基于改进SUSAN原则的车辆检测方法

为解决汽车辅助驾驶系统中目标车辆检测的实时性和鲁棒性问题,提出一种基于单目视觉的车辆检测系统,将改进的SU—SAN(Smallest Univalue Segment Assimilating Nucleus,即最小核值相似区)算法应用到车辆边缘检测中;采用自适应双阈值法检测车底阴影。结合车道线参数动态规划车辆初始检测区域;在检测区域中,采用改进的SUSAN算法定位车辆边缘,生成车辆假设;最后根据车辆的纹理、形状和位置特征来验证车辆假设;为改善系统性能,采用Kalman滤波算法对检测到的目标进行跟踪;使用实际采集的道路图像序列对系统进行测试。实验表明,该系统能够及时准确地检测前方目标车辆。     

限制型自适应SUSAN边缘检测算法

对于边缘检测中传统SUSAN(smallest univalue segment assimilating nucleus)算法,固定门限会将非边缘点划入核值相似区(univalue segment assimilating nucleus, USAN),并经过单一阈值判断,非边缘点易被误判为边缘点,导致算法的低鲁棒性.针对此问题,提出了结合自适应门限算法和阈值选择策略的限制型自适应SUSAN算法.首先,分析SUSAN算法优缺点,根据USAN特点以及同异侧噪声容忍度范围设置阈值选择策略,减少误判并提高噪声鲁棒性;然后采用与USAN内像素值正相关的自适应门限算法,进一步增强边缘检测能力.在标准测试图像以及不同类型噪声的经典灰度图中实验结果表明,相比于传统SUSAN算法和Canny, Prewitt, Sobel, LoG, Roberts等边缘检测算法,该算法在客观图像评价指标FSIM值,PFOM值和准确率上均高于其他算法;而在主观视觉上,在无噪条件下能够更好地抑制纹理区域像素干扰,检测边缘更完整丰富.特别是在大量噪声干扰导致其他算法均失效的情况下,该算法在抑制噪声的同时,仍能有效地检测出图像边缘.     

SUSAN边缘检测算法的设计与研究

提出了一种完全不涉及梯度运算、只基于周边像素灰度比较的SUSAN边缘检测算法。主要介绍了SUSAN算法的原理,并用MATLAB编程实现了该算法。在对噪声图像的边缘检测中,与其他传统经典检测算子进行比较,结果表明,该算法较传统的边缘检测算法更具优势,能够有效提高边缘定位精度,降低漏检率,使边缘更细致、光滑。     

基于自适应双阈值的SUSAN算法?

传统SUSAN算法在提取图像边缘时,会出现漏检现象,且所提取的边缘较粗。为此,运用计算最大类间方差的方法自适应地选取双阈值,取代传统算法中人工设定的单阈值,采用多方向局部非极大值抑制方法进行改进,提出一种新的SUSAN边缘检测算法,并将其应用于遥感图像的边缘提取。实验结果表明,该算法能够有效提高边缘定位精度,降低漏检率,使边缘更细致光滑。     

一种改进的快速SUSAN角点检测算法

着重分析SUSAN角点检测速度慢的缺点,提出改进的快速SUSAN角点检测算法。该算法首先比较待测点与其周围半径为R的圆周上像素的灰度,统计连续的具有非相似灰度值的像素个数,根据判定准则得到初始角点,再使用非极值抑制函数选择最优角点。实验结果表明：该改进算法有效地减少角点检测过程的计算量,使得角点检测的效率大大提高。     

一种基于数学形态学与改进的SUSAN算子边缘提取快速算法

提出基于数学形态学和SUSAN算子的灰度图像边缘提取方法,同时对SUSAN算子进行了改进.该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用改进的SUSAN算子提取边缘,并进行了仿真实验.实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快.     

