基于改进布谷鸟搜索算法的图像边缘检测

针对传统边缘检测算法自适应能力差、固定阈值、背景噪声抑制的问题, 为了获得更理想的图像边缘检测结果, 提出了一种基于改进布谷鸟搜索算法的图像边缘测算法. 首先通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵, 然后用改进布谷鸟搜索算法根据布谷鸟繁殖行为找到搜索图像的梯度最大值, 检测出图像的边缘, 最后采用仿真实验对算法的性能进行检测. 仿真实验结果表明, 本文算法能快速、准确地检测出图像的边缘, 且优于其他传统边缘检测算法.     

基于改进人工鱼群算法的图像边缘检测①

提出了一种基于带混沌差分进化变异算子的人工鱼群算法的图像边缘检测方法,该算法通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵,然后利用人工鱼群搜索图像梯度最大值,达到快速、准确检测图像边缘的目的。在差分变异算子中引入调节因子加强搜索能力,并且动态调整人工鱼的视野,使鱼群能快速跳出局部极值。通过仿真实验表明,该算法用于图像边缘检测是可行的和有效的。     

基于灰度共生矩阵的自适应图像边缘检测

纹理分析是图像处理中一种十分重要的方法。通过纹理分析,利用灰度共生矩阵惯性矩特征值能够反映图像灰度空间复杂度的特性,成功获取了LOG边缘检测算子最佳空间系数,抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,采用这种方法可以取得很好的噪声抑制效果,并且检测出的边缘精度高,实时性强,便于实现。     

LOG算子边缘检测方法的改进方案

本文对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷，提出了选择性平滑方式清除图像中的椒盐噪声；提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法，抑制了图像中的大部分其它噪声，并保持了边缘定位精度；还通过用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值，实现了图像边缘的自动提取。实践证明该方法具备有效性和实用性。     

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时,其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息,本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性,根据不同的灰度区域自适应地选取算法参数,用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理,可以检测到不同灰度层次的边缘,而且速度较快。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

灰度图像边缘检测中的形态学方法

介绍了用形态学进行灰度图像边缘检测的算法,分析了其几何意义;用计算机实现了形态学方法对灰度图像的边缘检测,并与用传统的Ｌａｐｌａｃｅ算子、Ｓｌｂｅｌ算子进行边缘检测的结果进行了比较。     

复杂背景下人眼定位及人脸检测

人眼定位和人脸检测是人脸识别的重要环节，复杂背景下，人眼定位及人脸检测容易受到光照以及其它物体的影响。在没有检测到人脸的情况下，对原始图像用sobel算子得到灰度边缘图像，进而得到边缘灰度加强图像，估算分割双眼的阈值范围。对边缘灰度加强图像二值化后，结合人脸的几何特征以及双眼的二维相关系数自动确定双眼候选点，利用人脸模板检验双眼及人脸的真实性。大量实验结果表明，该算法在复杂背景下进行人眼定位及人脸检测是有效的。     

SUSAN边缘检测算法的设计与研究

提出了一种完全不涉及梯度运算、只基于周边像素灰度比较的SUSAN边缘检测算法。主要介绍了SUSAN算法的原理,并用MATLAB编程实现了该算法。在对噪声图像的边缘检测中,与其他传统经典检测算子进行比较,结果表明,该算法较传统的边缘检测算法更具优势,能够有效提高边缘定位精度,降低漏检率,使边缘更细致、光滑。     

基于均衡化和K均值改进蚁群算法的边缘检测

研究图像特征的提取,边缘检测是图像处理中很重要的组成部分.在研究灰度图像的边缘检测问题中,根据像素灰度值的分布特点和图像的边缘特性,提出了一种基于直方图均衡化和K-均值改进蚁群算法相结合的边缘检测方法.采用直方图均衡对图像进行增强,以减小目标与背景的相似度,增大了反差,使图像细节清楚,另外采用模糊聚类的K-均值改进蚁群算法实现对图像边缘信息的快速提取.通过仿真表明方法收敛速度快,检测效果好, 具有较强的实用价值.     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

基于颜色和特征匹配的视频图像人脸检测实现技术

A face detection method using statistical skin-color model and facial feature matching is presented in this paper.According to skin-color distribution in YUV color space,we develope a statistical skin-color model through interactive sample training and learning.Using this method we convert the color image to binary image and then segment face-candidate regions in the video images.In order to improve the quality of binary image and remove unwanted noises,filtering and mathematical morphology are empolied.After these two processing,we use facial feature matching for further detection.The presence or absence of a face in each region is verified by means of mouth detector based on a template matching method.The experimental results show the proposed method has the features of high speed and high efficiency,but also robust to face variation to some extent.So it is suitable to be applied to real-time face detection and tracking in video sequences.     

A robust eye detection method using combined binary edge and intensity information

In this paper, a new eye detection method is presented. The method consists of three steps: (1) extraction of binary edge images (BEIs) from the grayscale face image based on multi-resolution wavelet transform, (2) extraction of eye regions and segments from BEIs and (3) eye localization based on light dots and intensity information. In the paper, an improved face region extraction algorithm and a light dots detection algorithm are proposed for better eye detection performance. Also a multi-level eye detection scheme is adopted. Experimental results show that a correct eye detection rate of 98.7% can be achieved on 150 Bern images with variations in views and gaze directions and 96.6% can be achieved on 564 AR images with different facial expressions and lighting conditions.     

