基于多尺度自适应加权的改进Canny算子

在Canny算法框架下,对彩色遥感图像进行多尺度滤波分析。定义多个不同尺度的高斯滤波器,在每个尺度下,分别对遥感图像RGB三个通道进行滤波和梯度计算,取三个通道的梯度最大值为该尺度下的遥感图像梯度值。根据各个尺度的滤波器对噪声的抑制能力及边缘定位能力的不同,自适应地确定相应的权值大小,然后再将这些不同尺度下检测到的梯度图像用自适应确定的权值进行加权合成最终的梯度图像。在此基础上,由非极大值抑制和双阈值处理得到图像边缘。实验结果表明,该算法比传统的Canny算子在噪声抑制和边缘定位方面具有更优的性能,适合彩色遥感图像的边缘检测。     

基于Canny算法的改进Kirsch人脸边缘检测方法

针对Kirsch边缘检测算法的不足,提出了一种基于Canny算法改进的Kitsch人脸边缘检测算法.该算法先对原始图像用高斯滤波器平滑,计算其梯度图像.然后将梯度图像用改进后的Kitsch算法进行计算,并根据和两个阈值进行边缘提取.试验结果表明,采用该算法提取人脸边缘不容易受噪声的干扰能检测到真正的弱边缘,效果优于经典Kitsch边缘检测算法.     

多尺度下的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声鲁棒性较差的问题,根据Canny算子滤波器的尺度较小可以检测较小的边缘,但对噪声的抑制能力较差,反之检测较大的边缘对噪声的抑制能力较强的特点,提出了一种多尺度下的噪声图像边缘检测方法。运用Canny算子在不同尺度下检测边缘的优点,对含噪图像进行不同尺度的Canny边缘检测,对不同尺度边缘检测结果进行跟踪实现噪声图像的边缘检测。仿真实验结果表明,与传统的方法相比,改进的算法能较清晰地提取出图像的边缘,降低高斯噪声对图像边缘的影响。     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中,微弱的回波图像淹没在强背景噪声中,为更好地检测这类含噪图像的边缘信息,首先应用特征方向非线性中值滤波技术,滤去高斯噪声;其次,选择(3,1)双正交样条小波作为原始小波滤波器,采用提升方案构造最优双正交小波滤波器,应用构造的双正交小波进行多尺度小波边缘检测;同时,通过定义浮动阈值,并应用于图像边缘检测,较准确地定位了边缘位置。仿真结果表明,该算法应用于图像边缘检测,检测速度较快,检测效果较好。     

应用Otsu改进Canny算子的图像边缘检测方法

针对传统Canny算子进行边缘检测时易丢失边缘细节的缺陷,提出了一种改进的Canny边缘检测算法.首先从数学形态学角度分析传统Canny思想和缺陷;接着提出应用尺度自适应调整的高斯滤波器改进传统高斯平滑滤波;然后使用最大类间分差法（Otsu）替代传统双阈值检测算法求出最佳阈值,有效平衡去噪能力和保留边缘细节信息二者之间的矛盾;为解决Otsu遍历时间长,实时性差的缺点,提出应用Kalman滤波器最小误差估计算法预先估计后续图像序列的阈值范围,以加快遍历过程;最后进行实验分析比较,证明该算法可以更快速有效地检测出图像的边缘.     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

边缘检测滤波尺度自适应选择算法

为回避多尺度边缘检测中融合多幅图像涉及的启发性规则, 同时克服 Jeong 算法的局限性, 本文首先基于 Tan 的广义边缘定义设定一个适应度函数, 然后采用自适应遗传算法针对单个像素及其邻域结构的特征搜索最佳滤波尺度得到局部最佳边缘检测尺度, 最后由最佳尺度高斯滤波器得到最终边缘图像. 实验证明能够得到令人满意的结果.     

基于小波尺度积的图像边缘检测算法

图像边缘检测技术是图像处理中最重要的内容之一,针对噪声大、灰度对比度低的图像,利用小波尺度乘积模极大值对其进行边缘检测.在进行二进小波变换后,先把相邻尺度的小波系数直接相乘,抑制噪声和增强图像边缘信息,再运用模极大值检测图像边缘,利用隶属函数确定阈值.该算法可以免除传统小波模极大值边缘检测后繁杂的边缘链接,简单易实现,实验证明其对抑制噪声和增强弱边缘有良好的效果.     

基于尺度空域相关性的图像边缘检测

根据小波分析多尺度空间的相关性,在模极大值边缘检测的基础上提出一种新的图像边缘检测方法.该方法不需要对图像进行预处理就能较精确的检测出图像的边缘.取相邻尺度的小波系数相乘进行相关计算,在抑制噪声的同时提高边缘的定位精度.方法快捷,算法简便,克服了直接对图像进行模极大值边缘检测造成的误差.实验结果表明,该方法得到了满意的效果.     

