一种改进的Canny的图像边缘检测算法

研究图像边缘优化检测问题,针对图像边缘信息被噪声污染影响定位精度.传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失信息和假边缘的现象.为解决此问题,提出一种改进的Canny的边缘检测算法.首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘.实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘的检测精度和准确性.     

一种基于Canny的边缘检测优化算法

针对传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失和假边缘的现象,提出用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法代替高斯滤波器对含噪图像去噪,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘。实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘检测的准确性。     

一种基于Canny的自适应图像边缘提取方法

针对传统Canny算子需要人为指定高斯滤波参数和高低阈值的问题,提出一种自适应方法,采用基于非下采样Contourlet变换的自适应阈值去噪算法代替高斯滤波对图像去噪,同时保持图像的边缘信息,然后采用最大类间方差的方法进行高低阈值的自适应设定,并用此高低阈值对经过非极大值抑制后的图像进行检测及连接边缘。理论和实验结果表明,与传统Canny算子相比,该算法在滤除图像噪声、保留细节边缘方面获得了不错的效果,并且提高了边缘的自动化检测能力。     

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

结合邻域方差和各向异性窗的引导滤波算法EI北大核心CSCD

针对引导滤波会导致边缘附近出现光晕且难以识别精细边缘的问题,提出了一种结合邻域方差与各向异性窗的引导滤波算法.首先,利用各向异性高斯滤波器的方向选择性实现对边缘的精细识别,并利用滤波器的狭长空域结构可实现局部窗口内不同像素信息融合,以抑制边缘模糊和光晕效果;其次,基于局部结构相似性原理,引入邻域方差以实现对局部线性变换参数的优化,同时保证强边缘结构和非边缘区域的最大扩散.实验结果表明,在102类花卉图像数据集上,文中算法的视觉效果、定量评价(PSNR和SSIM)均优于其他边缘保持滤波算法,并且测试图像的失真度比引导滤波、加权引导滤波和各向异性引导滤波分别小46.72%,48.64%和29.61%,能够在识别精细边缘的同时有效地抑制伪影现象的发生.     

改进的各向异性扩散图像去噪算法

图像去噪是图像处理中的重要环节,经典的图像去噪算法,如中值滤波、高斯滤波和加权平均滤波等,去噪效果都不是很理想。传统方法在去除噪声的同时,会使图像的边缘也变得模糊。偏微分方程(PDE)是近年比较流行的图像处理方法,它具有各向异性的特点,在去除噪声的同时,能很好地保持图像的边缘。基于现有算法,提出了一种改进的去噪算法。将传统P-M算子中的固定边缘阈值改为随梯度模变化的自适应阈值,并结合图像结构张量构造一个扩散函数。在图像平坦区,改进的P-M模型具有各向同性的特点,有利于平滑噪声;而在图像边缘处,该模型只沿切线方向扩散,有利于保护图像细节。试验表明,改进的P-M模型能很好地改善图像去噪效果,同时也能很好地保持图像的边缘。     

基于改进Canny算法的图像边缘检测

鉴于传统Canny边缘检测算法在高斯滤波方差和高低阈值选取上需要人工干预,不具备自适应能力。文章提出了一种通过迭代分割求取最佳高、低阈值的方法,改善了人为设定阈值自适应性不强的缺点,提高了边缘定位的精度。与此同时,还将检测结果与原Canny、Sobel和Log等边缘检测算子对图像的处理结果进行了比较,实验结果表明,采用改进的Canny边缘检测算法可以得到较为完整、清晰的边缘轮廓,具有更好的检测精度和准确度。     

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

多阈值选取与边缘连接的边缘检测算法

论文针对Kirsch 边缘检测算子的缺点,提出一种多阈值选取与改进的边 缘连接算法相结合的方法,对图像,尤其是医学图像进行边缘检测。该方法首先用高斯滤波 器对原始图像去噪,使用传统Kirsch 算子计算梯度,然后设定低阈值和自适应阈值来保护 图像弱边缘和提取真正边缘,最后通过改进的边缘连接算法连接边缘。实验结果表明,论文 的方法具有保持弱边缘、连接性好的边缘检测效果。     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

