场论与自适应彩色图像边缘检测

传统彩色图像灰度化边缘检测方法大都将彩色像素的R、G、B三分量分别乘以固定系数,从而将彩色图像转换为灰度图像,然后利用处理灰度图像的系列检测方法进行后续处理.仅从数学上分析,彩色图像可认为是彩色像素矢量平面,灰度化处理步骤实际上可理解为固定投影方向彩色像素矢量场通量的求解,根据通量场上的通量密度分布信息则可进行边缘提取.提出基于彩色图像矢量平面自适应投影矢量的检测算法,根据不同图像本身的像素值分布,寻找使得通量场中梯度场的散度在图像平面上积分达到最大的投影方向,并根据该自适应的投影方向对原始图像进行灰度化处理.该方法旨在追求获取最为全面的彩色图像边缘成分,而不偏向局部细节信息的强化或者弱化.实验表明,彩色图像RGB三分量之间存在较强的相关性和互补特性,而采用该算法,利用任意两种彩色分量就能够达到同时使用三种彩色分量的边缘检测效果.通过自然图像的实际测试,能够证明算法的合理性,以及相对于传统灰度化方法的优越性.     

基于插值小波塔式分解算法的图像边缘检测

在应用经典小波检测图像边缘时,通常利用离散积分替代连续积分获取小波系数。由于离散积分仅仅是连续积分的近似表达,因此这种方法在获取图像边缘时很难避免数值计算误差,这使得在检测图像细节部分时容易出现定位不准和边缘不清晰等问题。为了避免上述问题,利用插值小波采样理论中像素值即为插值小波系数的特殊性质,将插值共轭滤波器与Mallat塔式分解算法相结合,给出一种新的图像边缘检测算法。将该算法与经典小波算法进行对比实验,结果表明,该方法能够检测出经典小波算法无法检测到的边缘细节,且最终得到的图像边缘清晰完整,从而验证了该算法的有效性。     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

基于HVS模型的误差扩散方法

针对传统误差扩散算法处理过程中图像边缘信息不完整,中色调区域有纹理结构存在的问题,提出一种基于人类视觉系统(HVS)模型的误差扩散半色调方法。该方法先对原图像进行了图像分割,在非边缘区域采用传统误差扩散算法处理,边缘区域采用基于HVS模型的误差扩散系数进行误差扩散处理,最后再在HVS模型的基础上对像素进行矫正。实验结果表明该算法能够有效减少图像细节损失,保留原图像信息。     

基于多方向梯度边缘预测器快速边缘检测算法

改进了无损压缩编码中的梯度自适应预测器(GAP)和梯度边缘检测(GED)预测器,并应用在图像边缘检测中,提出基于多方向梯度边缘预测器(MGEDP)的动态阈值控制的边缘检测算法。该方法主要步骤为:1)从图像中心划分四个区域; 2)采用并行技术多个方向应用MGEDP模板,分别预测错误值,利用错误反馈信息构建预测误差图像; 3)利用大津算法计算阈值,分类误差图像边缘; 4)细化边缘; 5)合成边缘图像。实验证明:应用并行技术降低了时间复杂度,以中心逐步向四周选择预测参考点避免了误差繁衍,最终得到清晰完整、细节丰富的边缘图像。     

一种新的亚像素边缘检测误差校正算法

矩方法采用二维理想边缘模型描述亚像素边缘,实际图像在边缘处存在一个渐变的过渡阶段,而二维理想边缘模型不能精确描述边缘,导致原理误差的产生。为此,提出一种采用误差校正表的算法,用于降低二维理想边缘模型引入的原理误差,提高亚像素边缘检测精度。通过方形采样定理模拟生成已知边缘的理想图像,用矩方法检测理想图像的亚像素边缘,构造二维误差校正表。使用查询误差校正表并结合双线性插值求出误差后进行误差校正。以灰度矩和Zernike矩为例进行对比实验,结果表明,该算法亚像素检测精度比校正前提高了一个数量级。校正算法主要计算量是双线性插值,能保持亚像素边缘检测的实时性。     

