图像序列中点目标实时检测算法

点目标检测在液体杂质检测中非常关键,在分析现有图像点状目标检测算法的基础上,研究了一种适用于图像序列的运动点目标多阈值检测算法,在背景抑制的基础上,首先采用自适应多阈值分类的方法提取多类疑似目标,强化了各点状目标疑似的检测能力。在当前帧疑似目标的真伪无法判定时,根据目标在相邻帧间的位置变化信息构造相应的时空管道,沿时空管道正向寻找可能出现的各类疑似目标,并将其能量与当前帧疑似目标点的能量进行加权求和后再进行门限判决。使用硬件并行预处理图像,较好地解决了实时性问题,满足系统实时性要求。对安瓿瓶液体图像序列进行测试的结果表明,该算法的效果令人满意。     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

基于meanshift算法的图像边缘检测

提出一种以像素的meanshift偏移向量为重要特征,并考虑像素点相互空间关系的边缘检测算法.首先通过meanshift算法计算出图像中各个像素的meanshift最终偏移向量,然后根据meanshift理论以及该偏移量性质,同时引入meanshift向量的方向和长度进行边缘检测.实验结果表明:该算法能精确定位目标轮廓,同时具有良好的抗图像噪声能力.     

图像边缘检测最佳算法的分析

本文主要对目前图像边缘检测理论中有代表性的一些边缘检测算子作一简要分析，对各自的特点进行横向的比较，提出了个人认为的最优边缘检测方法。     

人体图像边缘检测的算法研究

较系统全面地总结了边缘检测的方法，介绍这些方法的优缺点和适用范围，并针对人体图像的特点及本文所要研究的问题，论述了适合于人体图像边缘检测的基于小波变换的多尺度边缘检测算法。     

图像聚类分析法用于汽车图像边缘的检测

在分析用于图像边缘检测的多尺度多方位的形态学梯度算法基础上,结合基于自组织神经网络的图像聚类分析的数据融合技术,提出了一种改进的基于形态学梯度法的汽车图像边缘检测方法.经过实验检验,与其它形态学边缘检测方法进行了比较,该方法对汽车图像边缘检测具有较好效果.     

图像局部方向均值边缘检测算法

根据图像边缘形成的光学原理,将图像边缘分为斜坡形边缘和三角形边缘,提出了一种新的基于方向均值的图像边缘检测方法。该方法以图像像素点为中心,沿不同方向将邻域内的像素分割成两个半圆,分别计算出半圆内像素的样本均值及其差值,再根据均值差值最大值和最小值的方向与两种不同边缘之间的关系,设计边缘幅度响应函数,判断边缘类型,计算边缘幅度响应值和方向,结合漏检概率设计了边缘检测评价函数,并利用评价函数分析平滑尺寸与邻域半径之间的关系。实验结果表明,本文算法具有较好的检测精度,在一定程度上抑制了噪声对边缘检测的影响。     

一种改进的图像边缘检测算法

针对传统单一算子图像边缘检测效果欠佳的问题,提出一种新的边缘检测算法.新算法融合了LOG算子对于图像的阶跃型边缘定位准确、旋转不变性的优点和Canny算子的强抗噪声能力.通过实例实验分析表明:相比传统单一算子,新算法检测图像边缘的准确度更高,检测效果更理想.     

使用小波变换的图像边缘检测算法

描述了一种新的图像特征提取方法，它基于小波变换的多尺度方法，这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征。文中给出了图像特征提取的实例。     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法．首先对图像的高频子空间进行多层次小波包分解，接着求出各层同一子空间不同方向上系数的差值，然后分层对差值进行闽值化处理，最后依据每层阈值化后的系数，得到不同分辨率下图像的边缘．该算法不需预先对图像进行去噪处理，却能很好地抑制噪声．实验结果表日月，该算法既能根据需要分别求出不同尺度下图像的边缘，又能保持图像边缘的完整性和清晰性．     

