基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

图象模糊涟缘检测的改进算法

图象在检测技术是图象处理中最重要的内容之一,且已在图象分析和识别领域中得到广泛的应用。针对图象边缘由模糊性引起的不确定性问题,提出了一种图象模糊边缘检测的改进算法,该算法是道德民确定一个阈值参数,然后根据此阈值参数来定义一个新的隶属函数,从而钭图象转化为等效的图象模糊特征平面,通过在模糊特征平面上进行增强运算,将其转换为空域图象,最后再进行边缘提取,同时还对具有多峰直方图分布图象的模糊边缘检测方法进行推广,仿真结果表明,该算法是有效的。     

适用于医学图像的模糊边缘检测改进算法

边缘检测是医学图像预处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于医学图像的新型模糊边缘检测算法。该算法使用遗传算法对传统Otsu算法进行优化来确定阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的医学图像,与几种经典的处理方法相比,该算法能够提取出更加真实和完整的边界信息。     

基于模糊和遗传算法的路况图像边缘检测

在路况监测中,常常需要得到路况图像的边缘轮廓线,以便诊断路面的病害情况。为适应这种需求,提出了基于模糊和遗传算法的路况图像边缘检测算法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低灰度图像信息丢失、边缘检测速度较慢等问题,利用遗传和模糊算法的优点构造边缘检测算法。这种方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。算法检测出的图像边缘与传统模糊算法提取的图像边缘相比较,结果更加清晰完整。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

一种模糊增强图像边缘提取算法

在分析Pal模糊边缘提取算法的基础上,为克服Pal算法图像增强区域单一、图像增强后造成低灰度信息损失且没有做抑噪处理的缺陷,提出一种新的基于模糊增强的图像边缘提取算法.新算法通过引入模糊熵,进行有目的选取不同灰度层次的阈值,同时增强图像中不同灰度层次的边缘信息,通过定义新的隶属函数和一种新的模糊增强算子,结合图像平滑滤波处理进行图像边缘提取,有效地克服了Pal算法速度慢且损失图像部分灰度信息的缺陷,取得了优于基于传统Pal算法进行图像边缘提取的效果.     

自动图象边缘检测方法的研究

本文提出了一种新的自动图象边缘检测方法,该方法使用新的隶属函数将图象转化为等效的图象模糊特征平面,在此基础上进行模糊增强,然后再转换为空域图象,顾后进行边缘提取,模糊增强提高了低灰度区域和高硬功率和高灰度区域之间的对比度,从而使提取的边缘效果更好,最后本文对具有多峰直方图分布图象的模糊边缘检测问题进行了
了推广。     

断层图像中内部缺陷的模糊边缘检测

由于结构件内部缺陷形状复杂、随机性大及其断层图像噪声严重并具有一定的模糊性,本文在研究Pal模糊边缘检测算法的基础上,提出一种改进的模糊边缘检测算法。该算法将最佳闽值引进算法申,并以此改进了Pal算法申的隶属度函数,建立了新的模糊增强变换,最後增加了边缘连接的步骤。该算法具有较强的检测模糊边缘的能力,实验结果表明该算法是一种更实用、更高效的模糊边缘提取算法。     

结构件内部缺陷断层图像的模糊边缘检测

由于结构件内部缺陷形状复杂、随机性大及其断层图像噪声严重并具有一定的模糊性,在研究Pal模糊边缘检测算法的基础上,提出一种改进的模糊边缘检测算法。该算法将最佳阈值引进算法中,并以此改进了Pal算法中的隶属度函数,建立了新的模糊增强变换,最后增加了边缘连接的步骤。该算法具有较强的检测模糊边缘的能力,实验结果表明该算法是一种更实用、更高效的模糊边缘提取算法。     

基于模糊推理的边缘检测新算法

研究了原有的基于模糊推理的边缘检测算法。在分析原有算法存在问题的基础上,提出了一种新的模糊化规则,利用方向灰度对比度去确定边缘隶属度值,增加了去除伪边缘的规则,使得边缘细化。对原有算法和新算法进行了品质因素和平均运行时间的算法性能的对比、分析。     

一种遗传优化和Ostu的图像模糊边缘特征提取方法

边缘检测是图像预处理的重要内容之一,在对Pal和King经典模糊边缘检测算法改进的基础上,提出了一种基于遗传算法和Otsu进行图像阈值选取,以不同阈值为基准确定出线性隶属函数,对多峰图像确定多阈值隶属函数的方法,进行模糊增强,从而提取边缘,实验结果表明该算法不仅提高了边缘提取质量,而且缩短了阈值选取时间,是一种有效性、正确性的图像处理方法。     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。     

阈值自适应CNN的彩色图像边缘提取

细胞神经网络用于彩色图像边缘提取已经有很多人做了研究。现有的大部分工作都根据经验选取固定阈值来设计CNN模板。但这种阈值的选取方法忽略了人眼最小分辨差具有自适应性的特点。在设计图像边缘提取CNN模板选取阈值时,引入人眼最小阈值差成果,设计出了一组阈值自适应的CNN模板,同时对设计的阈值自适应算法的稳定性进行详细的论证。该算法让检测出的边缘更加符合人眼的视觉特性。实验结果证明,该算法效果良好。     

边缘检测中局部区域的动态阈值选取方法*

现有的边缘检测方法主要采用全局阈值选取方法,由于全局阈值的选取不当,易造成图像中重要而梯度变化较弱的边缘丢失,而局部阈值选取研究相对不足且实用性差。针对以上问题,提出了基于局部区域的动态阈值选取方法：以每个候选边缘点为中心,局部矩形区域内动态确定该点的双阈值,根据边缘点梯度模值与其双阈值大小关系选取边缘点。与Canny边缘检测中采用的阈值选取方法相比,本算法能够有效地提取图像中重要边缘,且抗噪声能力强。     

DCT域图像边缘的快速提取

压缩域的图像分析处理技术已成为多媒体研究领域的一个热点。文中给出了DCT压缩域图像边缘的快速检测方法。该方法直接利用DCT非零系数计算图像边缘点,不需要完全解压缩,与传统象素域边缘检测方法相比,大大降低了计算复杂度,并且能根据需要提取不同精度的边缘图像。该方法在远程目标识别或基于边缘的Web图像检索等方面将能满足一定的实时性要求,具有较好的实用价值。针对JPEG图像,给出了边缘提取的实验结果,并与传统的象素域边缘检测方法进行了比较。     

基于全局优化相关系数的边缘检测算法*

针对传统边缘检测算子适应性差的缺陷,提出一种基于全局优化相关系数的边缘检测算法。首先在综合多种常用边缘检测算子的基础上生成不同等级的边缘密度图;然后使用全局相关系数作为度量函数,计算边缘密度图与不同边缘检测算子的边缘输出图集之间的相关性;最后优化得到较为理想的边缘检测结果。实验结果表明该算法能融合多种边缘检测算子的优点,有较强的开放性与目标适应性,自动化程度高,工程实用性广。