一种基于点密度和分类约束规则的图像边缘提取方法

在目标的识别与跟踪处理中,目标图像的边缘提取是一项关键技术。本文提出一种对含噪目标图像边缘进行更准确提取的方法。该方法利用图像上各像素点的点密度信息及分类约束规则对大津阈值法加以改进,将灰度图像二值化,在此基础上提取图像边缘。理论和仿真结果证明：该方法具有边缘定位更准确、运算量小、抗噪能力强等特点,可用于对未知噪声模型的含噪目标图像的识别与跟踪处理中。     

基于红外图像的尾焰边缘检测

针对红外目标的成像背景具有非平稳性、相关性和复杂性等特点,提出了一种改进的二值化图像分割算法,结合Canny算子边缘检测对红外目标进行了有效分割,得到感兴趣目标区的最佳边缘检测效果。实验结果表明,用该算法对16位红外图像进行目标特征提取,算法简单,运算量小,能够有效提取目标边缘轮廓,达到了预期的效果。     

改进的SUSAN图像边缘检测算法

SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点，但仍有不足之处．提出了一种自适应选取阈值的方法，并对SUSAN边缘检测算法进行了改进．在此基础上，提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果．     

OTSU ＇ s Improved Threshold and its Application on Pitch Angle Test

为了提取弹体飞行状态图像的边缘进而解算俯仰角,采用图像二值化、轮廓结构形态滤波对图像进行预处理.在利用OSTU进行图像二值化时,提出了根据高斯分布的＂3δ＂特性进行阈值提取的改进.在获得飞行弹体边缘轮廓的基础上,基于骨架提取中轴线法,采用坐标变换重构弹体在三维空间的真实轴线方程来解算俯仰角.边缘检测及俯仰角测试实例表明,该检测方法能够从含有噪声的图像中获得较好的图像边缘,可实现飞行弹体俯仰角的高精度解算.     

OTSU阈值改进及其在俯仰角测试中的应用

为了提取弹体飞行状态图像的边缘进而解算俯仰角,采用图像二值化、轮廓结构形态滤波对图像进行预处理.在利用OSTU进行图像二值化时,提出了根据高斯分布的"3δ"特性进行阈值提取的改进.在获得飞行弹体边缘轮廓的基础上,基于骨架提取中轴线法,采用坐标变换重构弹体在三维空间的真实轴线方程来解算俯仰角.边缘检测及俯仰角测试实例表明,该检测方法能够从含有噪声的图像中获得较好的图像边缘,可实现飞行弹体俯仰角的高精度解算.     

噪声目标的边缘检测算法研究

在传统的小波多尺度边缘检测的基础上,利用相邻尺度上小波系数相乘的性质,提出一种噪声目标的边缘检测算法,同时对一般的小波阚值方法加以改进,得到一种自适应阈值方法,从而达到增强边缘．抑制噪声的效果,并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明,该算法检测出的图像边缘轮廓清晰,细节突出,去噪效果好,因而在军事上具有一定的实用性。     

基于三维块匹配与改进Top-hat的红外图像目标检测方法

针对复杂背景干扰下难以精确检测出红外图像目标的问题,提出基于三维块匹配(BM3D)与改进顶帽(Top-hat)的红外图像目标检测方法。该方法首先采用三维块匹配算法对红外图像进行滤波,更好地保留图像的边缘信息;其次构建改进Top-hat算子,利用不同大小、不同形状的结构元素对滤波后图像进行背景估计,得到校正后图像;最后对校正后图像进行阈值分割,得到目标图像。仿真实验结果表明,与经典Top-hat算法比较,提出的方法能够有效地增强红外图像对比度、抑制噪声干扰、减弱非均匀加热背景的影响,从而突出红外图像目标信息,使得红外图像目标检测更加准确。     

B样条小波边缘检测改进算法

提出了一种改进的B样条小波边缘检测算法,并在抑制噪声干扰和锐化图像弱边缘的基础上,采用自适应平滑滤波和B样条小波多尺度阈值方法进行了边缘检测．实验结果表明,改进的B样条小波边缘检测算法在除噪和提取弱边缘上可获得更好的效果．     

精密零件边缘检测

针对边缘检测中检测精度与抗噪性能之间的矛盾,在分析边缘检测方法的基础上,提出了采用优化Gabor滤波算法降低图像噪声和采用多尺度小波检测理论提取图像边缘相结合的方法,实现了零件的在线高效精确检测。试验结果表明,该方法不仅可有效抑制噪声,而且能得到高精度的零件边缘形状。     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

红外图像边缘提取的随机阈值方法

提出一种提取红外图像轮廓及内外部信息的随机方法。采用对图像矩阵中的列进行搜索,形成准阈值集合,然后从准阈值集合中随机抽取一个值作为阈值并用评判条件进行评价的方法。该方法可以获取红外图像轮廓及内外部纹理。分析了算法的时间复杂度。实验结果表明,随机算法的效果较好,能满足红外自动目标识别的实际需要。     