Contourlet概率分布的遥感图像边缘检测方法

提出一种新的基于Contourlet概率分布的边缘检测算法, 首先,对图像Contourlet系数概率分布的混合高斯分布特性进行分析,并建立图像Contourlet 系数大小状态的概率模型,同时对基于该模型的图像线状奇异信号进行分离;其次,改进最大类间方差的阈值选取方法,提出一种基于类间距离和类内方差的阈值选取方法,在保证类间距离最大的同时提高了类内聚合度;最后,利用所选阈值对分离的图像线状奇异信号进行二值化处理,并对边缘信息进行提取。实验结果表明,与传统经典边缘检测方法相比,所提出的边缘检测方法在有效检测出遥感图像中光滑边缘的同时可以对图像中次要的奇异信息进行有效的屏蔽,具有很好的实用性。     

边缘保留的图像滤波方法

传统的高斯滤波在去除图像噪声的同时产生了边缘模糊的问题。本文通过对传统高斯滤波算法的改进，不仅考虑距离的影响，而且还考虑图像灰度值的影响。尤其是当邻域间像素的距离近并且灰度值相似时，则它们对结果有较大的影响。实验结果表明该方法在滤除图像噪声的同时又能保留图像边缘。     

边缘保留的图像滤波方法

传统的高斯滤波在去除图像噪声的同时产生了边缘模糊的问题。本文通过对传统高斯滤波算法的改进,不仅考虑距离的影响,而且还考虑图像灰度值的影响。尤其是当邻域间像素的距离近并且灰度值相似时,则它们对结果有较大的影响。实验结果表明该方法在滤除图像噪声的同时又能保留图像边缘。     

基于各向异性和边缘强度修正因子的边缘检测算法

融合了各向同性和各向异性高斯滤波器的边缘检测算法IAGK存在边缘拉伸效应,引起复杂边缘处产生伪边缘,各向同性高斯导数滤波器的引入,也导致算法对噪声的鲁棒性下降.同时,IAGK算法的各向异性因子非最优取值,理论上不具有最优信噪比和最优定位性能.基于自动各向异性高斯核选择最优各向异性因子,并加入边缘强度修正因子修正IAGK算法的边缘强度公式,抑制伪边缘的产生和噪声的影响.利用经典边缘检测数据集对提出的边缘检测算法进行测试,实验结果显示,与Canny、AAGK和IAGK算法相比,提出的算法具有更好的噪声鲁棒性和更强的弱边缘检测能力,同时可进一步抑制伪边缘效应.在含噪声情况下,所提算法的边缘品质因子(FOM)分别比Canny、AAGK和IAGK算法高3％,4％ 和7％.     

基于细菌觅食优化算法的自适应阈值边缘检测

Sobel算子在阈值偏高或偏低的情况下会产生伪边缘或边缘丢失的问题。为此,将细菌觅食优化算法与最大类间方差相结合,利用细菌觅食优化算法的全局寻优能力,以最大类间方差为适应度函数搜索最佳边缘检测阈值,对图像进行自动边缘检测。实验结果证明,该方法能够取得较好的边缘分割效果,提高阈值检索速度。     

Optimal edge detector design I: parameter selection and noise effects

This paper comments on the optimality of the Laplacian of a Gaussian edge detection filter which localizes edges through zero crossings in the filtered image. The arguments of both Marr and Hildreth, and Dickey and Shanmugam are reviewed to establish that the filter is optimal in the sense of maximizing output image energy near edge features. This filter's principal advantage over other edge detectors is that its response is user-adjustable through selection of a single parameter, the Gaussian standard deviation. However, no clear method for the selection of this parameter has been provided. The problem is addressed here by applying the filter to two ideal periodic edge models blurred by a Gaussian distribution point-spread function. The observed response to the edge spacing and blur standard deviation is then translated into a filter parameter design procedure. The problems of optimum filter performance in the presence of additive Gaussian noise are then addressed. The problem of selecting the sampled filter's coefficient word size is dealt with in a companion paper.     

结合Canny算子的图像二值化

对经典的二值化方法Ostu算法和Bernsen算法中存在的缺点进行了分析,提出一种结合Canny算子的图像二值化方法,该方法综合考虑了边缘信息和灰度信息,通过边缘附近种子点在高阈值二值化图像中的填充和低阈值图像对它的修补而得到二值化结果图像,较好地解决了经典二值化方法中存在的抗噪能力差、边缘粗糙、伪影现象等缺点,实验结果证明,该方法能够较好地解决低对比度图像和目标像素灰度不均匀图像的二值化问题。     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。