基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

分形插值结合边缘轮廓实现图像仿射变换

通过对边缘和平滑区域采用不同的插值处理方法，能获得清晰的变换图像．对自然景观图像、医学图像和人物图像进行了变换，得到的结果说明了文中算法的有效性．同时该算法容易编码。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

一种基于灰度差统计的边缘检测方法

提出了一种新的基于灰度差统计的边缘检测方法。该方法基于全图的灰度差统计获得初步边缘判定阀值，可以降低边缘检测结果对噪声的敏感程度，并且不需要进行边缘方向估计，而是引入灰度脊跟踪优化算法，使边缘检测结果其有连续性和准确性。由于使用了检测结果优化算法，有效地避免了一条真实边缘对应多条边缘检测结果的情况。实验证明该疗法应用在大部分真实图像的边缘检测效果优异，同时运行速度能满足大部分边缘检测应用的需要。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

基于形态学的图像二值化方法

提出了一种自适应图像二值化方法，它基于数学形态学理论，求取彩色图像边缘特征，并将它与灰度直方图二值化方法相结合，实验表明，这一算法能较好地保留原图像中的特征，二值化后的图像效果不错。     

基于边缘检测的车牌定位方法

根据图像处理理论基础知识和现有技术基础上,对现有定位的算法进行了分析,提出了基于边缘特征的车牌定位方法。经试验验证,结果表明所用方法是有效的,该方法提高了定位准确率,也缩短了定位所用时间,达到了预期目的。     

基于模糊数学的图像处理方法

基于模糊数学的图像处理技术是计算机图像处理中的重要技术。由于图像处理中图像分析和计算机视觉的影响很大,图像本质上具有模糊性,因此模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。     

基于边缘信息改进的双线性插值算法

针对传统双线性插值算法插值时未考虑图像边缘信息,致使放大后图像出现模糊效应的特点,提出基于边缘信息的插值算法。该算法利用边缘检测及自适应门限划分出原始图像中的“边缘点”及“非边缘点”,引入“灰度补偿”参数增加了边缘邻接插值点与非边缘邻接插值点间的灰度差,利用边缘点的“边缘方向”特性,判定待插值点是否位于放大图像的边缘上,对位于边缘上的待插值点利用边缘信息插值,恢复了使用传统双线性插值时断裂的边缘。大量的仿真实验证明该算法在一定程度上抑制了放大后图像边缘模糊的效应,改善了放大图像的视觉效果。     

一种基于PCNN的医学图像边缘提取方法*

边缘提取是图像处理的基础工作,如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题,由此产生的各种边缘检测方法层出不穷并且得到了很好的应用,但这些方法都无法达到人眼识别物体边缘的精确程度。目前脉冲耦合神经网络（pulse coupled neural network, PCNN）是图像处理领域较为接近生物视觉进行图像处理的有力工具。改进基本的PCNN模型,提出了一种新的模拟生物视觉提取图像边缘的方法,该改进方法有效地利用了PCNN的特性。将该方法应用于医学图像的边缘提取,并与几种经典边缘检测算法、     

MATLAB及其在图像处理中的应用

介绍了MATLAB的特点和功能，分析了MATLAB在图像处理中的应用，并结合实例说明了MATLAB在图像处理中的强大功能。     

数学形态学在图像处理中的应用

介绍了数学形态学的基本运算及数学形态学在图像处理中的主要应用,并讨论了结构元素的选取方法。     

数字图像几种边缘检测算子检测比较分析

数字图像的边缘检测是数字图像处理基本问题之一,本文就数字图像的边缘检测的具体内容及常见的数字图像边缘检测方法进行了综述。分析了各种边缘检测算子的特点,以及在处理各种噪声时,对各种边缘检测算法的检测效果进行了分类比较。     

基于形态学的显微细胞图像处理与应用

为提高医学诊断的准确率和效率,提出了基于形态学的显微细胞图像分析理论来完成对图像的分类、识别与分析.首先,对图像边缘检测算法及流域分割算法进行介绍,设计了完整的基于形态学的显微细胞图像处理方法,有效解决了图像处理中遇到的光照不均匀、染色产生的斑点等问题.然后,在图像分析阶段,把显微细胞图像形态学分析应用到血液病诊断中,同时做了细胞计数及形态参数提取并给出验证结果,最后再对细胞病医学诊断做了初步的理论尝试,研究结果与实际值相比误差小于3%.实验表明本文提出的图像分析理论在细胞病医学诊断上具有一定的应用价值.     

