基于Sobel算子的图像边缘检测研究

在图像处理中,提出了一种新的边缘检测算法,该算法首先对由Otsu算法所得图像进行形态学的去除孤立像素和闭运算操作,然后再用Sobel算子进行边缘检测,最后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。最后用MATLAB对数字图像和红外图像都进行了仿真。仿真结果表明,该算法改善了单一的用Sobel算子检测对垂直与水平方向敏感,其他方向不敏感的不足,提高了Sobel边缘检测算子的性能,具有良好的检测精度。此算法不仅适用于数字图像还适用于红外图像。     

一种新的热红外影像边缘检测方法

针对热红外影像中感兴趣温度区边缘信息模糊、对比度弱、影像存在噪声,传统的边缘检测方法难以实现边缘提取的问题,同时考虑到热红外影像边缘的不确定性,提出了一种将多层次梯形模糊增强、模糊C均值聚类以及与Sobel算子相结合的边缘检测方法。该方法首先对热红外影像进行多层次梯形模糊增强,接着运用模糊C均值聚类方法对影像中感兴趣温度目标区进行聚类,提取出目标物体,最后利用Sobel算子对目标物体进行边缘检测。基于MATLAB进行仿真模拟,实验结果表明,该方法具有较高的检测精度,既能检测出模糊影像的边缘,又能提取出传统算法所不能检测出的细节信息,边缘较细,计算量小,获得了比较理想的检测效果。     

基于Laplace算子和灰色理论的热红外影像边缘检测

由于红外热像仪采集的热红外影像存在大量的噪声、边缘信息模糊难提取,因此,提出了一种基于Laplace算子和灰色关联度相结合的边缘检测方法.该方法首先引进数学形态学对含有噪声的热红外影像进行形态学滤波,然后利用8邻域的Laplace算子作为参考序列,计算参考序列与系统序列之间的关联度得出关联度矩阵,再给定阈值判断是否为边缘点,最后细化影像.基于MATLAB进行仿真实验,结果表明:该算法对具有噪声的热红外影像具有较好的抗噪效果,能检测出传统方法不能提取的边缘细节信息,通过调整阈值可以控制检测的边缘信息量,是一种较好的边缘检测方法.     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

基于Sobel算子的改进边缘检测算法

提出了一种基于Sobel算子改进的边缘检测算法。该算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度。在计算图像梯度时结合了方向拆分法,将每个方向梯度与两个子方向半个模板对应的像素点之和分别求比值,选择最大者作为该方向的梯度值,然后将四个方向梯度的最大值作为窗口中心点的梯度,最后对梯度图像进行阈值分割和细化,得到边缘图像。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、图像边缘较细的优点。     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。     

基于改进Sobel算子的车牌边缘检测算法

针对车牌识别中车牌的边缘信息在Sobel算子的检测下易受到图像采集环境的影响,阈值难以确定,不具有自适应性且对噪声的敏感度高这一特点,提出了一种采用基于二次搜索寻优的阈值选取策略算法,并得出了一套完整的Sobel对车牌边缘检测的算法.实测结果表明:该方法能够更好的解决Sobel算法中存在的由于阈值不自适应性导致边缘检测出现伪边缘点和粗糙点,增强了检测的实时性和鲁棒性.     

一种Sobel算子的抗噪型边缘检测算法

边缘检测在图像处理过程中占有重要的地位,Sobel算子是在数字图像边缘检测中常用的一种方法。经典Sobel算法简单、速度快,但也存在着边缘定位不精确、提取的边缘较粗、噪声干扰情况下抑制能力差等问题,针对这些问题,提出了一种抗噪声的Sobel边缘检测算法。算法先对图像采用多子窗口进行滤波,去除图像中存在的噪声;然后采用改进的Sobel算法对图像进行边缘检测,算法结合边缘方向计算梯度图像,并对梯度图像在3×3邻域内采用统计信息结合梯度阈值进行了2次边缘细化处理。与经典的Sobel算法及其他文献算法进行了对比试验,结果表明,该算法对噪声具有较强的抑制能力,在去除噪声的同时能够准确地检测出图像的边缘,而且得到的边缘更细,定位更精确。     

一种改进的Sobel自适应边缘检测的FPGA实现

针对经典Sobel边缘检测算法对噪声比较敏感而且需要人为指定阈值等问题,提出了一种Sobel自适应边缘检测方法。首先,对经典Sobel算法改进,增加了检测方向,根据待测像素背景灰度值和人眼视觉特性自适应地生成阈值,从而检测出与人的主观视觉更为一致的图像边缘,然后对边缘图像进行形态学处理,增强了算法的抗噪性。将改进的边缘检测算法在单片FPGA上实现,利用FPGA高速并行处理的优势,系统能够实时采集、检测图像边缘并显示高帧频高分辨率图像。     

