一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

图像平滑算子对边缘检测精度的影响

图像平滑算子的性能会直接影响到边缘检测的精度,并最终影响到边缘定位的精度,从而影响CCD摄像机的标定精度,所以通过实验对图像平滑算子和边缘检测算子进行了性能比较,可以看出中值滤波算子在保持良好的去噪性能基础上,与均值滤波相比能够很好地保持图像的边缘等细节,与图像间平均滤波相比能够节约时间、提高效率。与Canny算子相比,Sobel算子不但能够准确地检测出目标的边缘,而且具有很强的抗噪性,在检测直线边缘方面具有很强的优势,更加适合应用的需要。     

基于多尺度多分辨率局部边缘模式的边缘检测

由于传统基于梯度的方形边缘检测算子包含边缘方向过少（一般为2个或4个方向）,因此无法从多分辨率角度检测边缘,进而会丢失其他方向的边缘信息。针对上述问题,提出一种具有多尺度、多分辨率特性的边缘检测算子,称为可变局部边缘模式（Varied Local Edge Pattern,VLEP）算子,并用来提取图像边缘信息。算法主要思路包括,将图像经过高斯滤波器平滑,使用一组或多组VLEP算子与滤波后的图像进行卷积,得到边缘强度,从而获得边缘梯度值,最后设置适当的梯度阈值,对梯度图像进行二值化处理,完成图像的边缘检测。此外,当多组VLEP算子被同时使用时,考虑结合加权融合思想,以便获得更加丰富的边缘信息。实验结果表明,提出的边缘检测算法比其他经典的方法具有更好的边缘检测效果。     

一种改进的图像边缘检测的方法

针对多种边缘检测算子对图像的噪声敏感,同时图像或多或少有些噪声问题,本文给出了自适应平滑滤波的方法,进而采用四种Sobel算子对同一图像卷积运算,然后使用改进的极值的方法对图像亮度做梯度运算,最后对图像做阈值处理。经.net平台实验证明,该方法在去除噪音的同时有效地保留了图像的平滑度,同时边缘检测的准确度较高,效果非常明显。     

一种基于数学形态学的边缘检测方法

基于微分算子的边缘检测方法存在抗噪性能弱等缺点,非线性的数学形态学边缘检测可以克服这些缺点,而使用单一结构元素对图像进行形态学处理会模糊很多细节。鉴于这些不足,运用多结构多尺度的思想,将形态学的滤波和边缘检测结合起来,提出一种边缘检测方法,首先采用多结构多尺度的方法对噪声图像进行串联开闭滤波,再利用改进的多结构元素的形态学梯度算子进行边缘提取。实验结果表明,该方法具有较好的抗噪效果且提取的边缘比较平滑。     

基于零交叉的噪声图像边缘检测

由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中变得比较困难。传统的边缘检测算法对于信号中的噪声比较敏感,使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法。在文献[1]算子的基础上先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明,该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。     

改进Canny边缘检测的遥感影像分割

基于边缘特征的图像分割算法中,能够准确地检测出边缘是进行图像分割的前提和关键。针对目前遥感图像分割算法普遍存在鲁棒性差、易发生边缘信息缺失以及适用范围较窄的缺点,提出了一种基于改进Canny边缘检测的遥感影像分割算法。针对传统Canny高斯滤波在平滑图像的同时也模糊了边缘,改用具有保边特性的引导滤波对图像进行平滑;针对噪声对求导敏感这一问题,增加45°和135°方向梯度模板来计算图像梯度和方向;针对传统Canny算子人为设定高、低阈值的局限性问题,改用大律法自适应地根据图像灰度选取高、低阈值。为充分利用多光谱图像的优点,在进行边缘检测时采用波段分解,逐波段进行处理,随后将边缘综合成一幅结果图,最后进行区域生长。实验结果表明,与其他和传统边缘检测的分割方法相比,该方法在遥感影像分割中取得了较好的结果。     