基于最大目标函数的医学图像边缘检测

鉴于医学图像特点和传统算法的缺点,提出一种新的医学图像边缘检测算法,该算法通过考察3×3模板的理想边缘结构特征,将模板像素沿边缘方向分为两个集合,通过距离度量函数构造适当的目标函数,计算四个方向的目标函数值,从而获得最大目标函数值,并与给定的阈值比较,应用非极大抑制方法,判别该象素是否为边缘点,最后进行双阈值连接,可得到单像素边缘图像。仿真结果表明,该算法能够有效检测医学图像边缘,所检测出的图像边缘细节丰富,单像素宽,定位准确。     

自适应中值滤波算法滤除医学图像脉冲噪声

实现了一种滤除医学图像脉冲噪声的自适应中值滤波算法,用均方根误差和噪声对原图像的毁坏程度两个客观评价指标对该算法及传统均值、中值滤波方法进行了比较与评价。根据设定条件检测滤波窗口中心像素是否为脉冲噪声,采取滤波窗口自适应的算法来滤除脉冲噪声,去除了传统中值滤波对所有像素均用中值代替的弊端,减少了不必要的图像细节损失。基于MATLAB的仿真实验表明,对于较大密度的脉冲噪声,该算法在有效抑制噪声的同时,能较好地保护边缘和细节信息。该算法已应用于虚拟内窥镜系统中,取得了令人满意的效果。     

基于图像边缘检测的变系数误差扩散方法

误差扩散算法是一种重要的图像半色调化技术,被广泛应用于各种二值化的输出设备当中,但传统的误差扩散算法生成的半色调图像易出现"蠕虫"现象和边缘模糊。针对此问题,本文提出一种结合图像边缘检测的变系数误差扩散方法,该方法以Ostromoukhov提出的变系数误差扩散算法为基础,利用其优化后的误差扩散系数,可以较好地克服"蠕虫"现象。在此基础上,采用Sobel算子检测图像的边缘并沿边缘方向修正误差扩散滤波系数,以较好地保持原图像的边缘特性。实验结果表明,利用该方法产生的半色调图像不仅具有蓝噪声特性,而且边缘结构清晰。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

一种异性扩散的自适应平滑滤波算法

固定尺度的高斯滤波器对图像中的所有像素使用相同的加权系数,在平滑噪声的同时也模糊了边缘信息,影响了后期的边缘定位和提取,为此提出了一种异性扩散的自适应仿高斯滤波器,通过计算当前像素与周围像素的灰度梯度,预判该像素类型（噪声点或是边缘点）,并根据像素点类型和梯度生成自适应的、各向异性的加权系数,通过多次平滑迭代实现权重的异性扩散。实验结果表明,该滤波算法具有平滑噪声的同时保留并锐化边缘效果。     

改进型PM与递归滤波器相结合的图像去噪方法

由于各向异性扩散算法在运用于图像去噪的过程中，容易产生图像边缘信息丢失，纹理细节模糊等现象.针对这一情况，提出了一种改进型PM与递归滤波器相结合的图像去噪算法，该算法首先通过控制梯度方向和垂直于梯度方向的扩散系数来保留图像的边缘信息，再通过递归滤波算法减少迭代次数来保护图像的细节纹理特征.实验结果表明，新方法在图像去噪和保护图像的边缘细节信息等方面都有着优越的效果，且大幅降低了均方差，对于图像的峰值信噪比也有显著的提高.     

