基于维纳滤波的图像边缘检测方法

针对经典边缘检测方法中存在的精度低、算法复杂等问题,提出了一种基于维纳滤波的图像边缘检测方法。该方法不仅算法简单,而且可以较准确地检测出图像的灰度变化信息,不丢失重要边缘且实际边缘与检测到的边缘之间偏差较小。另外,利用该方法得到的边缘连续性较好,不易产生线段断裂。实验证明该方法可以用于检测图像边缘,尤其对以字符、曲线为主的复杂图像,有较好的检测效果。     

基于分形特征的图像边缘检测方法

运用分形理论描述图像纹理特征,通过分析不同纹理图像及图像边缘处的分形参数,得到一种新的边缘检测分形特征,从而提出一种基于分形特征的图像边缘检测方法。自适应阈值的引入,能够实现不同图像的边缘检测。该算法简单迅速,并具有良好的抗噪性能。     

浅析图像边缘检测方法

介绍图像边缘的基本概念和经典的图像边缘检测方法。并着重近年来发展最快的新的图像边缘检测方法。这对于进一步学习和寻找更好的图像边缘检测方法具有实用意义。     

边缘特性及边缘检测在图像插值算法中的应用研究

首先论述边缘的基本特性,边缘蕴含丰富的内在信息,如方向、阶跃性质、形状等,对于剧烈跳变的边缘,灰度值差变化大,跳变节奏加快,产生阶跃变化或屋顶状变化。然后分析Canny边缘检测,指出其具有很好的边缘强度估计,为提高插值图像质量和插值算法提供理论根据。     

基于小波变换的图像边缘检测

本文主要对目前存在的图像边缘检测的方法进行了研究分析,重点研究了小波变换在图像边缘检测方而的优势,提出了基于连续小波变换的边缘检测方法,并编程展示编码的结果,验证其在实际应用中的可行性。     

综合边缘检测和区域生长的红外图像分割方法

针对红外图像的特点,提出了一种综合应用边缘检测和区域生长方法的图像分割方法。其思路为:先对图像进行边缘提取,得到边缘像素点集;然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件,采用区域生长法实现图像分割。仿真结果表明,该方法能快速准确有效地实现红外图像分割,避免了单独使用边缘提取或区域生长法进行图像分割时的典型分割错误。     

红外图像的亚像素边缘检测

针对红外图像目标边缘的模糊性,为了准确提取目标,提出了基于三次样条插值和灰阶边缘细化的方法,该方法通过对边缘过渡区域及其法线方向信息的处理,使图像边缘精确定位在亚像素级。实验结果表明,该方法能够精确定位目标边缘,优于传统的边缘检测方法。     

图像的模糊边缘检测算法

常用的微分边缘检测算法往往无法设立合适的阈值将影像中梯度较小的模糊边缘检测出来.针对这一点,疚奶岢隽肆街纸饩龅姆椒?将图像方差标准化,拉大模糊边缘处的梯度值,或者通过设置sigmoid函数,将像素点所在区域的信息传递到梯度值中去,对梯度值进行调整,这样就能够设定合适的阈值,有效地将模糊边缘提取出来.本文将这两种算法和常用的一些微分边缘检测算法比如Sobel、LOG算法进行了比较.试验表明,这两种方法都能够有效地提取出模糊边缘.     

红外图像边缘检测的循环移位算法

提出一种基于Bezier曲线的红外图像边缘检测的循环移位算法。为抑制红外图像中的噪声的影响,利用Bezier曲线法平滑图像灰度直方图中的噪声,得到Bezier直方图。利用提出的“循环移位法”探测Bezier直方图曲率曲线的极大和极小值,确定分割阈值和量化灰度值,实现对原始红外图像的分割,对分割后的图像进行边缘检测。实验结果表明,新算法简单有效,在准确检测红外图像边缘信息的同时又能抑制图像中噪声的影响,定位精度高,而且能够得到单像素边缘,在性能上优于传统的几种边缘检测算子。     

基于神经网络的图像边缘检测方法

提出了一种基于神经网络的图像边缘检测新方法.该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选象素及其邻域象素的二值模式作为样本集,输入边缘检测神经网络进行训练.边缘检测神经网络采用BP网络,为加快网络的训练速度,采用了滚动训练和权值随机扰动的方法.实验表明,该方法提高了神经网络的学习效率,获得的边缘图像封闭性好,边缘描述真实.     