一种高效的图像边缘检测新方法

边缘检测是图像特征提取与分析的基础,其检测质量直接决定后期分析的效果.寻找一种高效、定位精确、不漏检真边缘又不引人假边缘的检测方法,一直是人们的努力目标.文中提出一种基于标准差算子的高效的图像边缘检测新方法.该方法通过计算像素点邻域的标准差值来确定图像边缘的变化程度,从而检测出边缘像素点.实验结果证明,该算法能够较为准确地检测出有用的边缘信息,是一种简单、高效的边缘检测新算法.     

基于折反射全景侦察图像的差分分块消除运动目标检测算法

针对折反射全景侦察图像信息量非常大不方便人眼观察其中有用信息的特点,通过研究目前运动目标检测方法,提出一种差分分块消除运动目标检测算法。该算法的关键点包括:一是最佳分割阈值的确定方法;二是分块宽度的确定方法;三是确定哪些块可消除、哪些块可保留的判定方法。实验结果表明该算法能很好的检测出真正的运动目标,且能很好的抑制虚假目标。该算法效果明显,但仿真时间增加不多。     

基于SURF的图像配准改进算法

针对SIFT图像配准算法存在配准精度低的问题,提出了基于SURF的图像配准改进算法。该算法在特征点提取之前,对图像进行双边滤波,减少错误来源,特征匹配初始阶段使用自适应阈值约束代替传统固定阈值,减少最近邻域与次近邻域之比对匹配结果的影响,加入肯德尔系数约束对匹配对提纯,提高配准精度,最后通过RANSAC算法和LSM迭代求解,进行结果处理。实验结果表明,改进的SURF算法在减少配准时间的基础上提高了正确匹配率。     

基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

基于耦合去噪算法的航空发动机中Si3N4圆柱滚子表面缺陷的检测方法

为解决基于机器视觉的传统单一图像去噪算法对混合噪声信号处理效果不佳,导致不能有效地检测识别航空发动机中应用的Si3 N4圆柱滚子表面缺陷问题,提出一种基于改进的耦合去噪算法与多尺度阈值分割算法相结合的视觉检测方法.通过优化的小波阈值去噪算法与改进的中值滤波算法相耦合方法对Si3 N4圆柱滚子的表面缺陷图像进行去噪处理,...     

基于红外图像差值图的模糊边缘检测方法

针对红外图像边缘检测这一难题,提出了一种基于红外图像差值图的模糊边缘检测方法。首先通过计算图中每个像素点与其邻域8像素点灰度值的差值,然后寻找这些差值的最大值得到图像的差值图,接着对差值图像的边缘区域和平滑区域进行模糊划分,利用差值直方图模型确定红外图像差值图的分割阈值,从而实现边缘提取。实验结果表明,该方法用于红外图像边缘检测能获得较好的效果。     

基于小波变换方法的海上舰船目标边缘提取

一种基于小波变换的边缘提取方法,应用其对舰船图像进行边缘提取,以二次光滑小波作为小波函数,对海上舰船图像进行了二维小波变换,计算小泼变换结果的局部模极大值点,从而得到舰船目标图像的形状边缘特征。经过和运用Sobel算子、Roberts算子、Prewitt算子、基于图谱理论的阈值分割等方法所获得的舰船目标结果进行比较,图像处理的结果表明运用小波变换方法所提取的目标边缘对海上舰船目标的识别有良好的效果。     

SAR图像与可见光图像融合的建筑物提取算法

提出了一种基于SAR图像和可见光图像融合的建筑物提取算法,由SAR图像提供建筑物的可能方位信息,由可见光图像提供建筑物提取所需的视觉特征。该算法充分利用建筑物在2幅已配准的SAR图像和可见光图像中所表现的共性和互补特征,采用边缘匹配和感知组合的方法提取建筑物的轮廓,在可见光图像中采用屋顶灰度均匀性特征进行建筑物验证。实验结果表明,本文算法具有较好的检测效果。     

基于形态学和直方图分析的多源图像目标分割算法

提出了一种兼具形态学和直方图分析方法优势的多传感器图像目标分割算法。首先根据图像内在属性用指定直方图方法进行图像增强,利用图像区域直方图统计描述子特征进行目标区域检测;然后分别对红外图像应用形态学重构,对激光雷达图像应用局部阈值法进行目标轮廓估计,再将各传感器图像获得的兴趣区域进行交叉验证,排除背景干扰;应用动态边缘演化技术最终确定目标边缘。对复杂场景的多传感器图像测试表明,该算法较好地保留了目标的形状特征,是一种有效的多目标分割算法。