一种微分极值的边缘检测算法

本文通过对边缘点的定义,提出了一种微分极值的边缘检测算法.与经典微分算法相比,该算法直接在边缘检测窗口内提取边界像素点,因此边缘定位准确,连续性好,在背景图像照度不均匀的情况下,仍能够得到令人满意的检测效果.     

基于边缘特征和多帧差分法的运动目标检测算法

针对传统的边缘检测算法检测结果不连续、细节信息易丢失等缺点,提出了一种用于运动目标检测的边缘检测方法。首先在背景差分的基础上用平移法检测目标边缘,该方法能够提取到更为精确、细节特征更加丰富、闭合性更好的目标边缘;然后将边缘检测与多帧差分法相结合进行运动目标检测。该方法的优势在于,在目标检测的过程中不需要进行背景建模与更新。实验结果表明,该方法思路简单,易于实现,检测结果精准,实时性较好。     

基于数字图像处理的直线型铁轨的自动识别

在铁路交通安全检测系统中,铁轨的识别是障碍检测物的关键。提出适合轨道数字图像的直线型铁轨自动识别算法。首先基于轨道图像的亮度特征和直线特征,综合应用Hough变换和边缘提取算法,检测出大量离散的共线像素点。然后建立直线方程,使检测到的直线连续化,根据线段斜率特性和线段长短滤除多余的线段。最后根据提取到的铁轨边缘轮廓得到图像中的铁轨位置信息,为铁路图像信息提取分析打下基础。用MATLAB编程实现了该算法,通过大量仿真实验验证了该算法的有效性。     

基于颜色三角形的彩色图像边缘检测

利用像素点的颜色坐标RGB构建像素的颜色三角形,计算该三角形的周长和内角.将周长和内角作为像素点的信息量的度量.通过像素点在相关邻域上的信息量的计算,确定该像素点是否为彩色图像的边缘点.这种边缘检测方法,在一定程度上合理地考虑了个各颜色分量的相关性,将向量空间的计算以自然的方式转换成了标量的计算,在思想上是一种不同于其他算法新的算法.实验结果表明,与传统方法相比,该方法能检测出更多的边缘,并且算法实现简单,检测出的边缘清晰.     

一种基于空域灰预测的边缘检测改进方法

为解决传统图像边缘检测结果边缘细节模糊且部分缺失问题的基础上,提出了一种基于空域灰预测的边缘检测方法。该算法首先采用灰色理论中的灰预测方法对5×5模板的像素点进行预测,通过预测值与实际值的差别来判断该处像素点是否为边缘像素点,然后采用残差检验的方法来评价控制计算结果是否可信,从而达到提高算法精度,细化边缘的目的。通过与传统方法实验结果的对比,能够说明该算法可以有效地提高检测精度.     

一种自适应Catmull-Rom样条图像缩放算法的设计实现

针对基于图像边缘缩放处理导致的图像边缘瑕疵或模糊现象,提出一种边缘自适应Catmull-Rom样条图像缩放插值算法.该算法以相邻4个源像素点构造一段以3次多项式函数为基础,自动选择与目标像素点相适应的像素组进行插值运算.重点描述了该算法应用于图像缩放处理的硬件实现结构,并通过功能仿真.最后,由Sobel边缘检测函数对目标图像进行边缘检测.结果表明,该算法能够获得边缘清晰的真彩色目标图像.     

基于改进高斯混合模型的红外人体目标检测方法

针对高斯混合模型在阴影不显著情况下,容易把随光线突变而变化的背景像素点当作前景目标从而造成目标误检的缺点,提出了一种基于改进的高斯混合模型的红外人体目标检测方法。该方法引入边缘检测信息增强红外人体目标检测效果。首先,该算法利用Canny边缘检测来提取人体目标的边缘信息。然后,以此对每个像素建立高斯混合模型来完成人体目标的检测。实验结果表明,该方法能够有效消除光照突变所产生的阴影影响,提高了检测的准确性。     

