基于Freeman链码的边缘跟踪算法及直线段检测

本文主要总结了目前几个常用的直线段检测方法。分析了当前边缘跟踪算法的不足。在此基础上,提出了一种基于Freeman链码的直线段检测方法,主要在边缘跟踪环节中对原有方法进行改进。实验表明,该算法能够快速,准确地检测直线段。     

基于链码检测的直线段检测方法

直线是图像的重要特征，直线参数是进行图像识别和直线段三维重建的重要基础数据。基于链码检测的直线段的检测方法分为4步：以边缘图像为基础进行链码检测；根据链码估计曲率，检测链码角点，并在角点处拆分链码；通过链码直方图检测直线链码；对直线链码进行直线参数估计，并根据连接准则，进行直线连接。实验证明，该方法可以对直线段进行有效的检测。     

基于边缘检测的多文本页图像分割方法

图像分割是图像处理中最困难的问题之一.针对光学字符识别(optical character recognition,OCR)系统的要求,提出了一种基于边缘检测的多文本页图像分割方法.先检测出由图像中边缘点构成的边缘直线,然后寻找出图像中每个文本页的4条边缘直线所构成的边界矩形,从而可将每个文本页准确分割出来.实验表明,该方法具有较快的速度和很高的正确率,是一种有效的方法.     

基于边缘连续性的边缘检测算法

针对传统的边缘检测算法抗噪能力弱、弱小边缘难以检测以及边缘图像容易出现断层等问题,本文提出了一种新的边缘检测算法。该方法首先对边缘进行提取,然后进行边缘连接。边缘是图像灰度突变的反应,像素点的梯度以该像素点为对称中心,由对称位置灰度有明显变化的像素点的个数加权得到。对梯度较大的像素点计算其方向,通过像素点方向的连续性进行边缘提取。为了克服边缘图像出现断层的缺陷,利用蚁群算法进行边缘连接 。实验结果表明,该方法有较强的抗噪能力,尤其对椒盐噪声,且可以有效地检测出灰度变 化不明显的边缘。     

基于边缘计算与区块链的异常数据检测研究

针对农业物联网云平台的海量传感器多源数据采集模型,考虑到传统框架模型通常只用云平台处理单源数据,延迟性比较高以及隐私性较差等问题,依托区块链、边缘计算、无线数传、柔性太阳能充电等技术,搭建具备定位、组网、数传、自供电等功能的无线感知节点,提供多种传感接口,实现“通用感知节点+场景传感器件”的高效定制方案,并将数据异常检测任务从云平台迁移到多个边缘设备上,实现了数据的高频交互和实时传输。     

基于欧氏距离的实时直线检测算法

提出一种新的直线检测算法。与已有算法不同,该算法并非通过坐标系的转换,而是基于将离散曲线各点前后k个点对间欧氏距离平方和定义为该点的直线度,并推导出直线段上除首尾有限个点外其余各点直线度最大这一性质。利用该性质,该算法首先运用Freeman链码的性质选择出物体边界上明显属于直线的像素,然后在剩余的边界点中通过计算并寻找连续直线度最大的点而定位出直线。实验结果表明,该算法具有较高的稳定性、实时性和准确性。     

运用Freeman准则的直线检测算法

提出了一种简单而高效的在二值图像中检测目标物体直线边界的算法．基于Freeman提出的关于数字直线的准则和数字直线的特征,得出线段元是数字直线的组成部分这一性质．基于该性质,该算法以线段元为基本单位进行直线的构造,从而能高效、准确地检测出图像中物体边界中的直线．此外,该算法还可用于检测二值图像中物体边界的拐角．     

基于粗糙集和边缘信息测度的图像边缘检测算法

基于粗糙集的思想,结合边缘信息测度提出一种新的边缘检测算法.本文首先提出边缘信息测度的定义式,并指出其特性,然后根据噪声、边缘信息测度属性对像素点分类.通过设定合适的阈值,较好地区分了各种边缘点和非边缘点,从而得到真正的边缘.实验结果表明,该算法能有效抑制噪声,保留较多的图像边缘的细节信息,边缘图像锐利而清晰,且运算速度较快.     