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

基于各向异性扩散方程的Canny边缘检测算法

Canny边缘检测算法由于使用高斯滤波对图像进行平滑,往往使得算法的信噪比和定位精度下降,从而产生一些虚假边缘,使角点变圆。针对Canny算法所出现的问题提出了一种改进方法,运用各向异性扩散方程代替高斯滤波,并对扩散后的图像做图像增强。实验结果表明,该算法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。     

基于小波耦合阈值的边缘检测算法

针对Canny型边缘检测算法中高斯滤波对图像造成过度平滑及边缘移位的现象,论文提出了用非线性小波耦合阈值代替高斯滤波的一种新型边缘检测算法。实验表明,新算法能较好地保留图像细节,得到比较理想的边缘检测效果,对于含有白噪声的图像也有很高的检测精度。     

基于小波变换和中值滤波的Canny边缘检测算法

传统的Canny边缘检测算法采用的是高斯平滑,用来去除图像中的计算噪声,这种去噪方法虽然对抑制高斯噪声效果较好,但对脉冲噪声等的去除并不理想。针对这一问题,提出了用小波变换与中值滤波相结合的方法取代了传统的高斯滤波法,并对平滑后的图像作图像增强。实验表明,该方法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。     

针对合成孔径雷达图像的新型LOG 边缘检测算法

传统LOG 边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也 易损坏部分低强度边缘。针对这一问题,提出了一种新型的LOG 边缘检测算法,首先采用双边滤 波和自适应中值滤波来代替传统LOG 算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提 取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪 效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG 算法具有更好地检测效果。     

Canny算子边缘检测的一种改进方法

传统Canny算子在高斯滤波方差和滞后阈值的选择上需要人工干预,不具备自适应能力。高斯滤波方差的大小选择会影响到去噪和边缘保持效果,用不同尺度的形态学滤波代替高斯滤波,不仅能降低噪声影响,而且可保持边缘强度和细节;滞后阈值的选择会影响到假边缘现象的强弱和真实边缘的连续性,引入Otsu阈值法并将其推广至直方图具有多峰特点的情况,算法可根据图像自身特点选取阈值,使检测出的边缘更加连续并减少假边缘的存在。     

基于Canny算法的改进型图像边缘检测算法

Canny算子是基于最优化算法的边缘检测算子,它具有很好的信噪比和检测精度,但是它使用的高斯滤波方法会造成图像的平滑和边缘的模糊,并且对脉冲噪声很敏感。探讨对Canny边缘提取算子的改进方法,提出了将改进的开关中值滤波算法应用于Canny算法的思想,使之提取出的边缘更加完整,并且有很好的噪声抑制效果。     

一种基于Canny的自适应图像边缘提取方法

针对传统Canny算子需要人为指定高斯滤波参数和高低阈值的问题,提出一种自适应方法,采用基于非下采样Contourlet变换的自适应阈值去噪算法代替高斯滤波对图像去噪,同时保持图像的边缘信息,然后采用最大类间方差的方法进行高低阈值的自适应设定,并用此高低阈值对经过非极大值抑制后的图像进行检测及连接边缘。理论和实验结果表明,与传统Canny算子相比,该算法在滤除图像噪声、保留细节边缘方面获得了不错的效果,并且提高了边缘的自动化检测能力。     

基于改进Canny算法的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声图像的去噪效果不佳,以及双阈值需要预先设定的问题,提出了一种基于改进Canny算法的噪声图像的边缘检测。首先构建自适应高斯滤波器对曲度算子进行改进,得到优化的二值边缘图;然后基于最大类间方差法构建了灰度梯度映射函数,确定最佳的双阈值;最后对二值边缘图进行双阈值检测以及边缘连接。实验结果表明,改进算法与现有Canny算法相比,在不同类型噪声和不同浓度噪声的环境下,改进算法提高了对噪声图像边缘检测的性能,其中PSNR值平均提高了1.9%,MSE值平均降低了1.6%,且具有自适应性强、运行效率高的优点。     

Optimal edge detector design I: parameter selection and noise effects

This paper comments on the optimality of the Laplacian of a Gaussian edge detection filter which localizes edges through zero crossings in the filtered image. The arguments of both Marr and Hildreth, and Dickey and Shanmugam are reviewed to establish that the filter is optimal in the sense of maximizing output image energy near edge features. This filter's principal advantage over other edge detectors is that its response is user-adjustable through selection of a single parameter, the Gaussian standard deviation. However, no clear method for the selection of this parameter has been provided. The problem is addressed here by applying the filter to two ideal periodic edge models blurred by a Gaussian distribution point-spread function. The observed response to the edge spacing and blur standard deviation is then translated into a filter parameter design procedure. The problems of optimum filter performance in the presence of additive Gaussian noise are then addressed. The problem of selecting the sampled filter's coefficient word size is dealt with in a companion paper.