一种改进的模糊边缘检测算法

在全面分析Pal.King模糊边缘检测算法的基础上,针对已有算法存在的缺陷,提出了一种改进的模糊边缘检测算法。该算法给出了利用遗传算法确定最佳隶属度阈值的方法,采用简单的隶属函数,简化了Pal.King复杂的变换和逆变换,根据需要对μc进行优化处理,较快获取理想效果,将“Max”和“Min”算子结合起来提取图像边缘。仿真结果表明,采用改进的方法边缘检测质量得到了很大改善,运算速度得到了显著提高。     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于标准差梯度的模糊边缘检测算法

红外图像的边缘检测是图像处理领域的难题之一。结合红外图像的特点,将最小误差原理推广到模糊域进而应用到红外图像的边缘检测上,提出了一种基于标准差梯度的红外图像模糊边缘检测算法。首先提出了一种基于标准差的梯度算子,将图像中潜在的边缘区域很好地区分出来;而后引入模糊最小误差阈值算法．根据此算法自适应提取了标准差梯度图像中的最优阈值,从而实现了红外图像的目标边缘检测。与传统的基于梯度的红外图像边缘检测算法进行对比实验,结果表明,该算法用于红外图像边缘检测能获得更好的效果。     

基于最大模糊熵的红外图像边缘检测算法

针对红外图像边缘检测这一难题,结合红外图像及其梯度图像的特点,在红外梯度图像模糊划分的基础上,提出了一种基于最大模糊熵的红外图像边缘检测方法.首先通过改进传统Sobel算子构造出红外图像的梯度图并研究其直方图特点,然后对其进行自然模糊划分,最后根据最大模糊熵准则确定最优模糊参数,进而确定梯度图像的最佳分割阈值,从而实现边缘提取.与传统的基于梯度的边缘检测算法进行对比实验,结果表明,该方法用于红外图像边缘检测能获得更好的效果.     

一种基于模糊理论的图像边缘提取

讨论了模糊理论在边缘提取中的应用，并给出了一种改进的基于模糊理论的图像边缘检测算法。实验结果表明，与该算法不需要加额外的滤波器或图像降噪预处理。在抗噪性能方面(80％以内的Gaussian噪声和10％以内的椒盐噪声Salt＆Pepper)明显优于其它方法。     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

昆虫高速运动图像翅膀边缘亚像素提取

昆虫翅膀边缘是昆虫翅膀运动变形三维重构的主要依据.通过分析翅膀边缘图像的特点,提出了一种用于提取昆虫高速运动图像亚像素级翅膀边缘的图像处理方法.该方法首先采用高斯滤波预处理图像,然后利用模糊小波增强算法增强图像的弱边缘信号,再通过求灰度图像的梯度,在其梯度变化方向求极值点的方法提取翅膀边缘特征.文中还给出小波原理检测边缘的翅膀边缘检测结果.最后,给出几种算法实验结果的比较和分析,表明该方法成功实现了弱昆虫翅膀的边缘特征提取,并有效抑制了噪声和干扰.     

一种红外序列图像目标边缘检测方法

红外序列图像边缘检测是图像处理中的重点和难点之一.提出了一种基于柔性形态学的红外序列图像边缘检测算法,首先对目标红外图像进行柔性边缘提取,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的目标边缘检测图像.计算机仿真实验表明,该方法的性能优于传统的检测算子,并且具有抑制噪声的功能.     

印制电路板光电图像边缘信息提取

针对印制电路板(printed circuit board, PCB)光电图像模糊且含噪声的具体情况,提出了改进的边缘信息提取算法。首先分别对自适应模糊集增强算法与数学形态学边缘检测算法(edge detection algorithm of mathematical morphology, EDAMM)实施改进,并分析了其基本原理。然后结合这两种算法对PCB光电图像进行预处理及边缘信息提取。最后对两幅由不同成像系统获取的PCB光电图像进行了边缘信息提取实验。结果表明：用本文算法获得的PCB光电图像明暗对比度较高,并提取了精确且清晰的图像边缘信息,明显减少了噪声,所得图像的优质系数较高,两幅图像的优质系数分别是0.885 2、0.874 9,均高于本文中所提到的另外4种算法的结果。可见,采用本文算法可以更好地去除PCB光电图像中的模糊与噪声,并精确地提取出PCB光电图像的边缘信息。     

基于Canny算子的边缘提取改善方法

通过对Canny算法进行改进,提出一种对原图像开窗统计后再进行局部灰度变换的方法.该算法改善了Canny算法对灰度分布不均匀的图像进行边缘检测的效果,并与传统Canny算法进行了比较,试验结果证明了该算法能有效改善灰度分布不均匀图像的边缘检测效果.     