一种应用于交通视频检测的快速边缘提取算法

车辆边缘信息以及道路边缘信息是交通视频检测中重要的特征信息,而传统的边缘提取算法的运算量大,不能满足交通视频检测实时性的要求。文中突破传统算法中对一幅图像中每个像素点逐一运算的思想,提出了一种快速的边缘提取算法,对一幅图像进行整体运算,大幅降低了边缘提取算法的运算量。通过实验与传统的边缘提取算法比较,证明了该算法应用于交通视频检测效果良好。     

改进蚁群优化算法的图像边缘检测

为了解决图像边缘检测中的噪声问题,并提升检测效率与检测效果,提出改进蚁群优化算法的图像边缘检测方法。所提方法改进了传统蚁群优化算法直接在像素域进行迭代的边缘检测过程,其将蚂蚁分为探测蚁和寻路蚁,寻路蚁采用数据结构控制思想在原图像上随机选择迭代路线,根据蚂蚁移动角度设置像素点结构搜索路线,在所经过的每个像素点上进行附近像素点结构搜索,快速获取整体图像边缘检测信息,再利用探测蚁将寻路蚁给出的结果进行蚂蚁外激素检测,完成对检测效率与检测效果的改进。实验结果证明,相比传统蚁群优化算法,改进蚁群优化算法在图像边缘检测的效率与效果上均有很大提高。     

基于图像边缘轮廓的角点检测算法研究

针对传统角点检测算法易受噪声和局部变化影响,且需要计算边缘像素点的曲率,会导致检测结果不稳定等问题,该文提出一种新的基于图像边缘的角点检测算法。使用Canny边缘检测器从原始图像中提取边缘映射图,计算每条边缘线上所有像素点到弦的欧氏距离,只有当最大点弦距离大于所设阈值时,该像素点被看作候选角点。对所有候选角点进行非极大值抑制得到最终角点。实验结果表明,文中提出的角点检测器相比于其他三种经典的检测器在图像仿射变换、JPEG压缩和高斯噪声条件下具有更好的整体性能。     

一种基于蚁群优化的显著边缘检测算法

该文提出一种基于蚁群优化的显著边缘检测算法。该算法利用相位编组方法计算支持区面积作为描述图像边缘梯度方向一致性的指标,将梯度幅度和支持区面积结合起来形成启发信息和信息素增量的计算方法,采用线性加权方法将信息素、梯度幅度、支持区面积3种信息综合起来得到蚂蚁转移概率,通过引入禁忌表增大蚂蚁的活动范围。实验结果表明:该文提出的算法能够有效检测图像中的显著边缘特征,对多类图像都有良好的适应性,而且收敛速度较快。     

An edge fusion scheme for image denoising based on anisotropic diffusion models

In this paper, we propose an enhanced anisotropic diffusion model. The improved model can classify finely image information as smooth regions, edges, corners and isolated noises by characteristic parameters and gradient variance parameter. And for different image information the eigenvalues of diffusion tensor are designed to conduct adaptive diffusion. Moreover, an edge fusion scheme is posed to preserve edges after denoising by combing different denoising and edge detection methods. Firstly, different denoising methods are applied for noisy image to obtain denoised images, and the best method among them is selected as main method. Then edge images of denoised images are obtained by edge detection methods. Finally, by fusing edge images together more integrated edges can be achieved to replace edges of denoised image obtained by main method. The experimental results show the proposed model can denoise meanwhile preserve edges and corners, and the edge fusion scheme is accurate and effective.     

基于蚁群优化与细菌趋化性的图像边缘检测算法

为解决基于蚁群优化的图像边缘检测算法中信息素的作用不明显,难以获得全局最优解,从而降低目标边缘的检测精确度与效率等问题,提出一种基于细菌趋化性(BC)耦合蚁群优化(ACO)的边缘检测算法.通过细菌趋化性找到最佳解决方案,用于产生信息素的初值;将BC得到的信息素初值作为ACO的初始信息素,计算每只蚂蚁的行走概率,从而选择...     

