基于局部主动轮廓模型的宽带激光熔覆熔池边缘提取

为了准确、高效地提取宽带激光熔覆熔池边缘, 排除宽带激光熔覆过程中存在的强烈弧光、金属液 滴、粉末飞溅等因素的干扰,通过CCD工业相机和复合滤光镜片组成的熔池监测系统实时采 集宽带激光熔 覆熔池图像。对获取的熔池图像进行预处理,选定阈值拟合二次曲线作为初始轮廓线,假设 目标区域与背 景区域具有最大的平均灰度差异,利用熔池本身几何结构信息与图像局部统计信息相互约束 驱动轮廓曲线 演化,准确地提取了宽带激光熔覆熔池边缘。与灰度阈值、数字形态学、C-V主动轮廓模 型等传统方法相 比,该方法有效地提高了熔池边缘提取的精度以及抗干扰性能。     

基于边缘轮廓线提取的自动对焦评价函数

红外序列图像清晰度评价对热像仪测温标定至关重要.文中针对传统空域评价算法的不足,提出一种基于图像轮廓线分割的红外序列图像清晰度评价方法.此算法基于变分水平集理论以能量泛函的最小化为目标,来求解使曲线趋向于目标,从而提取出红外图像中目标物的轮廓线;通过选取目标物体轮廓线两侧灰度均值大小来描述图像的清晰程度.以红外热像仪在标定时获取的序列图像为研究对象,运用文中所提出的方法与 SMD,EOG,Robert,Wavelet 算法之间的对比性分析.实验表明:文中所提方法满足清晰度评价函数所具有的单调性,无偏性与良好的灵敏度.     

基于小波相位保持校正GVF snake模型的B超心脏边缘提取

针对B超图像噪声过大引起的边缘提取问题,本文采用基于小波相位保持校正GVF snake模型的边缘提取 提取方法,在保持视觉效果的同时,达到了对伪像的去除、削弱和对边缘的更精确识别。     

基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.     

一种基于灰度阈值的天地背景轮廓线提取方法

针对天地背景轮廓线具有波动起伏、边缘模糊及轮廓边缘灰度值变化缓慢的特点,采用灰度阈值方法,实现了多种天地背景边缘轮廓提取,可为后续的天空背景图像分割及空中目标检测提供技术支持。算法具有实现简单、计算量小、运行速度快、定位精确、抑制噪声的特点,弥补了经典图像边缘提取算法的不足,并结合远距离摄录的天空海面、天空海面岛屿、天空山地等背景的视频图像,给出了文中检测算法与其他算法的图像处理结果对比分析。     

基于DFBIR场的图像边缘提取的一种新方法

自然纹理的灰度图象是满足分数布朗随机场模型的．本文采用改进了的分形图象模型，即离散分数布朗增量随机场[2]（discretefractionalBrownianincrementalrandomfield，简记为DFBIR场）模型，通过求取图象局部分形特性参数H值，来提取图象的边缘。并且提出了一种有效确定分形特征参数H值二值化门限的新方法，采用该方法可以获取好的图象边缘．     

R-Snake:一种基于边缘与区域信息的图像主动轮廓提取模型

 传统Snake模型存在着对轮廓的初始化敏感,对高噪声图像易陷入局部极小值,以及对具有狭长深度凹陷区域的图像无法获得正确轮廓等问题.本文提出了一种基于边缘与区域信息的主动轮廓模型R-Snake(Region Snake).该模型通过文中设计的图像变换算子,并结合区域积分与曲线积分间转化的Green公式,导出了包含目标图像区域信息的区域力.然后由力平衡方程将该区域信息自然直接地引入到主动轮廓提取模型中,从而实现图像的轮廓提取.由于该模型同时利用了图像的区域信息和梯度信息来引导轮廓曲线的演化,使得本文方法不仅扩大了轮廓初始化的范围,降低了对图像噪声的敏感性,而且还增加了轮廓曲线收敛到真实边界的能力.实验结果表明,本文方法具有很强的适应性和鲁棒性,尤其是对高噪声图像和具有狭长深度凹陷的图像获得了优于传统Snake模型的结果.     