边缘检测算法在不同分辨率图像中的性能研究

边缘检测是图像处理、计算机视觉中的重要内容之一,是实现图像分割、特征提取和图像理解的基础。也是仍未得到圆满解决的研究课题;图像分辨率是衡量图像质量的重要参数,分辨率越高图像质量越好,存储空间也越大;重点讨论了数字图像边缘检测中常用的几种经典的边缘检测算法对图像在不同分辨率时的性能变化,以及图像在不同分辨率条件下加入噪声时的性能变化,分析了造成这些变化的主要原因;同时,通过实验得出了这些边缘检测算法的优缺点和一些经验性结论,以便在实际应用中更好地发挥它们的特长;实验证明,这些边缘检测算法对图像和加噪图像在不同分辨率下的性能及其变化存在明显的差异。     

基于图像处理的几何零件边缘检测

随着计算机技术的不断发展,将数字图像处理技术广泛应用于测量领域是发展的必然趋势。基于图像处理的几何零件测量来说能够精确地提取它的边缘是保证测量的精度的很重要的条件之一,因此对于边缘检测算法的研究具有非常重要意义。通过大量实验对几种最常用边缘检测算法进行实验对比,从而得到一种满足要求较实用的算法。     

机器人视觉定位的图像处理

在机器人视觉定位系统中,图像处理是核心部分,本文针对实际的目标图像,通过对其进行图像预处理,再经边缘检测和应用最小二乘法求得定位点的坐标和相对偏转角度,获得图像定位的信息。经验证符合设计要求,达到了实际应用的准确度。     

图像处理法动物纤维测长系统的研究

动物纤维长度及其相关参数是毛绒纤维最重要的物理性质之一,是评价毛绒品质和实用价值的重要指标。根据现有的手摆法纤维长度测量原理,设计了一种基于图像处理的纤维长度测量系统。搭建了实验台,通过摄像物镜和CCD采集纤维图像,然后经过图像二值化、中值滤波,最后提取出纤维图像的轮廓边缘曲线,对曲线拟和后,根据公式计算出纤维试样的有效长度、短纤维率和差异率。通过多次实验验证该测量系统与手动测量结果一致,达到了使用要求。     

数字图像处理在仓库进出货中的应用

传统仓库进出货系统都是通过PLC编程,每一个细节都是预先设定好的,进出货顺序总是按照固定顺序依次摆放.不能灵活满足用户对相同货物归类摆放,从仓库中快速找所需货物的要求.通过加入数字图像处理技术,使系统能够分析判断出不同货物大小形状的差异,从而提高系统智能化,使系统能够在更复杂多变的环境中作出更合理的决策.     

量子线性卷积及其在图像处理中的应用

线性卷积在图像处理中发挥着重要作用, 但是在处理海量高分辨率图像时, 求解线性卷积会消耗许多计算资源. 为此, 本文就量子线性卷积及其在图像处理问题中的应用开展相关研究, 首先提出单通道, 单位步长, 零补充情况下的量子一维和二维线性卷积, 然后实现多通道, 非单位步长, 非零补充的情况, 最后将量子二维线性卷积应用于量子图像平滑, 量子图像锐化和量子图像边缘检测. 通过理论分析证明了量子线性卷积的空间复杂度${\rm{O}}(\mathrm{log}M)$和时间复杂度${\rm{O}}({\mathrm{log}}^{2}M)$较经典线性卷积有指数级下降, 且基于Qiskit的仿真实验成功验证了量子线性卷积和量子图像处理算法的正确性和可行性.