一种Sobel黑片图像亚像素边缘检测

提出一种基于Sobel和多项式插值法结合的改进的黑片图像亚像素边缘检测算法.算法在经典Sobel算法的基础上增加了两个方向模板,并使用对边缘梯度图像加上合理的权值和阈值的方法得到准确的单像素边缘.在单像素梯度边缘上进行有方向的多项式插值计算得到更精确的亚像素边缘定位.该方法的检测精度高,能够应用于黑片的在线检测.     

一种快速医学图像亚像素边缘检测方法

针对目前医学图像配准中使用的多是配准精度较低的像素级的边缘检测的问题，提出一种新算法将像素级算子sobel，log，prewitt，roberts，zerocross和canny分别与Zemike矩算子及搜索算法相结合，并对边缘检测结果进行比较，从中选取较优的算子来实现医学图像亚像素边缘检测，实验结果表明该算法克服了像素级算子和Zemike。矩算子的缺点，提取的边缘定位精度高，计算时间短，抗干扰性强。     

一种快速医学图像亚像素边缘检测方法

针对目前医学图像配准中使用的多是配准精度较低的像素级的边缘检测的问题,提出一种新算法将像素级算子sobel,log,prewitt,roberts,zerocross和canny分别与Zernike矩算子及搜索算法相结合,并对边缘检测结果进行比较,从中选取较优的算子来实现医学图像亚像素边缘检测.实验结果表明该算法克服了像素级算子和Zernike矩算子的缺点,提取的边缘定位精度高,计算时间短,抗干扰性强.     

基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出一种改进算法。推导了Zernike矩模板系数,提出一种新的边缘判断依据。改进的算法能较好检测图像边缘并实现较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。     

两级Zernike矩算子的快速亚像素边缘检测

开发了基于两个不同尺寸模板Zernike矩的新边缘检测算子.首先利用小模板3*3尺寸的像素级Zernike矩算子快速检测出所有可能边缘点;然后利用大模板7*7尺寸的亚像素级Zernike矩算子重新精确定位边缘.检验结果表明,本方法定位精度为亚像素级,且算法运行时间为0.14s.新算子具有运算速度快、定位精度高的优点.     

改进的空间矩亚像素边缘检测算法

为解决Lyvers算法在利用空间矩进行亚像素边缘检测时交点附近的边缘检测误差大的问题,对交点附近的边缘模型进行了分析,提出利用空间矩多项式判断边缘交点,然后利用双线性插值法和牛顿迭代法来求取多项式的解,而多项式的解就是亚像素边缘检测结果.实验证明,改进算法很好地弥补了Lyvers算法在交点附近的计算误差.     

一种亚像素精度的边缘检测方法

提出了一种基于贝塞尔边缘模型的亚像素边缘检测算法.该算法首先在原有的贝塞尔点扩散函数中引入修正参数t,并与理想边缘模型卷积,获得可修正的贝塞尔边缘灰度模型;然后,利用图像边缘的信息对该模型进行最小二乘拟合,在拟合过程中,通过修正参数t对边缘模型进行修正,最终获得精确的边缘模型,同时考虑数字采样等因素对灰度分布的影响,得到图像边缘的亚像素位置.实验中测得边缘亚像素位置的平均误差为一个像素的3%,其中误差方差为0.0005.结果表明:本算法基本满足图像测量的稳定可靠、精度高等要求,并且对图像噪声有较强的鲁棒性.     

基于LOG算子的亚像素边缘检测

首先，把原始图像和LOG（Laplaciam of Gaussian)算子做卷积检测零交叉点，然后使用平面模型获得像素级边缘，最后，经过多项式插值在亚像素精度上再次确定零交叉点，得到了精确到亚像素级的边缘。     

基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意．针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度．实验证明该方法可达到1／60像素的精确度。     

基于非线性四阶图像插值的亚像素边缘检测算法

为提高数字图像边缘检测的精度,提出了基于ENO的非线性四阶插值和Canny算子的亚像素边缘检测算法。本算法应用经典Canny算子检测图像边缘信息,对灰度图像进行处理得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行基于ENO的非线性四阶插值,进行亚像素细分计算,对目标边缘进行亚像素精确定位。用所得到的边缘检测算法与基于正交多项式插值检测算法和基于三次多项式插值检测算法性能进行比较,仿真结果表明本文给出的基于ENO插值的检测算法不仅提高了图像的边缘检测能力,而且可以一定程度地克服噪声干扰。     

利用MATLAB进行数字图像的边缘检测

介绍了数字图像处理的主要研究领域及图像分割中的边缘检测方法即Sobel和 拉普拉斯算子法.介绍了MATLAB语言的主要特点;说明了Matlab语言适用于数字图像处理. 给出了相应程序及处理结果.说明采用拉普拉斯算子法的处理效果要优于Sobel算子法.     

基于CUDA的图像边缘检测方法

NVIDIA公司提出的CUDA技术通过并发执行多个线程以实现大规模快速计算的能力。在研究CUDA技术在数字图像处理领域应用的基础上,提出了一种基于NVIDIA CUDA的方法实现图像边缘检测,把CUDA技术的快速计算的能力应用到数字图像处理领域。从CUDA技术的概况的介绍出发,对基于NVIDIA CUDA的图像边缘检测方法以及该方法的详细实现过程进行了形式化的描述,解决了基于CPU的传统图像边缘检测方法运行效率低的问题。实验结果证明CUDA在数字图像处理的实际应用中卓有成效。     

一种并行的SAR图像边缘检测方法

提出了一种并行的SAR图像边缘检测方法,该方法根据SAR图像的特点,对图像中的每一点都计算相应的3个信息测度特征,并组成特征向量对SAR图像进行边缘检测,这样计算量较大,但由于采用并行计算,因此速度较快.实验结果证明该方法能取得较好的边缘检测效果,且速度较快.     

基于中值滤波与Sobel、Canny算子的图像边缘检测研究

提出一种在噪声条件下将中值滤波与Sobel、Canny算子相结合进行图像边缘检测的方法。首先,采用中值滤波对图像进行平滑处理,再利用Sobel、Canny算子检测图像边缘。仿真实验表明,该方法对图像边缘检测精度较高,抗噪声性能强,可提高图像边缘检测效果。     

一种机械零件图像边缘特征的提取方法

为了在嵌入式系统中实现对零件的有效分类,针对机械零件边缘特征比较明显的特点,提出了一种机械零件图像边缘特征的提取方法.首先采用Kirsch算子提取零件二值图像的边缘,然后以零件质心为中心将边缘图像划分为若干个子区域,并对各子区域分别计算出其修正的归一化中心矩,并将以此形成的行向量作为零件分类识别的特征.实验分析中采用K均值聚类算法对提取的零件边缘特征进行分类,实验结果验证了该方法的有效性.     

基于边缘检测的影像多线自动测量算法

介绍了基于小波变换的边缘检测算法。利用此算法提出了一种影像多线自动测量算法,给出了此算法的步骤。结果表明,该算法达到了较好的测量效果。最后讨论了该算法的不足之处。     

一种消除重建图像边缘振荡的图像压缩方法

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法。该方向将提升算法与传统的非线性ENO小波变换相结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡。仿真实验表明该方法计算简单、存储空间小。     

基于数学形态学的图像边缘提取方法

提出了一种基于数学形态学的灰度图像边缘提取方法,并进行了仿真实验。实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快。