基于方向信息的多尺度边缘检测方法

对噪声图像进行不同方向的滤波，根据方向滤波的信息，定义了方向信息测度作为判定噪声点与边缘点的度量．使用了二次Ｂ样条小波进行边缘检测，根据方向信息测度调整边缘检测中的滤波尺度，实现了多尺度边缘检测的自适应尺度调整．最后给出了实验比较结果，表明该方法对于方向特征明显的一类图像是比较有效的     

基于HSV空间的彩色边缘检测

为了克服在颜色亮度差别大的情况下,传统柱坐标模型下的欧氏距离不能合理分辨颜色的缺点,根据饱和度对亮度进行变换,提高了模型的准确性.并在此颜色距离模型下设计了一种彩色Min边缘检测算子,有效地提取了图像的边缘信息.实验证明该方法可以合理分辨不同的颜色,有效提取图像的彩色边缘信息,并能克服非均匀光照所带来的影响.     

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。     

改进的空间矩亚像素边缘检测算法

为解决Lyvers算法在利用空间矩进行亚像素边缘检测时交点附近的边缘检测误差大的问题,对交点附近的边缘模型进行了分析,提出利用空间矩多项式判断边缘交点,然后利用双线性插值法和牛顿迭代法来求取多项式的解,而多项式的解就是亚像素边缘检测结果.实验证明,改进算法很好地弥补了Lyvers算法在交点附近的计算误差.     

用于多类型边缘提取的最佳Gabor滤波器设计

针对传统边缘检测方法检测精度不高的问题,提出了采用最佳Gabor滤波器检测多类型图像边缘的方法.建立多类型边缘模型,采用Gabor滤波器进行滤波分析.结果证明,对于二维阶跃边缘,在Gabor滤波器的频率和空间常数乘积接近于1.8,且滤波器方向垂直于边缘方向的情况下,可以得到最佳的边缘检测效果;对于一维斜坡边缘,在Gabor滤波器的频率和空间常数乘积接近于1.0的情况下,可以得到最佳的边缘检测效果.利用设计的最佳Gabor滤波器进行边缘提取实验,证实该方法具有较高的边缘检测精度,优于传统的边缘检测方法.     

实时系统中的连铸板坏边缘检测快速算法

分析了影响边缘检测算法的关键因素，针连铸板坯边缘实时测量问题，提出了一种基于灰度图象投影的边缘检测快速算法，这一算法适用于直线型阶跃边缘的快速检测，并在实际应用中取得了良好的效果。     

用于工业无损检测的高精度边缘检测法

本文提出把矩匹配法子象素边缘检测技术用于工业无损检测中机器零部件疵病几何尺寸的测量．采用迭代算法修正线条边缘位置参数，理论误差可小于０．０００６象素．对于几个经过预先标定几何尺寸的图象，用５×５模板计算其几何尺寸，结果误差仍小于０．０１５象素．这一方法的另一优点是计算比较简单．     

影像边缘检测方法

边缘检测是图像处理过程中的重要环节。介绍了影像测量中的边缘检测的主要过程,包括图像二值化处理、图像边缘的细化、边缘点的提取等。给出了详细算法描述,为影像测量技术的发展提供了参考。     

视频图像的边缘检测与边缘细化

在有效滤除原始视频图像噪声的基础上 ,首先对视频图像进行边缘提取得到单边缘图像 ,然后再对得到的单边缘图像进行边缘提取 ,得到双边缘图像 ,最后将前两次得到的边缘图像进行差分 ,得到较为理想细化边缘图像。若结果仍不能满足特殊需要 ,可重复上述方法 ,直到得到理想边缘。实验结果表明 ,该方法在提取视频图像的细化边缘方面有明显的效果。     

多尺度方向性Hermite变换在低信噪比图像边缘检测中的应用

针对现有的边缘提取方法存在着无法同时满足抑噪能力强和定位精度高的问题,提出了多尺度的Her-mite变换边缘检测法.通过分析可以证明Hermite法是一种建立在滤波基础上的边缘提取方法,而且由于Her-mite变换提取出的是图像局部最优方向下的边缘检测,因此其在提取边缘时的抑噪能力要比一般方法高.此外,由于多尺度Hermite变换结合了大尺度的抑噪能力和小尺度的定位能力,因此这种方法能非常有效地提取出边缘并保持了较高的定位精度.通过与Sobel法的边缘检测结果进行对比,可以发现多尺度Hermite变换法在进行低信噪比条件下的边缘检测时具有较好的抑噪和定位能力.     

基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意．针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度．实验证明该方法可达到1／60像素的精确度。     

基于同化核分割相同值区域特征融合的边缘检测

针对SUSAN(Smallest univalue segment assimilating nucleus)边缘检测算子在强噪声环境中容易产生虚假边缘的不足,提出了基于同化核分割相同值(Univalue segment assimi-lating nucleus,USAN)区域特征融合的边缘检测方法——FUSAN(Fusion-USAN)算子。该算子在利用USAN区域大小信息提取潜在边缘点的基础上,分别直接和间接利用USAN区域的形状信息计算边缘响应,并采用简单的融合策略融合这两种边缘响应得到最终的边缘响应。与SUSAN算子相比,FUSAN算子综合利用了USAN区域的大小和形状信息。利用合成图像和常用Cameraman图像并加入噪声对FUSAN算子进行评估,实验结果表明:FUSAN算子的检测性能优于SUSAN算子。     

基于数学形态学和HSI颜色空间的人头检测

为提高视频监控中人数统计的实时性,提出一种人头检测算法。该方法在HSI(hue, saturation intensity)颜色空间建立人头颜色模型,并结合头发的灰度范围进行二值化。采用数学形态学的膨胀腐蚀算法进行预处理,并在边缘检测之后再次进行膨胀腐蚀,从而得到若干个候选区域。利用轮廓的几何特征综合判断这些区域是否为人头。实际监控的实验结果表明:该方法能够快速有效地检测出人头,很好地满足了视频监控中人数统计的实时性要求。     

最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方...     

小波系数过零点的屋脊边缘亚像素检测算法

针对现有亚像素边缘检测算法在定位精度、抗噪性能和计算速度方面问题,提出一种新的基于小波变换系数过零点的屋脊边缘亚像素检测算法,证明了利用该方法对屋脊边缘进行亚像素检测不存在原理误差,且具有较好的抗噪性能和较快的计算速度.仿真实验证实理论的正确性.     

基于边缘方向角的自适应尺度角点检测

在边缘方向角的基础上提出了一种新颖的角点检测方法。新模型基于:边缘在角点处必定发生弯折;在一定尺度范围内,角点两边的点均有方向角的最大趋向一致性;合理的放宽尺度,角点两边的点均有方向角最大趋向一致性增强。实验结果表明:新模型能够排除更多的伪角点,利用边缘方向向量判断角点的凸凹性;和其它多种角点检测模型相比,这种方法能够提供更多的角点信息,而且检测准确率高。     

基于数学形态学的弹丸边缘检测技术

从数学形态学的基本理论出发，针对实时采集的有噪声的弹丸图像，在运用数字图像处理技术的基础上，利用形态学在描述形态特征方面的优势，对图像进行了平滑滤波的处理。并探讨了一种新的形态学边缘检测的图像处理方法，经过实践性的尝试，取得了较好的处理效果，并给出了实验图像。     

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。