基于多粒度粗糙模糊集的图像边缘检测

提出一种基于粗糙模糊集的多粒度边缘检测方法。该方法结合粗糙集处理不确定信息的能力和C-Set多粒度处理的思想,通过定义粗糙运算和运算给出边缘表示模型,引入粒度参数对边界定位精度和噪声抑制进行调节,引入结构相似度参数融合粗糙上近似和下近似,以获得更加精确的边界。该检测方法在定位精度上具有粒度不变性,并具有一定噪声抑制作用,实验结果显示其具有较好的边缘检测效果。     

利用小波变换局部模极大值进行实时目标定位的应用

提出了一种基于小波变换局部模极大值的边缘检测方法．利用B样条小波构造出一个边缘检测算子，采用多孔算法进行边缘提取，减少了图像识别与测量中必要信息的丢失，并且提出了自适应阈值的方法，较好的解决了图像边缘的提取精度与对噪声抑制能力之间的矛盾．实验中对比了几种传统边缘检测算子和小波模极大值方法的在边缘检测效果、抗噪性和运算时间等方面的性能，本算法对加噪图像和模糊图像都获得比传统算法更好的检测效果，证明了基于三次B样条小波的局部模极大值方法检测目标边缘的有效性和正确性．     

基于灰度形态学的红细胞图像边缘检测

边缘包含了图像很多重要的信息,边缘检测的好坏也直接决定了后续处理的效果。在利用数学形态学进行边缘检测后,会出现不需要的边缘,形成噪声。针对这种情况,提出一种计算中心像素与邻域像素均方差的方法对形态学边缘检测算子进行改进,该方法可以有效减少噪声,为以后对红细胞图像进行特征提取和分类打下良好的基础。     

基于迭代阈值和形态学的图像边缘检测

提出了一种迭代阈值和数学形态学相结合的微生物图像边缘检测。这种边缘检测方法,不但有效地抑制了噪声,而且检测出的边缘连续、清晰。实验结果表明,本文所用的边缘检测方法要优于传统的边缘检测方法。     

Zernike矩结合Sigmoid曲线拟合边缘检测方法

为了改进Zernike矩边缘检测方法对非直线边缘检测精度低的弱点,提出了一种改进的基于Zernike矩方法和Sigmoid拟合法的边缘检测方法。用Zernike矩边缘检测方法检测边缘,然后用Sigmoid拟合方法检测边缘,根据边缘类型对两种方法检测的边缘结果进行加权求和,所得结果为边缘位置。分别利用理想图像和实际工业CT图像进行了实验验证,实验结果表明对非直线边缘的检测,该方法检测精度相对于Zernike矩方法提高了一个数量级。     

视频对象自动分割算法

提出了一种基于小波变换和运动边缘检测的自动视频对象分割方法。该方法对相邻帧分别进行二维小波变换，在小波域进行变化检测和Canny边缘提取，返回空间域后得到鲁棒的相邻帧差分边缘模板。结合当前帧边缘、背景边缘和前一帧的运动边缘，检测出当前帧对象的运动边缘，从而实现对视频对象的提取。通过实验验证，该算法对目标的整体运动和局部形变都有较强的适应性。此外，算法还具有快速、简便、准确性高的特点。     

演化硬件在图像边缘检测中的应用

设计基于演化硬件（Evolvable Hardware，EHW）的快速边缘检测进化系统，提出一种适于此系统的图像边缘提取操作结构，给出进化算法的编码方案，设计用于染色体评估的适应度函数，利用标准遗传算法来实现可变结构参数的图像边缘提取进化方法，并采用Roberts，Sobel，LOG，Robinson等传统边缘检测算法与进化方法进行对比试验。结果表明：进化方法边缘检测误差率最低，只有9．87％，其边缘提取的效果优于传统检测方法，     

基于模糊梯度法的边缘检测方法

根据图象边缘灰度的梯度变化,构造图象灰度模糊矩阵和描述边缘点的隶属函数,利用遗传算法实现隶属函数各参数的寻优过程,并由输出隶属度判断提取图象边缘点,实现了图象的边缘检测。实验表明,该方法能有效地描述边缘的穿越过程,并可改善检测结果。     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于小波变换与改进的——Roberts算子融合的图像边缘检测

本文提出了一种改进的Roberts算子,并在此算子边缘检测框架基础上,采用了一种小波多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过改进的Roberts算子对子图像进行空间微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合运算得到最终的边缘图像.实验结果表明,该算法实现简单,能有效地抑制噪声,补偿...     

一种基于静态小波变换的图像融合算法

给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

一种血管内超声图像边缘提取的新方法

血管内超声图像的血管壁内外膜边缘检测是IVUS图像处理中必不可少的步骤与重要环节, 基于主动轮廓模型的血管壁边缘提取的效果好坏很大程度上依赖于初始轮廓能否较为精确的选取. 提出了一种提取血管壁边缘的新方法, 以自适应阈值分割的方式降低目标图像的复杂度, 结合marr边缘检测算子找到血管壁内外膜边缘的初始轮廓, 在此基础之上, 采用改进的GVF-snake算法使初始轮廓线精确收敛于真实的血管壁边缘, 实验结果验证了此方法的有效性.     

一种精确的自适应图像边缘提取方法

针对传统Canny算子需要人为指定参数和阈值等问题,提出一种自适应图像边缘提取方法。该方法使用改进的自适应中值滤波对图像去噪;用8点邻域梯度计算方法自适应计算滤波后图像梯度的幅值;根据图像的梯度信息特征,用梯度的熵和标准差自适应地调整高低阈值。实验结果表明,与传统Canny算子相比,该算法在滤除图像噪声、保留细节边缘和保持边缘连通性方面都获得了不错的效果,提高了边缘检测的自动化程度,更具有实用性。     

自适应多尺度边缘检测

提出了自适应多尺度边缘检测算法及其快速实现办法.算法通过自适应确定边缘像元的最佳滤波尺度来检测边缘,计算量较小.同时提出了一种自适应确定一幅图像边缘的尺度范围的方法,并为描述边缘特性增加了一个边缘尺度参数.用于检测实际图像边缘的实验结果是令人满意的.     

基于多分辨率分析的肺部边缘检测

针对医学数字X光(DX)胸片,提出了一种基于多分辨率分析的肺部边缘检测方法.该方法结合了数学形态学和小波变换技术,构造图像的塔式分解,从低分辨率边缘图像开始,逐步向高分辨率前传、搜索、精提,自动定位肺部边缘.实验结果表明,算法计算速度快,检测出的边缘准确、连续光滑.     

Nonparametric edge detection in speckled imagery

We address the issue of edge detection in Synthetic Aperture Radar imagery. In particular, we propose nonparametric methods for edge detection, and numerically compare them to an alternative method that has been recently proposed in the literature. Our results show that some of the proposed methods display superior results and are computationally simpler than the existing method. An application to real (not simulated) data is presented and discussed.     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

一种改进的二进小波变换图像去噪方法

本文在分析图像噪声消除与细节保持相矛盾的基础上,提出了一种改进的二进小波变换图像去噪方法。首先用自适应滤波多尺度边缘检测方法检测出图像的边缘;然后用二进小波变换去噪方法进行全局闯值去噪;最后将边缘图像嵌入到二进小波去噪后图像。实验结果表明,该方法不仅能够滤除图像的噪声,而且能够保持图像的边缘信息。     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

基于BP网络的人脸图像边缘检测算法

采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.