一种新的红外热像仪图像边缘检测方法

针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点,提出了一种基于数学形态学对LOG算子改进和Roberts算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波,接着运用拉普拉斯算法边缘检测,然后再采用Roberts算子提取边缘信息,建立相应的融合规则及阈值条件,将两种方法检测出的影像边缘信息融合,得到最终的融合影像。最后,对增加椒盐噪声的影像用MATLAB进行仿真实验,结果表明,该方法结合了两种检测算子的优点,定位精度高,有很强的抗噪性,获得了比较理想的检测效果。     

一种应用Tsallis熵的红外图像边缘检测算法

提出一种基于Jensen-Tsallis熵的红外图像的边缘检测方法,通过分析红外图像的成像特点,利用红外图像的局部的熵信息,计算滑动窗口内图像的Jensen-Tsallis散度-方向对,由Jensen-Tsallis散度确定候选边缘像素,再利用Jensen-Tsallis的方向信息细化并连接边缘像素,实验结果表明,该算法可以有效地检测红外图像边缘.     

实时视频信号的Sobel边缘检测的FPGA实现

在实时视频信号处理中,由于边缘检测等图像处理算法的数据量大,系统采用FPGA+DSP的图像处理方案。利用FPGA可对数据并行处理的特点,在FPGA中实现数据量大、处理速度要求高,但算法结构简单的低层处理算法。文中介绍了在FPGA中实现Sobel边缘检测算法的方法,并提出了自适应阈值的处理方案。实验结果证明,FPGA能够对实时视频信号完成Sobel边缘检测,且自适应阈值模块保证了系统在环境亮度变化的情况下,得到良好的边缘检测效果。     

复杂光照条件下的图像边缘提取算法的改进

边缘是数字图像中的一个重要的局部特征。在复杂光照条件的情况下,图像分辨率较低,传统Sobel算子利用卷积计算出来的灰度梯度较为平缓,边缘不能有效的识别。通过改进Sobel算子的模板,平衡图像的亮边缘与暗边缘,尽可能地避免暗边缘信息的丢失。与此同时,通过分析数据建立相应的数学模型,优化子区域大小,把图像划分为多个子区域,在子区域内利用大津法进行边缘的检测与提取,最后使用Hilditch细化算法将图像的边缘提取出来。通过MATLAB仿真结果表明,与传统So bel算子的边缘提取算法相比,文中算法简单易实现,对于复杂光照条件下的图像,边缘信息提取更完整,自适应能力更强。     

红外图像边缘检测算法综述

为填补红外图像边缘检测算法综述性研究的空白,使更多研究者较为全面地了解目前成果,并为后续研究提供有价值的参考,遴选了近十年国内外红外图像边缘检测技术研究的相关文献.首先概述了红外成像与边缘检测技术,进而阐述了红外图像边缘检测技术的难点与挑战,接着总结了主要的红外图像边缘检测算法,将相关算法分为了4类——基于经典边缘检测...     

基于CCS的图像边缘检测和提取设计

Matlab对数字图像的处理在工程化方面存在一定的不足。针对这一不足,利用硬件仿真平台CCS,采用数字图像灰度梯度最大值法、Sobel算子边缘检测算法对数字图像进行检测,实现了数字图像的边缘提取。实验表明,Sobel算子边缘检测算法对数字图像进行边缘检测和提取的效果比较理想,且为图像处理提供了一种硬件实现方法。     

红外图像的人像边缘检测技术研究

文章使用改进的Canny算子检测红外图像中人像边缘,使用最大类间方差法(Otsu)自适应地调节Canny算子中的域值,并对得到的边缘图像进行闭运算,最后使用VC + +实现了算法,得到了较理想的实验结果.     

一种用于红外图像分割的改进型Otsu方法

概述了红外图像处理系统对图像预处理的要求,并针对传统图像分割算法中容易出现的目标错分问题,提出了一种基于灰度梯度映射函数的Otsu法。该方法克服了传统的基于灰度直方图的Otsu法不能利用图像局部信息和边界信息的缺点,通过将像素点的梯度信息与灰度信息相结合,较好地从背景中分离出了目标。仿真结果表明,该算法达到了预期的技术指标,很好地实现了红外图像预处理的功能。