最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方...     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

自适应图像边缘检测LOG算法的DSP实现

LOG算子是图像边缘检测的重要算子,可以在不同尺度下检测图像的边缘特征。针对LOG算子存在的缺陷,并借助于LMS自适应算法获取最佳空间系数σ值,成功抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,当σ值较小时,LOG算子对高反差像素比较敏感,能够检测出物体的精细边缘,并且与实际边缘的一致性较好,但同时高斯滤波不彻底,图像中出现大量的虚假边缘;当σ值较大时,算子能够检测出原图像的边缘,噪声情况明显减小,但是边缘间存在相互干扰,位移严重等情况;本算法检测出的图像边缘,不仅成功抑制了图像中大部分噪声和微小的灰度变化,还保证了较高的边缘定位精度。增强了LOG算子的实用性,并且该算法易于实现,可以较好的解决图像边缘检测问题。     

人脸识别中边缘检测器的改进

分析了现有的人脸识别边缘检测器存在的缺陷,提出了改进的边缘检测器：高斯微分算子快速算法使计算速度提高１０倍以上;图像二值化的“或与法”大大提高了二值图像的质量．实验证明该文的边缘检测器性能优良,是复杂图像二值化的好方法．     

一种改进的Log边缘检测算法

在分析传统Log边缘检测原理的基础上,针对高斯滤波器尺度因子的选取,引入高斯滤波空间尺度因子计算方法,提出了一种自适应的多尺度Log边缘检测算法,克服了传统Log算法的不足.实验结果表明,改进后的Log算法能有效抑制噪声,并能准确检测图像边缘信息.     

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.     

不同光照条件下含噪遥感图像边缘检测算法

针对不同光照条件导致遥感图像采集过程中形成随机噪声的问题,研究不同光照条件下含噪遥感图像边缘检测算法,以此提升遥感图像配准、识别的精度。针对不同光照条件下遥感图像获取过程中的随机高斯噪声,将邻域均值滤波算法与中值滤波算法相结合构建加窗中值滤波算法,利用该算法对含噪遥感图像实施滤波处理,消除遥感图像内的各类噪声。针对去噪后的遥感图像,利用Canny算子进行图像梯度计算,并进行最大值约束。对约束后的遥感图像梯度直方图采用最大类间方差法自适应检测和连接边缘的高、低阈值,通过跟踪边缘像素点,完成遥感图像边缘检测。测试结果表明,该算法可最大限度上还原实际遥感图像,准确检测图像边缘信息,提升遥感图像配准、识别的精度。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

基于邻域加权的多层次模糊边缘检测算法

针对目前边缘检测方法在低对比度图像、噪声图像中检测效果不理想的问题,本文结合微分算子和模糊边缘检测的优点,提出一种基于邻域加权的多层次模糊边缘检测方法。首先,利用微分算子计算图像梯度特征,依据图像梯度特征对图像进行自适应地分层;然后构造模糊函数,用模糊函数增强不同强度的图像梯度特征,取得了较好的边缘检测结果。仿真实验表明:基于邻域加权的多层次模糊边缘检测算法能较好地检测低对比度图像的边缘,同时能有效抑制椒盐噪声、高斯噪声对图像边缘检测的干扰。     

基于双边滤波的钢筋检测方法

采用传统高斯滤波方法和高斯滤波方法与图像亮度信息相结合的一种新的双边滤波方法,分别将2种方法应用在钢筋检测的滤波过程。通过对比实验结果表明:双边滤波方法可以得到更有效的边缘信息,提高钢筋检测的准确率。     

基于小波高频分量的边缘检测方法

在对图像的小波变换原理讨论的基础上,提出了一种较为实用的图像多尺度边缘检测方法,同时对如何抑制噪声的干扰进行了讨论.由于该方法克服了以往使用单尺度提取边缘的局限性,并结合小波变换多尺度的特点,获得的边缘图像效果较好,而且算法简单实用,具有抗干扰能力强的特点.     