基于粗糙度的改进Canny边缘检测方法

针对Canny算子在处理不均匀细节图像时易出现边缘丢失或大量假边缘现象,提出了一种基于粗糙度的改进Canny边缘检测方法。首先,根据图像的粗糙度确定单个像元的平滑尺度;然后依据相应平滑尺度对图像进行自适应平滑并计算梯度算子的幅值和方向;最后,用极大值抑制与双阈值门限得到图像边缘并对边缘进行连接。实验证明,此方法可较好地解决Canny算子在处理细节非均匀图像时的不足。     

基于Canny算法的改进型图像边缘检测算法

Canny算子是基于最优化算法的边缘检测算子,它具有很好的信噪比和检测精度,但是它使用的高斯滤波方法会造成图像的平滑和边缘的模糊,并且对脉冲噪声很敏感。探讨对Canny边缘提取算子的改进方法,提出了将改进的开关中值滤波算法应用于Canny算法的思想,使之提取出的边缘更加完整,并且有很好的噪声抑制效果。     

一种新的LOG算子对SAR图像的边缘检测能力

在对SAR图像的分析和识别中,边缘的检测信息十分重要。针对传统的LOG算子的缺陷,本文提出了一种基于自适应中值滤波的改进LOG算子对SAR图像的边缘检测方法,在平滑图像内部区域的同时保留了更多的细节,提高了LOG算子对SAR图像的弱边缘检测能力,是一种有效的方法。     

基于多尺度自适应加权的改进Canny算子

在Canny算法框架下,对彩色遥感图像进行多尺度滤波分析。定义多个不同尺度的高斯滤波器,在每个尺度下,分别对遥感图像RGB三个通道进行滤波和梯度计算,取三个通道的梯度最大值为该尺度下的遥感图像梯度值。根据各个尺度的滤波器对噪声的抑制能力及边缘定位能力的不同,自适应地确定相应的权值大小,然后再将这些不同尺度下检测到的梯度图像用自适应确定的权值进行加权合成最终的梯度图像。在此基础上,由非极大值抑制和双阈值处理得到图像边缘。实验结果表明,该算法比传统的Canny算子在噪声抑制和边缘定位方面具有更优的性能,适合彩色遥感图像的边缘检测。     

运用边缘方向直方图进行图像拷贝检测

基于内容的图像拷贝检测已经成为图像版权保护的重要手段之一。提出一种基于图像边缘直方图的拷贝检测方法：采用小波模极大值算法提取源图像和待认证图像边缘,然后结合边缘点梯度主方向重新计算其区域点的梯度方向并生成直方图,最后根据源图像与待认证图像所得边缘直方图间的相似性检测待认证图像是否为源图像的拷贝。实验表明：这种图像拷贝检测方法可有效检测出拷贝图像,并可容忍由缩放、旋转、噪声等操作引起的失真。     

基于滤波器的局部自适应全变分图像去噪模型

综合利用冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理,然后基于边缘检测函数建立反映图像局部特征的自适应权函数,构建能同时兼顾图像平滑去噪与边缘保留的局部自适应性的全变分模型,并建议用本原对偶算法快速求解。实验结果表明,同传统的全变分图像去噪模型相比,该局部自适应全变分模型在消除噪声的同时能很好地保持图像的边缘轮廓和纹理等细节特征,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高。     

抑制图像纹理的岩石节理裂隙检测

岩石节理裂隙图像由于噪声多、色彩复杂而分割困难,同时岩石节理裂隙检测在工程应用中又具有重要意义。将彩色图像从RGB转换到CIELAB色彩空间后,计算其方差图像。并将原始图像与方差图像相减得到图像的势能向量,同时利用小波系数进行加权,以此抑制岩体纹理噪声。最后,通过图像形态学方法获得边缘图像。实验结果表明,算法可以较好地抑制纹理噪声并能精确定位,以及获得理想的岩石节理裂隙边缘图像。     

