基于改进标记的高分辨率遥感图像分水岭分割方法

扩展最小变换是标记分水岭变换中常见的标记提取方法,但实验证明,基于该方法的图像分割结果在地物边缘处仍会存在破碎多边形。本文采用一种新的标记提取方法,首先利用高斯低通滤波器对梯度图像进行平滑,然后在梯度图像的低频成分中利用扩展最小变换提取标记,最后利用二值标记图像对原始梯度图像进行梯度重建,分水岭变换在重建后的梯度上进行。实验证明,该方法可以有效地去除地物边缘处的破碎多边形。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

粒子群优化算法在图像边缘检测中的研究应用

边缘检测在图像处理中占有重要地位,其效果好坏直接影响到后续的图像分析和处理,常用的Sobel算子和Pre-witt算子提取的边缘图像存在着丢失边缘细节的现象.文中将粒子群优化算法引入到图像边缘检测中,通过优化梯度算子来得到图像最佳边缘.实验结果证明,所提的方法可以很好地解决细节边缘丢失的问题,值得深入研究.     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度 场内奇异值分解相结合的边缘检测方法。首先在图像预处理阶段,为了提取准确的边缘特征, 文中利用小波变换的时频局部化特性,对图像进行小波变换。该文对用小波求取的梯度场使用 局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出 并且能够达到抑制噪声的目的。实验证明该文方法既能在无噪声影响的图像中提取出清晰完整 的单边缘,又能在有噪声干扰的情况下提取出理想的边缘。     

沥青路面裂缝图像增强与边缘提取算法研究

针对模糊图像增强算法存在运算速度慢以及丢失部分图像信息等问题,提出一种封闭性和移植性好的广义模糊增强算子.该算子结合梯度算子将图像增强处理集中在敏感区域,并构造四种结构元素求出敏感区域内的数学形态学梯度来提取图像边缘,实现一种图像增强与边缘提取算法.将新算法应用于沥青路面裂缝图像检测系统中,实验结果表明,该算法的图像增强和边缘提取效果优于现有的模糊图像增强算法和传统边缘提取算法.     

一种新的自适应边缘提取微分算子

提出一种新的微分算子用于边缘提取,基于泰勒展开分别计算图像水平和竖直方向的灰度差分,相比传统一阶或二阶微分算子,其梯度值结果更精确,弥补了传统算子微弱边缘提取少且与原图逼近度较差的缺陷。然后基于大津法思想对图像梯度幅值直方图计算分割阈值,从而得到一种新的能自适应提取边缘的微分算子。仿真结果表明,新算子不仅能够对不同图像自适应提取边缘,并且相比传统微分算子,它能提取更多微弱边缘,尤其对灰度对比度较低的图像。同时对曲线部分具有较好的逼近效果,适用于人脸等线条细节比较丰富的图像。将新算子应用到Canny算子中能获取更精确的结果。     

隐式曲面上图像扩散的高阶模型

用零水平集函数表达3维曲面,应用曲面上图像梯度的切投影表达其内蕴梯度,把基于梯度的图像扩散变分模型从平面图像拓展到了隐式曲面上的图像处理。基于内蕴梯度的变分模型对曲面上的图像进行扩散的同时可有效地保持其边缘,但像平面图像扩散的变分模型一样会在本该光滑的区域产生明显的阶梯效应。为消除阶梯效应,引入内蕴散度建立了基于内蕴梯度和内蕴散度的隐式曲面上图像扩散的变分模型,并以TV (total variation) 模型、PM(peronamalik)模型为例对所提出的模型的有效性进行了数值验证,实验结果表明该类模型在保持图像边缘的同时可以有效地抑制阶梯效应。     

基于多尺度支持度匹配SAR图像与光学图像

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一,常用的匹配方法是分别从两幅图像中提取特征,再对特征进行匹配。但是对于成像机理差别较大的异源图像,如SAR图像和可见光图像,很难提取到同名特征。提出一种基于多尺度支持度的异源图像匹配方法,只需要从一幅图像中提取多尺度边缘特征,在变换空间中寻找另一幅图像对该特征的最大支持度。支持度的计算采用了标准化梯度强度和的形式。采用遗传算法对支持度函数解空间进行全局寻优来获取最优匹配点。实验结果表明,该方法能有效实现SAR图像和可见光图像的匹配,处理时间能够满足工程要求。     

基于边缘特征与HSI色彩特征的胸环靶弹孔识别

为解决胸环靶纸图像弹孔准确快速识别问题,提出结合弹孔边缘特征与色彩特征的胸环靶弹孔识别方法。采用形态学边缘检测算法确定胸环靶图像边缘,进行边缘图像增强处理,提高边缘图像与背景的对比度,提取弹孔区域色彩特征数据,实现胸环靶纸图像中弹孔识别。实验及计算分析结果表明：这种方法能准确从一次成像的胸环靶纸图像中进行弹孔提取,还能在一定程度上减少自然环境下光照、灰尘、振动对靶面图像造成的噪声、畸变影响。     

基于彩色边缘网格直方图的图像检索方法

边缘是图像局部变化最显著的部分,也是人类理解图像内容的重要线索.本文提出了一种基于彩色边缘特征的图像检索方法,该方法首先利用Canny检测算子提取出原始图像的彩色边缘信息,然后将彩色边缘划分成圆环区域和角形区域,并分别计算出圆环区域和角形区域的颜色直方图;最后综合利用上述圆环区域和角形区域的颜色直方图计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该方法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率.     

