基于数学形态学改进Canny算法的红外图像边缘检测

在应急搜救中,红外图像边缘检测起到至关重要的作用,众多学者都致力于研究如何能够进一步提高红外图像边缘检测的性能,本研究提出一种将数学形态学与Canny算子进行融合的算法,称为应用于红外图像边缘检测的改进Canny算法。算法研究完成后,将通过Matlab仿真软件进行仿真,将改进后的Canny算法与传统Canny算法的仿真结果进行比较,可以发现该算法在边缘检测和细节处理方面的性能更为优良。     

基于canny算子的边缘检测算法应用研究

边缘检测技术是图像处理过程的重要一环，本文主要研究基于canny算则的边缘检测算法中的抑制噪声、寻找亮度梯度、非极大值抑制、边缘的确定和连接等四个过程，并逐个分析其实现过程及作用。     

基于Canny算子的白酒分子结构图像边缘提取

提出了一种改进的Canny和数学形态学相结合的白酒分子结构图像边缘检测方法。采用二维高斯函数的一阶偏导数来同时构造x和y方向滤波器计算梯度幅值,然后通过四阈值边缘检测方法进行边缘定位,最后引入了数学形态学对边缘进行融合。实验仿真表明,方法对酒分子结构边缘检测精度较准、抗噪性能良好,能有效的克服图像边缘模糊与断点,提高了...     

基于数学形态学的稻米粒形边缘检测研究

提出了一种基于数学形态学的稻米粒形边缘检测的新方法。首先,采用椭圆匹配稻米的方法提取稻米米粒的边缘轮廓,其次,再用数学形态学的方法对提取的稻米边缘进行平滑处理,最后,取100颗样品进行实验,结果表明,该方法用于稻米粒形检测时的判定正确率较高。     

基于Prewitt算子与形态学的纸病图像检测方法

针对Prewitt算子在检测中存在的边缘不连续性的问题,提出一种基于Prewitt算子和数学形态学的纸病图像边缘检测方法。首先利用Prewitt算子对纸病图像进行处理,然后将处理后的图像进行形态学的闭运算。实验表明,该方法结合了两种检测方法的优点,有效地提高了边缘检测的准确性,得到了比较理想的纸病边缘检测效果。     

木材表面缺陷边缘形态检测算法的研究

应用数学形态学理论,论述一种检测木板材表面缺陷的方法,提出了可快速识别缺陷边缘的标记分水岭算法。实验结果表明,运用该算法进行图像处理,运算简洁,处理速度快,边缘检测准确。     

基于粒子群优化算法与形态学的纸病图像检测方法

针对传统边缘检测算子对纸病图像检测的不足,提出了一种基于粒子群优化算法和数学形态学的边缘检测方法。首先通过粒子群优化算法得到图像最优分割阈值,将图像二值化,然后利用数学形态学中的腐蚀运算对纸病图像进行边缘检测。仿真结果表明,相比传统算法,该方法的检测结果更真实地反映了纸病图像的形态特征,且边缘定位准确,取得了较为理想的检测效果。     

基于MATLAB数字图像边缘检测算法的研究

随着计算机技术的迅速发展,图像的边缘检测技术已成为数字图像处理的重要内容。所谓的边缘即图像局部强度变化最明显的地方,它是图像分割、识别和图像特征提取的关键。因此,研究图像边缘检测算子对数字图像处理来说是十分重要的。为了对经典图像边缘检测算子进行研究,如Roberts算子、Sobel算子、Prewitt算子、LOG算子以及Canny算子等,通过理论分析和实验仿真比较它们各自的优缺点,可知Canny边缘检测算子是几种算子中检测效果较好的一种。     

边缘检测算子在提取图像金色区域中的应用

为了提取图像中适合金墨印刷的金色区域,对边缘检测的方法进行了深入探讨,运用各种边缘检测算子分割图像。利用MATLAB对Roberts算子、Sobel算子、Prewitt算子、Log算子、Canny算子进行实验验证和分析。结果表明,边缘检测的方法基本上可以实现边缘轮廓的闭合,简单图像能产生连续的闭合轮廓,相比复杂图像效果要好,特别是对于那些背景不是太复杂的图像,图像分割的效果比较理想。分析比较几种算子,运用Canny算子进行边缘检测分割效果较好。     