基于深度学习的卫星遥感图像边缘检测方法

为解决卫星遥感图像边缘模糊噪点过多,导致图像清晰度过低的问题,提出基于深度学习的卫星遥感图像边缘检测方法;利用Softmax分类器结构,提取边缘图像节点处的数据信息参量,遵循深度学习算法完成对图像信息的卷积与池化处理,基于CV算法实现基于深度学习的卫星遥感图像识别;根据尺度空间定义原则,确定边缘检测特征点所处位置,再联合梯度信息熵计算结果,完成对卫星遥感图像的拼接处理;分别计算一阶微分边缘算子、二阶微分边缘算子的具体数值,确定梯度幅值的取值区间,总结已知数值参量,建立完整的双阈值表达式,完成基于深度学习的卫星遥感图像边缘检测方法的设计;实验结果表明,应用所提方法后卫星遥感图像边缘节点处信噪比指标在55.1～62.7 dB范围内,图像模糊噪点个数最大为1.32×10⁵个,可获得较为清晰的遥感图像,在卫星遥感图像边缘精准检测方面具有较强的实用性。     

The multiscale veto model: A two-stage analog network for edge detection and image reconstruction

This article presents the theory behind a model for a two-stage analog network for edge detection and image reconstruction to be implemented in analog VLSI. Edges are detected in the first stage using the multiscale veto rule, which states that an edge exists only if it can pass a threshold test for each of a set of smoothing filters of decreasing bandwidth. The image is reconstructed in the second stage from the brightness values at the pixels between which edges occur. The effect of the multiscale veto rule is that noise is removed with the efficiency of the narrowest-band smoothing filter, while edges are well-localized to feature boundaries without having to identify maxima in the magnitude of the gradient. Unlike previous analog models for edge detection and reconstruction, there are no problems of local minima, and for any given set of parameters, there is a unique solution. The reconstructed images appear natural and are very similar visually to the originals.     

基于非线性滤波的万有引力边缘检测方法

将非线性滤波算子融入到万有引力边缘检测算法中,提出了一种新的边缘检测方法。通过计算图像中每个像素点的非线性梯度值,构造以该梯度值为自变量的归一化函数,用该函数值代替中心像素点灰度值对图像进行万有引力边缘检测。实验结果表明,同传统的边缘检测算法相比,此方法不仅边缘定位准确,而且对于各种噪声图像也具有良好的边缘检测效果。     

Omnidirectional edge detection

In this paper we propose a new method for extending 1-D step edge detection filters to two dimensions via complex-valued filtering. Complex-valued filtering allows us to obtain edge magnitude and direction simultaneously. Our method can be viewed either as an extension of n-directional complex filtering of Paplinski to infinite directions or as a variant of Canny’s gradient-based approach. In the second view, the real part of our filter computes the gradient in the x direction and the imaginary part computes the gradient in the y direction. Paplinski claimed that n-directional filtering is an improvement over the gradient-based method, which computes gradient only in two directions. We show that our omnidirectional and Canny’s gradient-based extensions of the 1-D DoG coincide. In contrast to Paplinski’s claim, this coincidence shows that both approaches suffer from being confined to the subspace of two 2-D filters, even though n-directional filtering hides these filters in a single complex-valued filter. Aside from these theoretical results, the omnidirectional method has practical advantages over both n-directional and gradient-based approaches. Our experiments on synthetic and real-world images show the superiority of omnidirectional and gradient-based methods over n-directional approach. In comparison with the gradient-based method, the advantage of omnidirectional method lies mostly in freeing the user from specifying the smoothing window and its parameter. Since the omnidirectional and Canny’s gradient-based extensions of the 1-D DoG coincide, we have based our experiments on extending the 1-D Demigny filter. This filter has been proposed by Demigny as the optimal edge detection filter in sampled images.     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度 场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征, 文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用 局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出 并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整 的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。     

基于奇Gabor滤波器与Rayleigh分布的边缘检测

为了自适应地更好地进行边缘检测,提出了一个基于奇Gabor滤波器与Rayle igh分布的边缘检测方法。在边缘响应获取中,由于该方法改进了原有的基于奇Gabor滤波器的边缘响应获取方法,从而提高了计算效率,并且避免了原算法对初始梯度方向估计的依赖。同时根据奇Gabor滤波器的一阶微分属性,可对其边缘输出响应利用Rayle igh分布进行拟合。为克服已有算法中阈值选择的局限性,还提出了一种基于Rayle igh分布的非线性自适应阈值选择方法。实验结果表明,所提出的边缘检测方法具有较好的检测性能和自适应性。