一种基于边缘提取的印刷品斑点检测方法

先对标准印刷品图像利用Robert算子检测出边缘,并利用形态学的方法对边缘进行膨胀。接着用HOUGH变换检测待测图像与背景相交的两条直线,以此将其与标准图像配准。在边缘点处,利用象素的灰度、邻域内的平均灰度、象素梯度方向信息进行对应象素的比较,当差别较大时被认为是一个疑点;在非边缘点处,直接利用灰度、邻域内平均灰度信息比较,差别较大时被认为是一个疑点。最后,对疑点图像进行斑点分析。实验结果表明,提出的方法能较快、较准地检测出印刷品当中的斑点。     

基于边缘和空间-光谱模型的光源估计方法

为了克服基于空间-光谱模型的光源估计算法运行时间长和存储容量大的缺陷,提出了一种基于边缘和空间-光谱模型的光源估计方法。利用边缘滤波器寻找图像的边缘信息,然后对边缘像素进行膨胀操作,将膨胀后的边缘信息混入空间-光谱模型中,利用标准图像集对模型进行训练获取模型参数,最后对图像进行光源估计。实验结果表明,提出的算法能有效降低空间-光谱算法的运行时长和存储空间,提高光源估计准确率。     

一种基于子波变换的图像边缘提取及去噪方法

提出了一种有效的用子波变换提取边缘及去噪的方法，该方法通过提取子波变换局域模最大值来提取图像边缘，并利用多尺度子波变换模值信息和角度信息去除噪声．由于该方法克服了以往使用单个尺度提取边缘的局限性，结合了子波变换多尺度的优点，因此能获得既有高信噪比，又有高定位精度的边缘检测结果．     

基于动态方向梯度矢量流蛇模型的图像分割

提出了一种改进的基于动态方向梯度矢量流蛇模型的MR脑肿瘤图像分割新方法,实验结果表明该方法能够有效地分割提取出脑肿瘤图像.为了对MR脑肿瘤图像形状特征进行描述,提出了一种改进的基于Zernike矩的快速算法,为进一步诊断病情提供了有效的帮助.     

基于改进颜色模型的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题,传统的边缘检测方法仅利用图像的亮度分量信息。给出一种基于改进颜色模型中颜色距离的彩色图像边缘检测方法,通过实验,将文中给出的边缘检测算法与常用的边缘检测算子进行比较。并对边缘灰度图像的阈值处理方法予以讨论,提出一种具有良好的自适应性的算法——极大值法,通过寻找局部极大值点定位边缘。实验表明文中给出的算法在改进图像边缘检测效果上是有效的。     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

基于视觉模型的图像边缘检测算法

文章提出了一种基于视觉模型的图像边缘检测算法.作者采用具有反馈和前项控制连接的侧抑制模型进行图像信息进行处理,用零阶和二阶厄米特(Hermite)函数的组合产生系统的控制模板,组合系数通过梯度下降学习算法确定.这种以生物视觉感知机理为基础的神经计算方法可有效地均衡滤除噪声和增强边缘,同时将系统高维参数的学习问题转化为对少数几个参数的确定,降低了问题的维数和计算的复杂性.     

基于视觉感知模型修正的彩色图像边缘检测

在彩色图像边缘检测过程中,准确检测低照度区域的细节边缘是一个难题.提出了一种基于视觉感知模型修正的彩色图像边缘检测方法.由于视觉感知彩色空间中的色调分量具有圆形特性,导致伪边缘问题,利用色调距离计算色调图像的梯度以去除伪边缘,并根据饱和度的非线性函数控制色调分量的梯度,最后利用修正的视觉感知模型计算矢量梯度以获取彩色图像的边缘.实验结果表明,新的彩色边缘检测方法较现有方法能提高彩色图像的边缘检测精度,尤其对于低照度区域的细节边缘具有较好的响应.     

激光主动成像图像边缘检测算法

针对激光主动成像图像特点,提出一种改进的Canny边缘检测算法。该算法在Canny边缘检测算法的基础上,采用投票中值滤波和提升小波级联的方法代替传统的高斯滤波器;采用3×3邻域的权值自适应梯度计算方法代替原有的2×2邻域差分运算。仿真实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出图像边缘,并且实时性较好,更具实用性。     

基于统计特征的GAC模型SAR图像分割

提出了一种基于统计特征定义边缘检测算子的测地活动轮廓（GAC）模型,并用于SAR图像分割中。首先,根据图像上每个点四个不同方向邻域统计特征的异同,计算边缘检测算子,得到GAC模型的能量泛函。其次,最小化能量泛函,得到曲线演化偏微分方程,水平集方法数值求解,最终完成SAR图像的分割。实验表明,与传统依赖图像梯度定义检测算子的GAC方法相比,文中的方法完全适用于SAR图像分割,不需要噪声的预处理过程,拓展了GAC模型的应用范围,提高了目标的正确识别率。     

An Improved Algorithm for Image Edge Detection Based on Lifting Scheme

Wavelet transform is an ideal way for edge detection because of its multi-scale property, localization both in time and frequency domain, sensitivity to the abrupt change of signals,and so on. An improved algorithm for image edge detection based on Lifting Scheme is proposed in this paper. The simulation results show that our improved method can better reflect edge information of images.