一种通用的边缘特征检测方法及其实现

在分析几种经典的边缘检测方法基础上,总结了一种通用的边缘特征检测方法。基于C Builder语言,研究了该方法的设计与实现,并对常用的Roberts、Laplasian、Sobel、Prewitt等检测算子进行了实验验证,说明了本文斤法的有效性。     

一种基于Canny理论的自适应边缘检测方法

基于Canny算子，提出了一种Canny自适应的边缘检测方法。Canny自适应算法在保持了Canny算子原有的定位准确，单边响应和信噪比高等优点的基础上，提高了Canny算子在提取图像边缘细节信息和抑制假边缘噪声方面的性能。Canny自适应算法将整幅图像分割为若干子图像，并根据各子图像的边缘梯度信息，结合全局边缘梯度特征信息自适应地生成动态阈值，提高了边缘检测的自动化程度，在实际的应用中获得了很好的效果。通过数学分析和试验结果证明了Canny自适应算法是一种有效的边缘检测改善方法。     

一种快速自适应边缘提取方法的研究

利用图像边缘灰度突变的特性。提出了一种梯度算子结合抽样的快速自适应边缘检测方法,在对整幅图抽样得到的低分辨率图上搜索出边缘点,然后以此为指导在整幅图上精确定位待检测的目标轮廓;为了提高边缘检测的自动化程度,将整幅图分成若干幅子图像．对每幅子图像各自统计其梯度,根据梯度信息自适应生成阈值．蛮验证明该方法不仅能快速准确地提取出单像素目标边缘而且还能较好地抑制细小边缘的于扰,在实际应用中获得了良好的效果。     

基于Sobel的边缘检测方法

使用二种方法进行边缘检测。第一种方法为传统方法;第二种方法为新方法。第一种方法:先用Sobel算子做边缘检测,再用Ostu方法二值化边缘,最后用多像素边缘细化算法进行细化;第二种方法:先用Sobel算子做边缘检测,再用Sobel算子对边缘进行细化,最后用自适应的动态阈值计算方法进行二值化。结果表明:第二种方法在结果和时间上都要优于第一种方法。     

基于Canny算法的自适应边缘检测方法

针对传统Canny边缘检测算法自动化程度不高的缺点,提出一种自适应算法.改进的Canny算法通过尺度自适应调整的高斯滤波器对原始图像进行平滑滤波,保留边缘信息并去除噪声的影响.对经过非极大抑制后的图像梯度直方图采用最大类间方差方法对检测和连接边缘的高低阁值进行了自适应设定.理论和实验结果表明,改进的Canny算法简单易实现,满足了原算法的最优化准则,并且提供了边缘的自动化检测能力,得到了良好的检测结果.     

改进的自适应阈值方法用于文字图像边缘检测

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界.上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取同一阈值,那么微弱边缘将会随着因灰度不均匀、噪声等被滤除.针对这一问题提出了改进的自适应阈值方法,并将此阈值方法代替固定阈值,在文字图像边缘检测中取得了较好的效果.     

棉纤维截面图像的自适应阈值Canny边缘检测

提出了一种适用于纤维截面类图像的自适应阈值Canny边缘检测方法。该方法不仅继承了Canny算子的优点,还能在对象分布数量不明、分布密度不均匀的情况下自适应地计算Canny算子的高阈值T1和低阈值T2,在保证了纤维边缘检出率的同时,更大程度上抑制了背景噪声引入的伪边缘。     

基于自适应阈值的视频文本检测方法

视频和图像中的文本通常在基于内容的视频数据库检索、网络视频搜索,图像分割和图像修复等中起到重要作用,为了提高文本检测的效率,给出了一种基于多种特征自适应阈值的视频文本检测方法.方法是在Michael算法的基础上,利用文本边缘的强度,密度,水平竖直边缘比3个特征计算自适应局部阈值,用阈值能较好去除非文本区域,提取文本边缘,检测并定位文本,减少了Michael算法单一特征阈值的不利影响.在文本定位阶段引入了合并机制.减少了不完整区域的出现.实验结果表明有较高的精度和召回率,可用于视频搜索、图像分割和图像修复等.     

