复杂内河背景下天水线的提取

提出了一种在复杂内河背景下进行天水线提取的方法。该方法包括5个步骤：（1）利用均方误差（MSE）对原始图像进行评价;（2）根据步骤1的评价结果确定是否对图像进行预处理;（3）对经过步骤2处理的图像,分别利用算法1提取天水线得到天水线1,利用算法2提取天水线得到天水线2。算法1主要步骤有迭代阈值分割、Roberts梯度算子边缘检测、细化、Hough变换;算法2主要步骤有Roberts梯度算子边缘检测及二值化、细化、利用Hough变换;（4）把天水线1和天水线2中最靠近图像下端的那一条直线作为最终的天水线;（5）对最终提取的天水线进行主观定量评价,并使用证据理论进行可信度判断。实验结果表明,该方法适应性好,定位精度高,实时性和可靠性好。     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

一种基于改进Hough变换的车道线检测算法

文中提出了一种适合于DSP的基于改进的Hough变换的车道标志线检测算法.算法首先对经典Hough变换的前级处理过程——边缘提取中的边缘图像进行梯度运算,然后利用获得的梯度运算结果来确定后续Hough变换过程中本该360°搜索的边缘方向这个参数,同时在基本不影响车道标志线检测结果的前提下对参数空间进行适当分块,以减少车道标志线检测算法的运算量.实验结果表明:文中的方法不仅能够准确地检测出待检测路面的车道标志线,而且能够实时的运行在DM648DSP硬件平台上,获得了很好的车道标志线检测效果.     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

基于数学形态学的虹膜定位算法

虹膜图像的边缘提取是采用Hough变换结合边缘检测进行虹膜定位的学算子的虹膜定位方法,内边界采用二值化的形态学边缘检测算子;运用多尺度边缘检测方法以获取虹膜灰度图像的外边界和眼睑轮廓图,利用连通区域的标记进一步去除随机噪声,得到较理想的图像边缘,大大减少了Hough变换搜索的时间,并与经典的定位方法进行比较.实验表明,该算法抗噪性能良好,具有一定的应用价值.     

基于融合及形态学的自适应阈值图像边缘检测

传统的Sobel和Roberts边缘检测算子阈值固定,适应性和抗噪能力较差。通过将最大类间方差法和双峰法引入边缘自适应阈值的确定,利用自适应阈值的Sobel和Roberts算子检测出图像边缘后进行融合,再进行形态学的细化。实验结果表明,该算法检测出的边缘清晰,适应性好,对噪声抑制能力强。     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

基于Sobel算子的医学图像边缘检测研究

边缘检测是图像处理过程的关键技术.由于医学图像的特殊性,检测边缘的准确性对疾病的诊断和治疗有着重大的影响.针对传统Sobel算法存在定位不精确、提取边缘较粗等不足,提出了一种改进算法.算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度,采取局部梯度均值作为阈值对初始梯度图像进行局部梯度筛选,局部弱边缘得到增强,然后对处理后梯度图像进行细化和提取,得到边缘图像.实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、边连续性好和边缘较细等优点,在医学图像处理中具有一定的实用性.     

数据融合技术在图像边缘检测中的应用

提出了一种基于数据融合的图像边缘检测算法。此种方法对初始图像分别采用“Rob-erts”算子和“sobel”算子及小波变换三种方法进行边缘提取,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。实验结果表明,该方案所得到的边缘图像的效果优于单独采用“Sobel”或“Roberts”算子所获得的边缘图像,是一种行之有效的图像边缘提取算法。     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。