一种医学图像的边缘检测算法

针对医学CT图像特点,提出了一种医学图像边缘检测算法,该算法利用SUSAN边缘检测算法,对整幅图像中的所有象素,用圆形模板进行扫描.通过比较模板内每一象素与中心象素的灰度值,并与给定的阀值比较,判别该象素是否属于USAN区域,确定边缘点.实验结果表明:对于相同的一幅图像,该算法直接利用图像灰度相似性的比较,是使用3×3模板的Sobel算子的运缘检测算法的50%.对于相同的配置,运算速度可提高一倍以上.与其他算子相比,该算法运算量更小,运算速度更快,并具有较强的抗噪声能力,适于医学CT图像这种含噪低对比度灰度图像的边缘检测.     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法.首先对图像的高频子空间进行多层次小波包分解,接着求出各层同一子空间不同方向上系数的差值,然后分层对差值进行阈值化处理,最后依据每层阈值化后的系数,得到不同分辨率下图像的边缘.该算法不需预先对图像进行去噪处理,却能很好地抑制噪声.实验结果表明,该算法既能根据需要分别求出不同尺度下图像的边缘,又能保持图像边缘的完整性和清晰性.     

一种改进的图像边缘检测算法

对传统的微分边缘检测算法的缺陷进行分析和评价,并针对微分边缘检测算法的缺陷,提出了一种改进 的边缘检测算法。新算法摈弃了传统边缘检测算法中将每个像素单独进行考虑的模式,而是将待检测像素及与 其相邻的像素作为一个整体来考虑,通过将待检测像素为中心的某个领域进行整体计算,得出能够反映这个领 域性质的某些参数,并以此作为边缘检测的判据,进行检测。此算法充分考虑到了中心像素与周围像素之间的 关系,从而增加了梯度运算的可靠性。实验表明:新算法能够检测到更细的边缘,并且在椒盐噪声的情况下要优 于常用的微分边缘检测算法。     

基于彩色形态学的图像边缘检测算法

基于对彩色图像形态学的研究,提出了一种面向HSI颜色空间的多结构元多尺度的彩色形态学图像边缘检测算法。首先借助彩色形态学的膨胀、腐蚀、开运算和闭运算给出彩色多结构交替顺序滤波算子的相关定义,同时利用交替顺序滤波器（ASF）的优势得到一种混合滤波器（HF）对图像进行滤波;其次引入一种全方位形态结构元再结合多尺度结构元的思想对图像不同方向的边缘进行提取;最后再使用信息熵对各方向的边缘进行融合得到图像整体边缘信息。实验表明,所提出的算法不仅具有良好的抗噪性,而且能够保留更多的图像细节信息。     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于动态边缘检测的图像锐化算法

在数码相机中,经插值运算后的数码图像,常伴有噪声和伪色的影响,使图像变得模湖,边缘部分不够清晰.因此,需要通过锐化处理,增强图像边缘轮廓,增加清晰度,减少伪色.该文提出了一种基于动态边缘检测的图像锐化算法,恢复的图像在细节纹理、边缘、色彩方面的效果都较理想,对边缘的噪声抑制较明显,与常用锐化算法比较,在同等仿真环境下,所提出的方法有运算复杂度较低的优点.     

图像边缘检测的一种简化算法

在对小波方法进行分析的基础上,笔者指出了一种新的图像边缘检测算法,该算法与Ｍａｌｌａｔ边缘检测算法相比,简化了算法复杂度。     

基于二次曲线拟合的图像亚像素边缘定位算法

在图像测量系统中,边缘提取精确度直接影响测量精确度.提出一种基于二次曲线拟合方法的图像亚像素边缘提取算法,介绍了基于方形孔径采样定理的边缘定位算法的推导过程.计算机仿真和对实际图像边缘定位的实验结果表明,此亚像素边缘定位算法的定位不确定度优于0.14象素,有效提高了图像边缘提取的定位精确度,从而提高测量精确度.