基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法

为增强管道焊缝漏磁图像的边缘特征,提出一种基于Laplacian与多尺度数学形态学的焊缝漏磁图像边缘增强方法。首先采集管道漏磁内检测器中的漏磁数据进行成像,然后利用数学形态学算法,通过构建多尺度结构元素对图像进行边缘检测,利用边缘颜色约束对删除非边缘点,最后利用拉普拉斯算子对边缘进行增强。结果表明,该方法可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷的边缘增强,具有一定的可行性和实用性。     

小波变换的多尺度方法在边缘检测中的应用

提出了一种基于小波变换的多尺度边缘算法,与传统的Guass尺度空间算法相比,本算法具有定位准确计算量小的优点,并可利用多尺度空间信息,识别边缘的特性,作为一个例子,本文给出了一个实验。     

基于彩色形态学的图像边缘检测算法

基于对彩色图像形态学的研究,提出了一种面向HSI颜色空间的多结构元多尺度的彩色形态学图像边缘检测算法。首先借助彩色形态学的膨胀、腐蚀、开运算和闭运算给出彩色多结构交替顺序滤波算子的相关定义,同时利用交替顺序滤波器（ASF）的优势得到一种混合滤波器（HF）对图像进行滤波;其次引入一种全方位形态结构元再结合多尺度结构元的思想对图像不同方向的边缘进行提取;最后再使用信息熵对各方向的边缘进行融合得到图像整体边缘信息。实验表明,所提出的算法不仅具有良好的抗噪性,而且能够保留更多的图像细节信息。     

小波分析在图像边缘检测中的应用

针对传统滤波方法消除噪声会产生边缘模糊化和如何选择边缘窗口,对含有细节较多的图像效果不佳等问题.将小波分析方法应用于图像边缘检测领域,小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果.对Circuit图像做计算机模拟,结果证明,小波分析可在去除噪声的同时更好地保留原图像边缘.     

数字图像处理的边缘检测技术研究

主要分析几种应用于数字图像处理中的边缘检测算子,根据它们在实践中的应用结果进行研究,主要包括:Robert边缘算子、Prewitt边缘算子、Sobel边缘算子、Kirsch边缘算子以及Laplacian算子等,根据实验处理结果讨论了几种检测方法的优劣.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

基于山脊边界特性的航空图像中公路检测算法

本文提出一种获取复杂航空图像中的公路线条的算法。该方法首先对图像进行高斯平滑去掉麻点或短线条等噪声,然后为了突出公路线条,通过分数阶微分模板对平滑后的图像进行图像增强,进而用一种本文提出的以短线段为检测对象的基于山脊特性的边界扫描算法对图像进行操作,获得候选的公路线条,然后用阈值滤掉尽可能多的噪声线条及噪声点,最后去除毛刺和用人工智能的方法缝合道路的间隙。为了减少计算量,对于高精度的原始图像可以进行图像缩小,缩小的倍数以不影响道路的检测为准。对缩小的图像进行上述处理后,要结合检测结果和原始图像信息将检测结果放大到原始图像的尺寸。实验结果说明：该算法适用于高分辨率遥感图像中直线和曲线道路的粗提取,而且能够达到了令人满意的提取效果。     

柔性矢量形态学梯度算子

经典的形态学梯度算子不能直接拓展到彩色图像处理中,现有的矢量形态学梯度算子对噪声较为敏感且性能较低。为解决该问题,提出了一种新的柔性矢量形态学梯度算子,并将其应用到彩色图像边缘检测中。新的形态学梯度算子利用柔性形态学原理有效地降低了噪声对彩色图像边缘的影响,从而提高了矢量形态学梯度算子的抗干扰能力。实验结果表明,新的柔性矢量形态学梯度算子在噪声条件下能获得较好的矢量梯度,对彩色图像的后续分割及目标识别具有重要的作用。