基于边缘检测的斜纹布匹瑕疵检测

为了对布匹瑕疵进行快速准确的检测,提出了一种基于边缘检测的新算法。利用布匹图像中瑕疵与正常纹理产生的纹理边缘,将布匹瑕疵作为正常纹理的边缘检测出来。利用Sobel算子的方向性,分别对织物疵点在水平和垂直方向进行增强,计算出RGB图像中水平与垂直方向的梯度后进行边缘检测,通过图像融合和二值化完成最终检测。实验证明,该方法准确性高并且检测速率大大提高。     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

基于Canny 算子的大米边缘检测

为解决传统边缘检测算法对大米图像边缘检测精度低以及对噪声敏感的问题,提出一种改进的Canny边缘检测算法。该方法首先采用非线性扩散滤波减少图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制噪声的影响;最后采用最大类间方差法选取阈值,从而提高对不同图像的自适应性。通过对实验图像的分析表明,本文的改进算法运用到大米图像边缘提取中效果显著,满足大米质量检测和分级的要求。     

基于图形处理器的边缘检测算法

边缘检测是一种高度并行的算法,计算量较大,传统的CPU处理难以满足实时要求。针对图像边缘检测问题的计算密集性,在分析常用边缘检测算法的基础上,利用CUDA(Compute Unified Device Architecture,计算统一设备架构)软硬件体系架构,提出了图像边缘检测的GPU(Graphics Processing Unit,图形处理器)实现方案。首先介绍GPU高强度并行运算的体系结构基础,并将Roberts和Sobel这两个具有代表性的图像边缘检测算法移植到GPU,然后利用当前同等价格的CPU和GPU进行对比实验,利用多幅不同分辨率图像作为测试数据,对比CPU和GPU方案的计算效率。实验结果表明,与相同算法的CPU实现相比,其GPU实现获得了相同的处理效果,并将计算效率最高提升到了17倍以上,以此证明GPU在数字图像处理的实际应用中大有潜力。     

电池防护胶条边缘检测算法的设计与实现

针对手机电池电极端截面防护胶条贴合准确度的识别问题,本文基于数字图像处理方法设计可实现自动检测的系统.首先使用Canny算法识别出电池及胶条的上下边缘,然后用霍夫直线检测算法检测出边缘直线,获得直线方程.通过计算直线的位置关系并与已有限制参数对比,判断该胶条贴合的准确度.在胶条边缘检测的实验中验证了该程序的有效性.     

基于边缘信息的图像去马赛克方法

提出了一种去马赛克方法,能够有效提高由低分辨率设备以及噪声干扰得到的马赛克图像的质量。主要基于经典的边缘及滤波算法,利用几何特征及概率思想将马赛克区域定位并去除。方法的实施能够明显提高放大图像的主观质量。进一步的研究工作将通过并行的技术提高运算速度,并重点关注减少系统资源的开销,从而降低方法部署的成本。     

基于概率密度梯度的边缘检测

提出了一种新颖的基于概率密度梯度的边缘检测算法.新算法通过估计图像中各像素点的概率密度梯度得到图像的概率密度梯度场,然后根据图像的边缘点在概率密度梯度场中具有两侧梯度方向相反的特性实现边缘检测.与现有的算法相比,新算法检测得到的边缘点具有尺度不变性,并可以直接从图像中检测出具特定尺寸区域的轮廓,完好地保持物体的形状.     

基于Log_Prewitt算子的边缘检测算法

本文介绍了一种边缘检测算子 ,即 L og_ Prewitt算子 .它不是直接对光强度 ,而是对光强的对数 (光密度 )作Prewitt边缘检测的新方法 .具有检测边界区域与光照强度无关、抗干扰性强、处理速度快、适于在线检测等优点 .     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．