直线拟合方法在一维图像边缘检测中的应用

在线阵CCD测量系统中采用直线拟合方法检测一维图像边缘。首先,测量系统通过线阵CCD获得一维图像,基于阈值比较法,对图像信号设置高、低阈值,截取边缘信号的中间部分作为拟合窗口;然后,利用最小二乘法,对拟合窗口内的边缘信号进行直线拟合;最后,利用图像亮、暗电平的中间电平作为阈值截交拟合直线,以此交点作为图像边缘点的位置。实验结果和分析表明,与阈值比较法相比较,直线拟合方法具有重复精度高、稳定性好的优点,能有效抑制随机噪声的影响,因此可以有效检测一维图像边缘位置。     

一种无衍射激光图像亚像素边缘检测方法

为进一步提高无衍射激光图像的定中精度,提出了一种亮环亚像素级边缘点检测方法.首先,采用局域亮度最大方法,提取亮环像素级屋脊边缘点;然后,利用线性插值算法对每一像素级边缘点进行亚像素处理进而获得亚像素边缘点;最后,用最小二乘方法,将亚像素边缘点拟合定中.分别对距离光源40 m、50 m、60 m处,各连续拍摄的50幅图像(图像分辨率为640×480,光靶分辨率为0.057 2 mm/pixel)进行了处理,各位置处的亚像素级边缘点x方向定中标准差分别为0.021 4 nm、0.037 2 mm和0.042 3mm,y方向定中标准差分别为0.022 8 mm、0.035 1 mm和0.043 7 mm,明显优于像素级边缘点,实验结果表明,该方法切实可行.     

影像边缘检测Prewitt算子的改进算法

本文对Prewitt经典算子进行了分析,根据算法的计算规律提出了一种改进的计算方法,通过对常规算法与改进算法的计算量进行比较分析,从理论上说明了改进算法具有简洁的处理步骤,提高了处理的速度;又通过对200幅256×256影像的具体实验证明,改进算法不仅拥有与原算法相同的效果,而且,处理时间显著缩短。     

一种快速亚像素边缘检测方法研究

提出了一种新的亚像素边缘检测方法。此种方法先经过传统模板算子确定边缘的大致位置，然后用曲线拟合方法求出边缘的精确位置，经过粗、精两次定位，在不牺牲速度的情况下，就可获得亚像素级的定位精度。由于B－样条函数所具有的优越性能，该方法采用它作拟合函数。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

基于白色与黑色像素区域相间明显的快速边界获取的方法

在实现工业机器视觉系统时,边界获取成为必不可少的一环。为了提高边界获取的速度和生产效率,介绍了一种边界获取的简单有效的新方法,该方法是基于白色与黑色像素区域相间明显的条件下提出的。方法的主要思路是通过计算连续黑白像素宽度及相关处理,获得边界。该方法检测目标时快速,稳定;通过选取不同的像素宽度阀值,可以方便地检测出相应的不同的边界。此方法适用于处理速度要求非常高的工业机器视觉中特征边界的边界获取。     

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。     

一种尺度自适应Canny边缘检测方法

作为最优边缘检测算子,Canny算子在线性滤波及选取阈值方面具有一定的局限性.在其基础上,采用尺度可变的自适应高斯滤波器进行滤波,通过计算滤波器各滤波窗口内像素点灰度值的均值,以及该均值与当前像素点灰度值的差值,确定滤波窗口的平滑度,并将其作为高斯函数尺度的大小,在滤除噪声的同时确保了边缘信号不被平滑掉;同时采用基于简单统计法及梯度阚值法的双阈值分割方法检测经过非极大值抑制的梯度幅值图像的边缘.实验结果表明,该方法能够有效滤除噪声,且假边缘及丢失边缘的数量都比Canny边缘检测的少.     

基于图像识别的铝塑包装材料边缘检测

目的为了提高铝塑类包装材料的边缘检测精度,基于图像识别技术设计一种边缘检测方法。方法介绍Canny边缘检测算法,针对其双阈值选择比较困难、边缘检测精度不高等问题,利用Ostu算法实现高、低阈值的选取。基于FPGA(现场可编程门阵列)和DSP(数字信号处理器)搭建一种图像检测系统,并给出系统框图及FPGA内部结构,即异步FIFO模块、串入并出模块、像素窗口刷新模块、数据处理模块以及配套电路等,并以药品铝塑泡罩包装为例进行实验研究。结果改进的Canny算法在保证处理速度的前提下,所检测图像清晰细致,能够得到完整边缘。结论该方法具有准确度高、稳定可靠、识别速度快等特点,可满足包装过程产品检测要求。