基于Prewitt理论的自适应边缘检测算法*

利用Prewitt基本原理定义了新的算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Prewitt算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。通过实验比较,所提算法能够自适应地生成动态阈值,并在保持Prewitt算法具有抑制噪声性能优点的     

基于改进的Canny算子与自适应阈值的边缘检测算法

传统的基于Canny算子的边缘检测算法存在不足,因此提出了一种基于自适应阈值的改进方法。由于传统的Canny算子方法中的高低阈值需要人工设定,会对边缘检测中的结果产生影响,利用自适应阈值的方法改进传统Canny算子中阈值的参数的设定。得到理论上适合的参数后,根据算法对结果进行处理。实验结果表明,改进后的算法比传统算法表现更加出色,而且有效排除了图像中噪点的影响,提高了边缘检测算法的鲁棒性。     

自适应多结构元形态学边缘检测方法

对自适应选取结构元权值以及如何有效去除混合噪声是多结构元形态学边缘检测中尚待解决的两个问题,在深入研究各种形态学边缘检测方法的基础上,提出了基于灰度距离逻辑函数和基于边缘方差两种自适应多结构元形态学边缘检测方法。首先对原始图像进行最优阈值分割二值化,其次从灰度距离和边缘方差两个角度分别实现结构元的自适应选取,最后选择形态算子进行边缘检测。方法具有更好的抗噪性和灵活性,能更加精确的体现原有图像的边缘方向信息。通过仿真实验,验证了方法的可行性和有效性。     

基于预测的自适应边缘检测新方法

图像的边缘是图像最基本的特征之一,边缘检测是提取图像特征的重要手段.首先利用梯度调节预测器(Gradient Adjusted Predictor:GAP)对图像进行预测,然后针对预测得到的误差图像,提出了一种基于梯度均值直方图的自适应阈值选取方法,利用得到的阈值来分类边缘与非边缘;为了获得单像素边缘,利用细化算法对边缘图像进一步细化,得到最后的边缘图像.仿真结果表明,与其它方法相比,本文方法检测到的边缘边界特征细腻、连续,定位精度较高,得到的实验结果比较理想.     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围，提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法，并利用了边缘检测后边缘点的方向信息，作为Hough变换的方向角，可以较快提取出边缘线段，从而通过边缘跟踪获得无噪声点的相似区域，这为进一步提取图像的颜色特征或形状特征提供了良好的基础。     

一种改善高斯拉普拉斯算子零交叉方法的车辆边缘检测

本文介绍了一种视频交通车辆边缘检测的方法。边缘像素是二阶梯度图像产生零交叉时的位置对应像素,但对于斜坡边缘这一类灰度变化非常缓慢的情形,单纯的零交叉方法并不能检测到有效的边缘,往往还会参杂许多背景物体的轮廓。为解决这个问题,本文在高斯拉普拉斯边缘检测算子的基础上,结合了自适应阈值二值化、边界跟踪和细化技术,从而得到了具有较高定位精度的单像素宽的边缘图像。     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

自适应多尺度边缘检测

提出了自适应多尺度边缘检测算法及其快速实现办法.算法通过自适应确定边缘像元的最佳滤波尺度来检测边缘,计算量较小.同时提出了一种自适应确定一幅图像边缘的尺度范围的方法,并为描述边缘特性增加了一个边缘尺度参数.用于检测实际图像边缘的实验结果是令人满意的.     

一种基于零交叉的图像边缘检测的改进方法

理论上，边缘像素应该是二阶梯度图像产生零交叉时的位置对应的像素，但对于斜坡边缘这一类灰度变化非常缓慢的情形，单纯的零交叉方法并不能得到合适的边缘。为解决这类问题，在高斯拉普拉斯边缘检测算子的基础上，结合了梯度图像二值化，边界跟踪和细化技术，从而得到了具有较高定位精度的单像素宽的边缘图像。     

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.