基于各向异性扩散方程的Canny边缘检测算法

Canny边缘检测算法由于使用高斯滤波对图像进行平滑,往往使得算法的信噪比和定位精度下降,从而产生一些虚假边缘,使角点变圆。针对Canny算法所出现的问题提出了一种改进方法,运用各向异性扩散方程代替高斯滤波,并对扩散后的图像做图像增强。实验结果表明,该算法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。     

结合边缘信息的多尺度MRF图像分割

针对采用多尺度马尔可夫随机场分割图像后还存在误分类的特点，提出了结合边缘信息进一步减少误分类，并设计了一种基于平稳小波变换、两个相邻尺度相乘的边缘提取算法。分析和实验结果表明，该边缘提取算法达到了既能提取出较完整、真实的边缘，又较好地抑制噪声，计算量少的要求。在分割算法中结合提取出的边缘信息，使图像在均匀区域中的误分类大大减少，得到了更好的分割结果，而增加的计算量只是由边缘提取带来的．该边缘提取算法和结合边缘的图像分割算法更适合于强的噪声图像。     

基于自适应滤波和MBVC的矢量误差扩散法

针对彩色图像最小亮度分布处理方法中存在的由于使用固定误差扩散系数带来的方向性纹理缺陷问题,提出了一种基于自适应滤波的最小亮度分布处理改进算法。该算法通过自适应的方法,在处理过程中随图像特性动态调节扩散系数,使得处理结果更加逼近原始图像。使用最小亮度分布的办法,减小因各颜色之间亮度不同所带来的彩色噪声。实验结果表明,该算法处理输出图像更加柔和,在图像渐变区域没有明显纹理,效果更好。     

适合水声信道传输的水下图像高效编码算法

为抵抗水声信道的传输差错,提出了一种具有较高抗误码能力的水下图像高效编码算法。该算法根据水下图像的特点,对图像进行小波变换预处理以去除其中的视觉冗余。对低频系数采用定长量化编码;对重要高频系数采用数值和位置独立编码的方案,其中对重要高频系数的数值提出了变精度定长量化编码方法,而对重要高频系数的位置采用基于位置差降的可逆变长编码算法。为抵抗水声信道的传输差错,提出了合理的分割、交织策略和变长编码块相对定长信道包的存放策略;对低频和高频系数,分别提出了相应的差错检测和掩盖算法。实验结果表明,提出的算法不仅具有较高的压缩效率,而且具有较高的抗误码能力,满足了水声信道传输图像的要求。     

增强无线视频图像传输差错恢复能力的方法研究

对无线网络环境下视频图像的鲁棒性传输问题进行了研究，提出了一种增强视频图像传输差错恢复能力的新方法。在编码器端采用基于DCT(discrete cosine transform)矩阵系数的快速分类算法提取图像区域分类特征与再同步信息等构成指示信息，并用考虑量化误差后改进的DCT系数强制奇偶修改方法将其嵌入到图像码流中，用于解码器端视频图像序列的差错检测、再同步和差错恢复，以此增强基于H．263 的视频图像传输的鲁棒性。实验结果表明，此方法可以有效地改善标准编解码器的传输质量，不额外增加信源传输码字，计算成本较小。     

结合异质扩散和小波包分解的医学图像分割算法

提出一种医学图像解剖结构特征提取算法,结合异质扩散和小波包分解实现了医学图像分割.在异质扩散基础上,提出一种新的FAB扩散方法对图像进行去噪,同时保持图像解剖结构的边缘和局部细节;然后用一个基于小波包分解的自适应边缘检测算法来检测图像的解剖结构的轮廓特征.分割结果表明,该方法能在有效地去除噪声的基础上完成医学图像解剖结构轮廓特征的提取.     

基于改进布谷鸟搜索算法的图像边缘检测

针对传统边缘检测算法自适应能力差、固定阈值、背景噪声抑制的问题, 为了获得更理想的图像边缘检测结果, 提出了一种基于改进布谷鸟搜索算法的图像边缘测算法. 首先通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵, 然后用改进布谷鸟搜索算法根据布谷鸟繁殖行为找到搜索图像的梯度最大值, 检测出图像的边缘, 最后采用仿真实验对算法的性能进行检测. 仿真实验结果表明, 本文算法能快速、准确地检测出图像的边缘, 且优于其他传统边缘检测算法.