基于图像特征的边缘检测

针对传统边缘检测算子在检测效果与抗噪方面的不足,提出基于图像特征的边缘检测方法,综合考虑图像的梯度特征、相位特征以及噪声的影响,以方向能量和由直方图差分算子计算的亮度梯度为图像特征进行边缘检测。对提取的特征值进行训练,得到边缘点与非边缘点的特征均值;依据近邻准则对检测图像的特征值分类,提取边缘;建立评价函数评价边缘的质量。仿真结果表明该算法可以取得很好的检测效果,同时具有一定的抗噪声性。     

基于模糊散度理论的图像置乱程度评价研究

提出了基于模糊散度理论的图像置乱程度评价新方法。首先对置乱前后图像中任意像素所对应二阶邻域系统构造一个模糊集并定义其隶属度;其次计算图像中各像素所对应二阶邻域系统模糊集及其补集之间的模糊散度;最后根据置乱前后两图像的模糊散度来构造图像置乱程度评价函数。实验结果表明,提出的评价方法是能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。     

一种基于彩色边缘综合特征的图像检索算法

图像特征的提取与表达是基于内容的图像检索技术基础。边缘是重要的视觉感知信息,也是图像最基本的特征之一,其在图像分析和理解中有重要价值。文中以视觉重要的图像边缘轮廓为基础,提出一种基于彩色边缘综合特征的图像检索算法。该算法首先利用Canny检测算子提取出原始图像的彩色边缘轮廓。然后构造出能全面反映边缘轮廓内容的3种直方图,即加权颜色直方图、角度直方图和梯度方向直方图。最后综合利用上述3种彩色边缘直方图计算图像间的内容相似度,并进行彩色图像检索。仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率和查全率。     

一种基于纹理方向场的图像分割方法

提出了一种基于纹理方向场的图像分割方法。根据图像平滑滤波原理构造了高斯滤波器与分块滤波器相结合的平滑方法,利用纹理梯度方向场特征形成纹理梯度图像,以此为基础用分水岭算法对图像进行分割。结果表明,将该方法应用于粘连大米颗粒图像,能有效分割粘连大米图像,较好地解决了分水岭算法的过分割问题,具有较强的边缘稳定性。     

基于直觉模糊散度的噪声图像边缘检测

针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集（Intuitionistic Fuzzy Set,IFS）的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度（Intuitionistic Fuzzy Divergence,IFD）对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。     

利用CCD实测数据恢复弹形的方法

根据线阵CCD的工作特性,通过对弹丸CCD试验数据进行分析,提出了一种完整的弹丸图像恢复方法,包括阈值法提取数据、二维自适应除噪滤波、样条函数曲线拟合、微分边缘识别等。应用表明该方法具有简单、稳定、可靠、精度高的特点,在弹形恢复中取得了满意的结果,为测定弹丸飞行参数奠定了基础。     

一种快速提取弹底底火部分图像方法

枪弹弹底底火部分检测是枪弹质量控制的核心,为了快速准确地分割枪弹弹底底火部分图像,提出一种新的分割方法。该方法针对弹底检测要求及弹底图像为同心圆环的基本特征,首先对弹底图像运用Canny算子边缘检测到的二值图像进行区域填充,再进行边缘检测得弹底边缘轮廓,然后利用直径过圆心原理确定弹底圆心,利用底火圆对应的半径对弹底灰度图像赋值提取底火部分图像。实验表明,此方法能够快速准确地提取弹底底火部分图像。     

Accurate object contour tracking based on boundary edge selection

In this paper, a novel method for accurate subject tracking, by selecting only tracked subject boundary edges in a video stream with a changing background and moving camera, is proposed. This boundary edge selection is achieved in two steps: (1) removing background edges using edge motion, and from the output of the previous step, (2) selecting boundary edges using a normal direction derivative of the tracked contour. Accurate tracking is based on reduction of the effects of irrelevant edges, by only selecting boundary edge pixels. In order to remove background edges using edge motion, the tracked subject motion is computed and edge motions and edges having different motion directions from the subjects are removed. In selecting boundary edges using the normal contour direction, the image gradient values on every edge pixel are computed, and edge pixels with large gradient values are selected. Multi-level Canny edge maps are used to obtain proper details of a scene. Multi-level edge maps allow tracking, even though the tracked object boundary has complex edges, since the detail level of an edge map for the scene can be adjusted. A process of final routing is deployed in order to obtain a detailed contour. The computed contour is improved by checking against a strong Canny edge map and hiring strong Canny edge pixels around the computed contour using Dijkstra's minimum cost routing. The experimental results demonstrate that the proposed tracking approach is robust enough to handle a complex-textured scene in a mobile camera environment.