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。     

图象平滑与边缘检测的模糊向量描述

本文对噪声和边缘的统计特征进行了分析，提出了以Ｐ１（ｉ，ｊ）、Ｐ２（ｉ，ｊ）和Ｐ３（ｉ，ｊ）作为边缘、噪声和非边缘非噪声的隶属函数，并在此基础上建立它们的牲描述向量。借助于该特征向量。将图象平滑和边缘检测转化为一个模式识别的问题。从理论上讨论了解决图象处理中长期存在的去噪和保持边缘细节的折中问题的思路，并构造出了基于模糊模式识别的图象边缘检测和图象滤波的基本框架。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

模糊支持向量机建筑物边缘特征提取方法研究

为解决边缘点与非边缘点过渡的模糊边缘,提出了一种模糊支持向量机的边缘检测算法。该算法选用图像3 3窗口4个方向的灰度梯度、梯度幅值和梯度方向组成6维特征向量,同时选用径向机核函数对样本特征向量升维到高维空间,在高维空间中构造最优分类超平面。同时,根据归一化后的梯度幅值来确定每个样本的隶属度,最后利用模糊支持向量机实现边缘检测。实验结果表明了模糊支持向量机边缘检测方法的可行性。     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

基于模糊理论和蚁群算法的图像边缘连接方法

针对边缘检测的断点问题,提出一种基于模糊理论和蚁群机制的断点连接方法。以原图像和传统检测算法得到的边缘为基础,分析出边缘端点,根据端点邻域内各像素的梯度信息,采用模糊判决方法,计算隶属度矩阵;由各像素的灰度梯度、隶属度和信息素确定转移函数,减小蚁群寻优的盲目性,提高边缘点定位的准确性。实验结果表明,该方法不仅能有效改善边缘不连续现象,且补偿边缘能更真实地反映原图像边缘信息。     

基于改进Live-Wire算法的无人机遥感影像标注

标签的制作是深度学习应用的关键步骤,为了克服无人机平台的复杂运动、光照条件不足、地物轮廓复杂等导致遥感影像的地物轮廓提取和标注的难点,文中提出一种改进的Live-wire算法并用于无人机遥感影像的典型地物的标签标注;通过改进模糊隶属度函数克服了Pal-King隶属函数灰度覆盖空间不足的缺陷并结合双阈值方法实现边缘点的提取,以改进的Pal-King的模糊边缘检测方法替代Live-Wire算法的拉普拉斯边缘提取方法;通过增加节点之间梯度幅值的变化特征优化代价函数,以提高Live-Wire算法的轮廓跟踪的连续性;大量的对比实验证明,相较于传统方法,改进的Live-Wire方法的轮廓提取和跟踪的稳健性、效率更高.     

图象轮廓特征提取新方法研究

研究了一种基于主动轮廓的边缘提取方法,与传统方法相比,该方法除了以图象灰度变化的微分信息作为边缘点和非边缘点的分类判据外,还引入了图象轮廓的整体几何信息指导分类过程,因而是一种具有学习功能的边缘提取方法。     

一种图像亚像素边缘检测算法的改进研究

为了提高刀具预调测量仪的检测精度,提出了一种改进的图像快速亚像素边缘检测算法——基于正交多项式拟合的亚像素边缘检测算法。首先,利用传统的Sobel算子完成边缘点整像素级别的检测,确定边缘的主体区域;然后,过边缘点沿边缘法线方向拓展像素,取一系列像素点并计算其灰度值;最后根据像素点灰度分布的数学特征,利用正交多项式和最小二乘法求拟合函数,通过拟合曲线确定图像边缘点的精确位置,实现图像亚像素边缘检测。实验证明,该算法运行时间短,约为0.63 s;检测精度高,可达0.1 pixels。     

基于直线边缘识别的图象区域定位算法

介绍了一种基于直线边缘识别的图象区域定位算法。算法主要分为两个部分,其一为基于样本线对边缘点进行搜索的边缘检测算法,其二为利用层次逼近的霍夫变换对所得到的边缘图象中车牌区域的边界直线段进行提取以对其定位的算法。算法充分利用了原始图象的灰度分布特征,同时在霍夫变换中采取了深度优先的递归搜索策略,取得了较好的实现结果。     

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。     

基于直觉模糊散度的噪声图像边缘检测

针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集（Intuitionistic Fuzzy Set,IFS）的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度（Intuitionistic Fuzzy Divergence,IFD）对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。     

模糊柔性形态学边缘检测

提出了一种改进的基于模糊理论的柔性形态学边缘检测方法。在模糊域里选用效率更高的隶属度函数,借鉴广义模糊集的概念对模糊域计算区域进行拉伸和增强处理,增加边缘两侧灰度对比度,再利用柔性形态学特征及性质选取更有效率性能、更好的边缘检测算子和结构元,得到噪声存在条件下更加理想的图像边缘。与其他检测算法相比,该算法在取得更多边缘细节的同时具有更强的抗噪能力,具有一定的实用性和可行性。     

简单的图像边缘检测和增强方法

针对灰度图像的边缘检测问题,不同于传统的或是流行的模糊图像处理方法,利用Matlab的滑动邻域块和Robert梯度算子相结合的方法提出了一种简单的灰度图像边缘检测思想,实验结果证明该方法能够快速且有效地检测出图像的边缘信息,为计算机进一步识别奠定了基础.同时,为了使图像的轮廓更加清晰,引入高斯型函数对结果再进行增强处理,并通过对高斯函数的两个参数的对比分析,获得了显著的增强图像边缘效果.     

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。     

Generating fuzzy edge images from gradient magnitudes

The representation and processing of edges in images based on notions from fuzzy set theory has become popular in recent years. There are several reasons for this direction, from the vague definition of edges to the inherent uncertainty of digital images. Here, we study the transition from a gradient image, a popular intermediate representation, to a fuzzy edge image. We consider different parametric membership functions to transform the gradients into membership degrees. A histogram-based strategy is then introduced for automatically determining the value of those parameters, adapting the membership functions to the characteristics of each image. The functions are applied on the Canny method for edge detection, resulting in an improvement compared to the classical normalizing approach.     

模糊边缘检测技术在机器人触觉图象处理中的应用

讨论了图象的模糊边缘检测问题。把模糊的概念引入到了触觉图象的表达与处理过程中，设计了适合于触觉图象的隶属度函数、构造了模糊增强的变换表达式。这一方法在阵列触觉传感器的图象处理中取得了较好的效果。     

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。