基于改进蝗虫算法优化Canny算子的鸡蛋裂纹图像检测

目的:提高鸡蛋线形、网状裂纹检测率。方法:针对蝗虫优化算法(GOA)求解高维复杂优化问题时收敛效率不高的缺陷,设计改进的模糊C-均值算法(FCM)对蝗虫种群进行等级划分;设计自适应极值逆向学习和编码突变更新机制,以扩展算法深度搜索空间和全局寻优能力;采用改进的GOA对参数进行优化,并将改进蝗虫算法优化Canny算子用于鸡蛋裂纹检测。结果:该方法对鸡蛋线形裂纹和网状裂纹漏检率分别降低了21.4%~31.2%,63.2%~69.7%,优于其他算法。结论:该方法能有效提升鸡蛋裂纹检测准确率。     

基于图像纹理分析的大米加工等级检测方法

利用不同加工等级大米表面纹理不同的特点,提出了基于纹理分析的大米加工等级检测方法。设计了大米的计算机视觉检测系统,获取4个不同加工等级大米标准样的图像,采用灰度梯度共生矩阵的纹理分析方法提取图像的纹理特征值,采用Fisher判别法和PNN神经网络对大米加工等级进行检测判定。试验结果表明:Fisher判别法和PNN神经网络对4种不同加工等级的大米样品检测判定的正确率分别是96.25%和90.00%。     

基于图像边缘特征的领带花型检索方法

为了提高领带花型检索的速度和准确度,提出了一种基于图像边缘特征的检索方法。首先,对图案进行边缘检测,提取领带花型的轮廓,量化为边缘特征值;然后,分析边缘特征值分布的数理统计特性,将花型分为条纹、多边形和复杂图案 3 个大类;最后,将待检索花型与数据库内同类花型进行匹配,选取最相似的花型图案。结果表明,基于图像边缘特征的检索方法能够精确地检索相似的领带花型,并且计算量小,检测速度快,可以满足实际应用的需求。     

一种改进的Canny边缘检测方法

传统Canny边缘算子通过像素点的梯度幅值是否大于梯度方向两侧的像素的梯度幅度值来判定边缘.针对传统Canny边缘算子的判断边缘的方法,分析Canny边缘算子在边缘检测时容易出现边缘点的漏检而造成边缘不连接现象,结合Harris检测算法改进Canny边缘算子来连接断开的边缘并提高检测准确率.实验结果表明,改进的算法检测边缘连接性好并具有更好的检测准确度.     

基于亚像素边缘检测的纱线条干均匀度测量

为了精确地评价纱线的表观条干均匀性,提出一种基于亚像素边缘检测的纱线条干均匀度检测方法。首先通过图像采集装置获取纱线图像;然后对纱线图像进行亚像素边缘检测获取纱线边缘点集;利用开运算对获取的边缘点集进行处理,进而获得纱线条干的边缘;最后采用坐标直方图方法计算纱线平均直径和条干CV值。为验证方法的有效性和准确性,对多种不同线密度的纯棉纱线进行测试,并将测试结果与电容式条干仪的均匀度检测及基于模糊C均值分类和Otsu图像法的检测结果进行了对比。结果表明:基于亚像素边缘检测的纱线条干均匀度检测方法与电容式的测量结果有着较好的一致性,证明所提方法可得到准确的结果。     

基于卷积神经网络和支持向量机的水稻种子图像分类识别

针对外形相似的水稻种子间分类难、识别正确率低等问题,提出一种卷积神经网络与支持向量机相结合的方法(CNN_SVM)对8类水稻种子进行分类识别.首先对图像进行切割、旋转等预处理后建立水稻种子图像数据库,其次通过提取图像的方向梯度直方图(HOG)、LBP纹理、SIFT描述子和CNN特征,分别建立SVM、KNN和Softma...     

基于图像局部方差的亮度矫正下番茄表面缺陷检测方法

目的:解决番茄表面缺陷颜色复杂多变、纹理变化不规则导致的缺陷提取不准确的问题。方法:提出一种考虑亮度矫正下基于图像局部方差的番茄表面缺陷分割方法。在采用直方图阈值分割方法分割花萼与茎疤以及领域像素加权和替代原像素的方法完成亮度矫正的基础上,将番茄表面灰度图像划分成若干图像块,使用图像像素方差对各图像块的颜色进行表征,将缺陷区域与健康区域区分开。使用SVM模型对番茄表面缺陷区域面积占原图中番茄面积的比例进行检测。结果:考虑亮度校正后对番茄缺陷区域提取准确率提高了27.74个百分点,在此基础上,与全局阈值、动态阈值、区域生长算法相比,基于图像局部方差的缺陷提取方法能够实现番茄表面缺陷的准确定位与完整提取,以缺陷面积比为输入的高斯-SVM模型对番茄表面缺陷检测的精度达96%。结论:考虑亮度矫正下,基于图像局部方差的SVM缺陷提取方法适用于番茄表面缺陷检测。     

基于改进边缘检测算法的服装款式识别

为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。