基于视觉感知模型修正的彩色图像边缘检测

在彩色图像边缘检测过程中,准确检测低照度区域的细节边缘是一个难题.提出了一种基于视觉感知模型修正的彩色图像边缘检测方法.由于视觉感知彩色空间中的色调分量具有圆形特性,导致伪边缘问题,利用色调距离计算色调图像的梯度以去除伪边缘,并根据饱和度的非线性函数控制色调分量的梯度,最后利用修正的视觉感知模型计算矢量梯度以获取彩色图像的边缘.实验结果表明,新的彩色边缘检测方法较现有方法能提高彩色图像的边缘检测精度,尤其对于低照度区域的细节边缘具有较好的响应.     

一种基于梯度方向一致性的边缘检测新算法

为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的,该文利用真实图像边缘两侧的灰度渐变性,以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标;并根据该指标提出一种阈值自适应的边缘检测算法。实验表明:梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声;该指标对光照和对比度变化有较强的鲁棒性;将其用于阈值的自适应调节,得到的基于梯度方向一致性的边缘检测方法能较好地解决兼顾弱边缘检测的同时而不引入噪声干扰的问题。     

应用特征点的彩色图像边缘检测算法

传统的边缘检测技主要通过全局图像扫描,寻找大于设定阈值的点,然后进行伪边缘点的筛除以及断裂边缘的连接。本文提出了一种基于图像特征点检测与边缘生长相结合的边缘检测算法。该方法将边缘看成一种特殊的区域,使用图像分割中区域生长的原理来生成边缘。首先在图像中寻找特征点作为边缘生长的种子点,然后以边缘梯度响应和区域相似度为生长规则,以层序遍历方式得到图像边缘。仿真结果显示,本文提出的算法可以减少参与比较的像素个数,去孤立的边缘,保证边缘的连续性和单一像素宽度。      

基于结构成分双向扩散的图像插值算法

该文提出一种基于结构成分双向扩散的插值方法,有效地减小了插值图像的边缘扩散,从而获得更为清晰的边缘。该方法采用改进的耦合双向扩散滤波器对轮廓模板插值图像进行边缘增强。其中,为了使滤波器更精确地作用于边缘轮廓,利用形态成分分析(MCA)分离出初始插值图像中的结构分量再实行滤波;同时,改进双向扩散模型,使其能够根据边缘梯度自适应地调整边缘扩散程度,且更加柔和地控制梯度方向的像素值变化。实验结果表明,对比传统的插值方法、相关的边缘自适应插值方法以及几种应用普遍的商用软件,该方法获得的插值图像主、客观质量均有明显提升,不仅有效提高图像锐度,且边缘光滑、过渡自然,避免产生边缘锯齿和过度的人工效应。     

Componentwise edge detection by Laplacian operator masks

This note introduces componentwise edge detection technique for Laplacian operator masks. Laplacian operator masks are expressed by means of gradient components. The absolute sums of the gradient components at image points form the gradient image, from which the edges are extracted. The results obtained are comparable to those obtained by the gradient sum and max operators or Sobel and Prewitt masks.     

基于梯度矢量流理论的图像区域合并算法

为了减少过分割对图像后期处理的影响,提出基于梯度矢量流理论的过分割图像的区域合并算法。介绍了分水岭分割算法,梯度矢量流的产生、方向特征以及基于梯度矢量流理论的图像区域合并算法的方向查询及合并过分割区域的步骤。实验结果表明：在经典分水岭方法获得初始分割的基础上,可以获得待分割目标准确的边界和数目,对粘连、多目标及目标边界不封闭的生物图像具有较好的分割效果。     

基于改进的形态学灰度图像边缘检测算法

针对传统形态学在边缘检测算法上存在的检测边缘错位、较粗等缺点,在传统形态学的基础上,提出了一种具有方向估计性的梯度算子。该算法通过改进的梯度算子及多结构元素模式来获取梯度方向,并沿边缘梯度方向进行非极大值抑制,以此细化边缘宽度,最终获取图像边缘。实验结果表明,相对传统形态学边缘检测算法,该算法具有更精细的检测结果与较强的抗噪能力。