常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于形态学多尺度算法的肺部CT图像边缘检测

医学图像边缘检测是医学图像处理和分析的基础,传统边缘检测算子对噪声敏感,检测到的图像边缘效果较差.本文提出了一种基于形态学多尺度算法的肺部CT图像边缘检测方法.首先对形态学边缘检测算子进行改进,然后利用形态学多尺度算法检测各尺度下的图像边缘,最后采用非均匀权值方法合成最终边缘.实验结果表明:该方法在检测出肺部图像边缘的同时能够很好地抑制噪声,是一种有效的肺部CT图像边缘检测方法.     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

AFM显微图像多尺度形态边缘检测算法

提出一种适应于显微图像的多尺度形态边缘检测算法.用不同尺度大小的结构元素分别检测出显微图像不同尺寸边缘信息,进行图像规格化处理以消除不同尺度边缘图像的灰度值分布差异,运用取极小值方法对所获处理后图像边缘进行自适应融合.实验结果表明运用该算法获得理想图像边缘的同时,增强了模糊边缘,有效地消除了噪声,对显微图像处理十分有效,检测到的边缘非常清晰.     

基于多尺度空间边缘检测的研究

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。该文综述了多尺度边缘检测技术:介绍了多尺度检测的基本概念;归纳了现有的各种多尺度形态学边缘检测方法。     

基于多尺度空间边缘检测的研究

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。该文综述了多尺度边缘检测技术;介绍了多尺度检测的基本概念;归纳了现有的各种多尺度形态学边缘检测方法。     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时.有很强的去除噪声能力.     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法,检测精度较经典的单一梯度算子检测方法亦有一定的改善.     

一种基于数学形态学的边缘检测方法

基于微分算子的边缘检测方法存在抗噪性能弱等缺点,非线性的数学形态学边缘检测可以克服这些缺点,而使用单一结构元素对图像进行形态学处理会模糊很多细节。鉴于这些不足,运用多结构多尺度的思想,将形态学的滤波和边缘检测结合起来,提出一种边缘检测方法,首先采用多结构多尺度的方法对噪声图像进行串联开闭滤波,再利用改进的多结构元素的形态学梯度算子进行边缘提取。实验结果表明,该方法具有较好的抗噪效果且提取的边缘比较平滑。     

带细节增强与降噪的真彩图像多尺度边缘检测

为了解决真彩图像降噪和边缘细节保留的问题,提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像,进而根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明,该算法能充分利用真彩图像的颜色和梯度信息,有效地抑制噪声,增强图像的细节信息。     

CPU/GPU 异构环境下图像协同并行处理模型

随着GPU通用计算能力的不断发展,一些新的更高效的处理技术应用到图像处理领域.目前已有一些图像处理算法移植到GPU中且取得了不错的加速效果,但这些算法没有充分利用CPU/GPU组成的异构系统中各处理单元的计算能力.文章在研究GPU编程模型和并行算法设计的基础上,提出了CPU/GPU异构环境下图像协同并行处理模型.该模型充分考虑异构系统中各处理单元的计算能力,通过图像中值滤波算法,验证了CPU/GPU环境下协同并行处理模型在高分辨率灰度图像处理中的有效性.实验结果表明,该模型在CPU/GPU异构环境下通用性较好,容易扩展到其他图像处理算法.     

微机图象处理系统及其FFT算法

该文主要介绍由ＰＣＶＩＳＩＯＮｐｌｕｓ帧捕获器组成的微机图象处理系统的结构和编程原理。计算机在处理数据时,与硬盘交换数据非常费时,为了解决这个问题,该文研究了一个基于ＤＦＴ性质的算法,采用这个算法,不需要与硬盘交换数据就可在的微机的常规内存中实现ＦＦＴ和对图象进行频域处理。从而大大加速了图象处理的速度。采用这种算法在该系统上对Ｘ光片进行了处理,结果表明,该算法是有效和快速的。     

基于LBT的无线传感器网络多节点协同图像压缩算法

针对WMSNs能量、存储、处理能力严重受限的特点,一些学者提出了"在网计算"的思想,对实现WMSNs中大尺寸、高分辨率图像的压缩和传输极具指导意义.基于簇结构,本文提出一种基于LBT的多节点协同图像压缩算法(MCIC,Multi-node Cooperative Image Compression),即采用低复杂度、高压缩效能的LBT图像压缩算法,通过多个中继节点协作,共同完成图像的压缩编码和转发任务.实验及仿真结果表明,该多节点协同图像压缩算法在高压缩比情况下的重建图像质量远远优于JPEG2000;采用该方案能极大地缓解相机节点的能耗压力,进而延长网络生命周期.     