一种适合于表情分析的人脸二值边缘图像的提取

边缘图像是人脸图像的一种重要表征方法，它对人脸图像的分析有重要的作用。提出了一种提取人脸二值边缘图像的新方法。该方法利用小波变换进行图像的高频重构，并利用其多尺度分析特性进行图像边缘的提取，包括两次二值化过程和一次去噪过程。提取的边缘图像具有较高的质量，同一人脸部件的边缘连通性好，不同部件的边缘粘连现象少，且具有较好的光照鲁棒性。将所提取的二值边缘图像用于AR库和Yale库图像的人脸4种动作单元的识别，识别率在93％以上，初步表明其适合于人脸图像的表情分析。     

基于图像扩散速度模型和纹理信息的人脸活体检测

为了解决人脸身份认证中的欺诈问题,提出了一种基于图像扩散速度模型和纹理信息的人脸活体检测算法。真实人脸和虚假人脸图像的空间结构不同,为了提取这种差异特征,该方法使用各向异性扩散增强图像的边缘信息。然后,将原始图像与扩散后图像的差值作为图像的扩散速度,并构建扩散速度模型。接着使用局部二值算法提取图像扩散速度特征并训练分类器。真实人脸图像和虚假人脸图像之间存在很多差异特征,为了进一步提高人脸活体检测算法的泛化能力,该方法同时提取人脸图像的模糊程度特征和色彩纹理特征,通过特征矩阵级联的方法将两种特征进行融合,并训练另一个分类器。最后根据分类器输出概率加权融合的结果做出判决。实验结果表明,该算法能够快速有效地检测出虚假的人脸图像。     

A data mining approach to face detection

In this paper, we propose a novel face detection method based on the MAFIA algorithm. Our proposed method consists of two phases, namely, training and detection. In the training phase, we first apply Sobel's edge detection operator, morphological operator, and thresholding to each training image, and transform it into an edge image. Next, we use the MAFIA algorithm to mine the maximal frequent patterns from those edge images and obtain the positive feature pattern. Similarly, we can obtain the negative feature pattern from the complements of edge images. Based on the feature patterns mined, we construct a face detector to prune non-face candidates. In the detection phase, we apply a sliding window to the testing image in different scales. For each sliding window, if the slide window passes the face detector, it is considered as a human face. The proposed method can automatically find the feature patterns that capture most of facial features. By using the feature patterns to construct a face detector, the proposed method is robust to races, illumination, and facial expressions. The experimental results show that the proposed method has outstanding performance in the MIT-CMU dataset and comparable performance in the BioID dataset in terms of false positive and detection rate.     

基于Canny算子和形态学的洞室岩体裂隙边缘检测

针对Canny边缘检测算法在伪边缘剔除方面的不足,结合洞室岩体裂隙图像成像特点,提出一种Canny算子与形态学相结合的边缘检测方法。先分别对原始图像进行Canny算子边缘检测和图像分割,得到两幅二值图像,然后参考图像裂隙的几何形态特征,对它们进行形态学运算,使最终得到的二值图像保持了较高的裂隙定位精度,并有效剔除了伪裂隙边缘,同时具有边缘闭合、平滑等优点。     

形态学在道路图像边界检测中的应用

在道路图像边缘检测中,为实时、有效地从获取图像中提取出路面边界,研究了一种结合数学形态学的道路图像边界检测算法。形态学是一种从集合的角度来刻画和分析图像的图像处理和分析理论,其算子的性能主要以几何方式进行刻画,更适合于视觉信息的处理和分析。对采集到的原始道路图像经由图像预处理、道路边缘检测后,应用特殊结构元素对得到的二值图像进行形态学处理。保障有用信息比例的同时,去除了大量冗余和干扰信息,减少了边缘信息总量,减轻了后续运算的压力。最后采用Hough变换对腐蚀后图像进行处理,以实现道路边界的精准定位。和未采用腐蚀运算而直接对初始边缘检测后图像进行Hough变换的效果相比,能精准、有效地提取出道路边界线,并且大大地提高了算法的实时性。     

Robust face detection using local gradient patterns and evidence accumulation

This paper proposes a novel face detection method using local gradient patterns (LGP), in which each bit of the LGP is assigned the value one if the neighboring gradient of a given pixel is greater than the average of eight neighboring gradients, and 0 otherwise. LGP representation is insensitive to global intensity variations like the other representations such as local binary patterns (LBP) and modified census transform (MCT), and to local intensity variations along the edge components. We show that LGP has a higher discriminant power than LBP in both the difference between face histogram and non-face histogram and the detection error based on the face/face distance and face/non-face distance. We also reduce the false positive detection error greatly by accumulating evidences from multi-scale detection results with negligible extra computation time. In experiments using the MIT+CMU and FDDB databases, the proposed LGP-based face detection followed by evidence accumulation method provides a face detection rate that is 5–27% better than those of existing methods, and reduces the number of false positives greatly.