基于Prewitt理论的自适应边缘检测算法*

利用Prewitt基本原理定义了新的算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Prewitt算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。通过实验比较,所提算法能够自适应地生成动态阈值,并在保持Prewitt算法具有抑制噪声性能优点的     

融合SUSAN算法和Robert算法的图像边缘检测滤波处理技术

研究了图像边缘检测算法并进行了滤波处理。由于传统的SUSAN算法对阂值的选择比较难,难以得到更多的图像信息,因此提出了一种基于Robert图像边缘检测技术的改进型算法,其融合了SUSAN特征点匹配技术,同时采用均值滤波算法去除图像检测过程中的噪声,最后采用图像细化方法对图像进行细化处理。经仿真实验表明,提出的改进算法能够有效地对图像进行检测,降低了算法的复杂度。     

基于局部最大方差比的自适应边缘检测算法

本文提出一种新的边缘检测算法。对子图像进行局部直方图计算。由最大方差比例阈值确定方法计算出子图像的最佳阈值。根据局部直方图中波峰数决定是否增强子图像中被最佳阈值划分出的低灰度区域和高灰度区的对比度。然后对已经选择性对比增强的图像进行边缘检测。实验证明图像的区域层次更清楚，提取的边缘细节也更丰富。自适应算法则最大限度地突出了边缘而同时保持了图像中相近灰度级的平滑性和连续性。     

基于SUSAN算法的角点检测

角点是图像目标的重要的局部特征,角点检测是低层次图像处理的一个重要方法。介绍SUSAN算法的原理,介绍该算法在角点检测中的应用,对实验结果进行了比较,并对该算法进行评价,给出评价角点检测算法的标准。     

多尺度形态学图像边缘检测方法

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。     

一种用于图像边缘检测的自适应指数滤波器

本文提出一种用于图像边缘检测的自适应滤波器,利用它既可滤除图像噪声,又可获取精确度高的图像边缘。文中比较详细地分析了这种滤波器,并给出了递归实现算法。理论分析和实验结果表明,自适应指数滤波器的性能优于高斯滤波器。     

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。     

基于蜂群算法的图像边缘检测*

提出了一种基于蜂群算法的图像边缘检测方法。利用蜂群算法的特点,对图像边界进行快速搜索,得到一组局部最优点,然后分别从局部最优点开始进行搜索,找出图像中各物体的边缘点,所有蜜蜂找出的边界点的并集就是图像边缘。仿真实验表明该算法是可行和有效的。     

基于图像处理的几何零件边缘检测

随着计算机技术的不断发展,将数字图像处理技术广泛应用于测量领域是发展的必然趋势。基于图像处理的几何零件测量来说能够精确地提取它的边缘是保证测量的精度的很重要的条件之一,因此对于边缘检测算法的研究具有非常重要意义。通过大量实验对几种最常用边缘检测算法进行实验对比,从而得到一种满足要求较实用的算法。     

基于边缘的实时图像缩放算法研究

传统的基于图像边缘的插值算法由于自身的复杂性而很少用于实时图像处理,而不基于边缘的插值算法由于低通滤波的效应通常会使插值后的图像出现边缘模糊,影响视觉效果。针对上述问题,提出了一种基于边缘的自适应图像插值算法。该算法以相邻像素的二阶差分为基础,自动选择与目标像素点相对应的源像素组进行插值运算。在Matlab环境中实现了各种图像插值算法,然后对插值结果进行了主客观评价,并对各种算法获得的图像进行了边缘检测及复杂度分析。同时,设计了本文算法的硬件实现结构,并用Verilog语言进行描述,综合出目标代码,最后通过FPGA验证。研究表明,运用该算法插值获得了边缘清晰的目标图像,且该算法复杂度低,便于硬件实现。因此,该算法能有效地实现图像插值,适应于实时条件下的图像缩放。     

基于小世界网络的自适应阈值边缘检测算法

针对传统边缘检测算法中因无法实现阈值选择从局部信息到整体特征的自适应而出现的噪声干扰、误分割等问题,提出了基于小世界网络的自适应阈值边缘检测算法.该算法根据小世界现象特征,以像素与邻域像素亮度上的差异性,建立图像阈值分层模型.通过计算各像素的亮度变化,将其划分到不同的阈值层,形成候选边缘像素的状态空间;然后在选定边缘像素阈值层内,各像素按给定的概率在HS空间中聚类,实现边缘的提取.仿真实验表明,该算法能有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性.