基于零交叉的噪声图像边缘检测

由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中变得比较困难。传统的边缘检测算法对于信号中的噪声比较敏感,使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法。在文献[1]算子的基础上先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明,该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。     

基于噪声检测的遥感图像模糊滤波

提出了一种基于噪声检测的遥感图像模糊滤波方法。该方法首先用一个噪声检测标准将输入图像的像元分为为噪声像元和信号像元,然后,利用模糊数学的相关理论对噪声像元进行处理,并把处理结果赋给输出图像的对应像元;而对于信号像元,则不进行处理,直接把它的值赋给输出图像的对立像元。另外,在图像处理过程中,把输入图像的噪声像元用其处理结果代替,以更好地改善图像滤波处理结果。实验结果表明本文的方法能有效地去除图像中的椒盐噪声。     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

噪声图像边缘检测方法的研究*

对图像中常见的高斯噪声和椒盐噪声的特性进行了分析,对含有这两种噪声的数字图像的边缘检测方法进行了研究,尤其对基于顺序形态学的噪声图像边缘检测方法进行了深入的分析研究,基于顺序形态学理论提出了针对分别含有高斯噪声和椒盐噪声的图像边缘检测方法。通过仿真验证表明,对于含有以上两种噪声的图像,提出的方法不仅能够去除噪声而且能够提取出准确清晰的边缘。     

一种基于粗糙集的脉冲噪声图像边缘检测算法

研究并提出了一种图像边缘检测算法,对被脉冲噪声污染的图像进行预处理,从而便于图像的分析、理解等后续操作。与一般算法不同,该算法从图像的边缘特性入手来解决边缘检测问题,以由特性决定的一系列边缘点的约束条件作为算法基础,并用粗糙集理论解决了这些条件的相关问题,进而建立了整个边缘检测算法。计算机仿真表明,本文的算法能够有效地从含噪图像中提取边缘信息,较好地克服了传统算法对噪声的敏感性问题。     

基于模糊理论的图像边缘检测

讨论了模糊理论在边缘检测中的应用,并给出了一种基于模糊理论的改进方法。实验结果表明,该算法不需要加额外的滤波器或图像降噪预处理,在抗噪性能方面明显优于其它方法。     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

基于联系度态势的图像边缘检测算法

为了使提取的目标边缘精确、连续、清晰以及具有抗噪声干扰能力,这里给出了一种新的基于联系度态势的边缘检测算法.该算法是以Sobel算子为基础,先对图像进行灰度变换,然后运用联系度态势中的同一度和对立度之间的趋势关系,对图像目标实现边缘检测.实验结果表明,该算法不仅计算速度快,而且检测的目标边缘准确、清晰,且对噪声的抑制能力强.     

基于直觉模糊的ISODATA算法

ISODATA算法能自动地进行类的分裂和合并,但这种硬分类算法没有充分考虑图像本身的特点和人类的视觉特性,其分类效果一般差于模糊聚类算法。而大多数模糊识别方法都需要设置类别数目,有其自身的缺点,而直觉模糊则弥补了传统模糊理论不足。结合直觉模糊和ISODATA优点,将与隶属度和非隶属度相关的判定函数作为分类度量,提出了一种基于直觉模糊的ISODATA算法,结合实际改进了隶属度函数,以区域为待分类样本以提高算法速度,将其应用到图像分割,经实验证明了算法的有效性。     

基于粗集理论的含噪图像边缘检测

文章提出了一种基于粗糙集的图像边缘检测算法。首先，利用粗集理论将一幅图像划分为不同的子图，然后对子图分别去噪，再将两个去噪子图叠加得到最终去噪图像，最后，利用边缘条件属性对去噪图像做边缘检测。实验结果表明，该方法能满足对噪声图像进行边缘检测的要求。     

迭代直觉模糊K-modes算法

直觉模糊K-modes(IFKM)算法在聚类过程中采用简单0-1匹配相似性度量,既无法有效刻画类内数据对象之间的相似性,也未体现不同属性在聚类过程中的贡献程度;此外,IFKM算法在聚类的每一次迭代中直接根据直觉模糊隶属度矩阵来确定数据对象所属类别,没有充分发挥直觉模糊思想的作用.为了解决这两个问题,提出一种迭代IFKM...     

基于对比平均法的IFS非隶属度函数确定方法

针对直觉模糊集（IFS）非隶属度函数难以确定的问题,提出一种基于对比平均法的IFS非隶属度函数确定方法,给出了详细的算法步骤,并从理论上证明了其正确性。最后,通过实例分析从应用上验证了算法的有效性与实用性。研究表明,该算法可有效地解决元素依属性具有先后顺序特性的一类IFS非隶属度函数确定方法的问题。     

基于直觉模糊包含度的聚类有效性分析

针对直觉模糊集合数据的聚类有效性问题,提出了一种基于直觉模糊包含度的聚类有效性分析方法。该方法采用直觉模糊包含度和直觉模糊划分熵来评价直觉模糊聚类的有效性。其中,直觉模糊包含度通过增加非隶属度参数对模糊包含度进行直觉化扩展,用于评价类与类间包含的程度;而直觉模糊划分熵用于检验分类结果的可靠性。最后通过典型实例验证了该方法的有效性。     

基于优先关系定序法的IFS非隶属度函数确定方法

针对直觉模糊集（IFS）非隶属度函数难以确定的问题,提出一种基于优先关系定序法的IFS非隶属度函数确定方法,给出了详细的算法步骤,从理论上证明了该算法的正确性,并分析了算法的时间复杂度与适用范围。最后,通过实例分析从应用上验证了算法的有效性与实用性。研究表明,该算法可有效地解决具有依多属性确定优先次序特性的一类IFS非隶属度函数确定方法的问题。     

新的噪声污染灰度图像边缘检测统计方法*

针对传统算子进行边缘检测时易丢失边缘信息和在非边缘处增强噪声的缺陷,提出一种基于非参数变点统计分析的噪声图像边缘检测方法,该统计方法不但不需要图像数字特征的任何先验信息,而且对噪声污染的图像不作任何滤波处理.实验结果表明,提出的算法优于Sobel算子,并能抑制信噪较低的高斯噪声和密度较高的椒盐噪声对分割结果的影响,是一种有效的噪声污染灰度图像边缘检测方法.     

运用边缘方向直方图进行图像拷贝检测

基于内容的图像拷贝检测已经成为图像版权保护的重要手段之一。提出一种基于图像边缘直方图的拷贝检测方法：采用小波模极大值算法提取源图像和待认证图像边缘,然后结合边缘点梯度主方向重新计算其区域点的梯度方向并生成直方图,最后根据源图像与待认证图像所得边缘直方图间的相似性检测待认证图像是否为源图像的拷贝。实验表明：这种图像拷贝检测方法可有效检测出拷贝图像,并可容忍由缩放、旋转、噪声等操作引起的失真。     

新的噪声污染灰度图像边缘检测方法

传统的图像边缘检测方法由于引入了各种微分运算,因此用于噪声图像边缘检测时对噪声极度敏感。针对这一问题,提出了一种基于独立分量分析技术的噪声图像边缘检测方法,该算法通过计算数据之间的高阶统计信息,提取特征模板,然后将被高斯噪声污染的灰度图像与这些模板逐个匹配,提取出边缘成分。实验结果表明,基于独立分量分析技术的模板匹配方法自适应强,复杂度低,是一种有效的高斯噪声污染灰度图像边缘检测方法。