验证明,该算法可以快速收敛.对真实SAR图像进行检测,可以得到较好的检测结果.     

Mixed scheme for image edge detection based on Wavelet Transform

A mixed scheme based on Wavelet Transformation (WT) is proposed for image edge detection. The scheme combines the wavelet transform and traditional Sobel and LoG (Laplacian of Gaussian) operator edge-detection algorithms. The precise theory analysis is given to show that the wavelet transformation has an advantage for signal processing. Simulation results show that the new scheme is better than only using the Sobel or LoG methods. Complexity analysis is also given and the conclusion is acceptable, therefore the proposed scheme is effective for edge detection.     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.