Edge detection in ultrasound imagery using the instantaneous coefficient of variation

The instantaneous coefficient of variation (ICOV) edge detector, based on normalized gradient and Laplacian operators, has been proposed for edge detection in ultrasound images. In this paper, the edge detection and localization performance of the ICOV-squared (ICOVS) detector are examined. First, a simplified version of the ICOVS detector, the normalized gradient magnitude squared, is scrutinized in order to reveal the statistical performance of edge detection and localization in speckled ultrasound imagery. Both the probability of detection and the probability of false alarm are evaluated for the detector. Edge localization is characterized by the position of the peak and the 3-dB width of the detector response. Then, the speckle-edge response of the ICOVS as applied to a realistic edge model is studied. Through theoretical analysis, we reveal the compensatory effects of the normalized Laplacian operator in the ICOV edge detector for edge-localization error. An ICOV-based edge-detection algorithm is implemented in which the ICOV detector is embedded in a diffusion coefficient in an anisotropic diffusion process. Experiments with real ultrasound images have shown that the proposed algorithm is effective in extracting edges in the presence of speckle. Quantitatively, the ICOVS provides a lower localization error, and qualitatively, a dramatic improvement in edge-detection performance over an existing edge-detection method for speckled imagery.     

Edge-detection based on the local variance in angiographic images

This paper presents a new method for detection of edges in digital angiographic images. It is found that variances of local regions across edges of images are statistically different from that of those where no edge is crossed. This difference can be utilized for the detection of edges of angiographic images. An algorithm based on local variance is proposed. As a result, the edge-detection algorithm is not sensitive to noise and low-level textures of images. A computer program based on the new algorithm has been developed and used by several hospitals.     

基于二次曲面拟合的子像素边缘检测算法

针对传统边缘检测算法边缘信息保留不完整与边缘点定位不精确的问题,提出了一种基于二次曲面拟合的子像素边缘检测算法。利用拟合法求得子像素图,其抗干扰性强,检测位置较准确,并在此基础上利用改进的Canny算子精确地判断图像边缘位置。实验结果表明,该算法不仅提高了图像的边缘信息保留能力,且图像边缘光滑,边缘点定位精确,细节信息完全。     

基于四叉树和曲线拟合的FCM图像分割方法

针对模糊C均值聚类算法对大数据量的情况进行分割时存在耗时过长的问题,提出基于改进四叉树的FCM分割方法。该算法首先求取图像的四叉树,将四叉树节点集合作为模糊聚类算法的样本集,减小样本空间,然后利用FCM算法实现图像的边缘分割;针对分割处理后的图像带来的锯齿状边缘,再利用曲线拟合算法对图像边缘进行平滑处理。在标准摄影师图像和肝脏核磁图像的数据集上实验,实验结果可以看出算法提高了FCM的运算速度,对医学图像具有更高的分割精度,便于为后续诊断和数据分析提供基础。     

一种微分极值的边缘检测算法

本文通过对边缘点的定义,提出了一种微分极值的边缘检测算法.与经典微分算法相比,该算法直接在边缘检测窗口内提取边界像素点,因此边缘定位准确,连续性好,在背景图像照度不均匀的情况下,仍能够得到令人满意的检测效果.     

全方向M型心动图运动曲线检测算法的应用研究

为了提高全方向M型心动图运动曲线检测效果,该文对心动图的相关问题进行研究后,提出一种基于模糊增强和灰色理论的全方向M型心动图运动曲线检测算法。首先利用改进的模糊增强算法(PAL算法)来抑制噪声和背景,同时突出边缘信息;再利用灰色理论中的灰色绝对关联度构造统计量来进行边缘检测,精确定位出运动曲线;最后通过对孤立的噪声点和断裂的边缘进行后续的处理,得到最终的运动曲线。实验结果表明：该算法检测效果良好,噪声鲁棒性较强。     

Edge detection applied to satellite imagery of the oceans

A computer edge-detection algorithm for automatic delineation of mesoscale structure in digital satellite IR (infrared) images of the ocean is developed. The popular derivative-based edge operators are shown to be too sensitive to edge fine-structure and to weak gradients to be useful in this application. The edge-detection algorithm is based on the gray level cooccurrence matrix (GLC), which is commonly used in image texture analysis. The cluster shade texture measure derived from the GLC matrix is found to be an excellent edge detector that exhibits the characteristic of fine-structure rejection while retaining edge sharpness. This characteristic is highly desirable for analyzing oceanographic satellite images