一种改进的图像模板细化算法

针对现有图像模板细化算法中存在的诸如迭代次数较多、细化速度较慢、图像某些部位细化不完全等问题，提出了一组改进的细化模板。针对指纹图像应用新算法进行的细化实验结果表明，采用改进的细化模板，新算法在保证对图像完全细化的同时，能显著减少细化所需的迭代次数，从而加快了细化处理速度。     

自动金丝球引线键合机图像识别系统

自动金丝球焊机是半导体制造后端工序的关键设备之一,图像识别系统是其核心技术.通过直方图均衡、种值滤波实现图像的增强、去噪,采用MPSA算法减少计算量,同时结合计算机并行处理技术,利用MMX指令对图像处理部分进行代码优化.该图像识别系统已成功应用于手动金丝球焊机中,将其改造为自动金丝球焊机.     

医学内窥镜图象的遗传恢复算法

遗传算法是一种软计算方法,它作为一种新的全局优化搜索算法用于图象处理,是一种具有发展潜力的智能信息处理方法,对于利用遗传算法处理灰度图象来说,由于其数据量和计算量很大,并且传统遗传算法存在“过早收敛”的问题,使得图象恢复质量不理想。该文针对医学内窥镜摄取的图象纹理和病灶特征,设计了一种新的二维染色体编码方法,并将模拟退火和遗传算法相结合的算法引入灰度图象恢复处理过程中的遗传操作,实验结果表明,该方     

预估计混叠度的MAP超分辨率处理算法

提出一种预估计混叠度的PEMAP(pre-estimated MAP(maximum a posteriori)算法,用于卫星图像的地面超分辨率处理.它通过频域分析确定卫星图像的混叠度,将其作为先验信息在空域控制MAP估计的循环迭代,联合估计帧间位移和高分辨率图像.该算法克服了最大后验概率MAP算法的盲目性和不稳定性,使其适应性更好.实际的卫星图像处理显示了较好的处理效果.     

基于自定义灰度空间分布密度矩阵的Otsu改进算法

Otsu自适应阈值法作为图像阈值分割的经典算法,在图像处理与模式识别领域有着广泛应用.将图像中灰度级的空间分布特性应用到图像分割中,自定义适当的灰度空间分布密度矩阵结合先验知识,提出Otsu改进算法.实验证明在图像中目标与背景的灰度差异不是特别大的情况下,该算法的分割效果优于经典的Otsu算法以及其它分割算法.     

Combining fuzzy theory and a genetic algorithm for satellite image edge detection

Edge detection of an image by remote sensing is an important tool for the detection of oil spilled on sea. There are many algorithms for edge detection by image processing. Each algorithm has its own advantages and disadvantages for different images. In this paper, the author makes some improvements to the Pal–King fuzzy edge detection algorithm and proposes an algorithm combining improved fuzzy theory and a genetic algorithm for the detection of oil spilled on the sea by remote sensing. The Pal–King fuzzy detection algorithm has a good capability for the detection of fuzzy and thin edges. However the complex and large calculation and the fixed threshold value do not suit some kinds of image processing. The algorithm presented in this paper is composed of two parts: an improved fuzzy enhancement algorithm, which simplifies the complex G and G ^?1 calculation in the Pal–King algorithm; a genetic algorithm with which we are able to obtain the threshold value precisely and quickly for image processing. Finally the paper gives the results of image processing using the algorithm mentioned above and the Pal–King algorithm. Through comparison, we can conclude that the processing results obtained using the algorithm suggested in this paper are more legible than by the Pal–King algorithm.     

Real-time segmentation of video on a multiprocessor platform

This paper presents a multiprocessor implementation of a segmentation algorithm for video streams. The segmentation procedure is part of an augmented-reality telepresence prototype. It has been implemented on a multiprocessor computer, equipped with specialized hardware for real-time graphics and video processing. The goal of this paper is to assess our experience in implementing an image processing procedure intended to meet the prototype's real-time requirements rather than present a new image processing technique.