基于NURBS曲面拟合的图像边缘检测方法

提出了一种利用NURBS曲面氦事进行图像边缘检测的新方法。与Haralick对称区域下多项式曲面小片拟合方法不同,NURBS曲面拟合克服了Haralick方法对图像区域划分和灰度平均的限制,且不再需要窗口区域对称。利用NURBS曲面拟合构造简单、算法灵活、易于控制的特性,提高了曲面小片构成的灵活性与边缘检测的精度及计算效率。本文给出了NURBS曲面拟合基本小面构成、拼接及求导方法,并以一个真实图像进行了实验验证,结果证明,该方法稳定可靠,精度较高。     

图像分割中的阈值选取方法

分析了几种基于不同准则选取阈值的方法，着重讨论了模糊阈值法的特点和不足，提出了改进算法。最后，通过实验结果验证了算法的有效性。     

基于HVS函数的图像边缘检测方法

针时传统边缘检测方法(gauss-laplace、kirsch、robert等)的不足，提出了基于HVS(human visual lsystem)函数的边缘检测方法．根据HVS函数的特点，对频域中HVS函数进行反傅立叶变换，将空间域中该函数的部分函数值作为特定的模板参数，并与原图像进行卷积来实现边缘检测．时比性实验结果表明，用该方法检测边缘精确度高，效果很好，尤其丢失的边缘细节信息很少。     

边缘检测梯度法的小波实现

图像的边缘表现为图像上的不连续性,边缘检测就是检测图像上的不连续点或陡变点,本文根据Ｍａｌｌａｔ多尺度边缘检测原理,提出了一种图像的边缘检测的新算法,与Ｍａｌｌａｔ的多尺度边缘检测算法相比,这个算法具有计算量小的优点,文中给出了应用这个算法对图像进行边缘提取的实例。     

基于梯度的自适应边缘检测算法研究

对常见的边缘检测算法进行改进,基于梯度提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边界点像素灰度值的差异,分析模版中的9个像素,计算出像素的梯度幅度和梯度方向;按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于视觉自适应闯值的灰度图像边缘检测算法

提出了一种灰度图像的边缘检测算法。该算法利用基于视觉模型的阈值选择策略来选择灰度图中有可能处在边缘上的像素点，然后根据边缘上各点的分布关系提取图像边缘，去除噪音。     

图像小波边缘提取中阈值选取的一种自适应方法

文中对Ｍａｌｌａｔ的多尺度小波变换级提取算法中阈值的取了作了改进,提出了对整幅图像设置链平均幅度阈值的下限和锭长度阈值后,再采用矩形自适应法选取链平均幅度阈值来对局部有大值进行删取,在不同尺度上提取图像边缘,而后综合形成图像真正的边缘,实验表明,这种对链平均幅度阈值设定下限再采用矩阵选取阈值的方法,是一种更加有效的边缘提取方法。     

基于小波分析的边缘检测

中主要讲述了小波分析和边缘检测的基本理论，以及小波分析在边缘检测中的应用，力图反映出小波理论在边缘检测中的特点。     

基于Canny准则的公路路面图像边缘检测算法

基于Canny准则的算法在数字图像处理中被广泛应用。本文详细阐明Canny准则以及基于Canny准则的算法。在此基础上，结合阈值选择算法对原有算法加以改进，应用于公路路面图像的边缘检测中，取得了良好的效果。     

一种基于小波和模糊逻辑的图像边缘检测方法

提出一种基于小波和模糊逻辑的图像边缘检测方法。基于图像高频分量和低频分量的特点,对细节信息和平均信息分别用二进小波变换和模糊逻辑进行边缘检测,再用逻辑运算合成边缘图像。实验结果表明,该算法能有效解决图像边缘的有效检出与精确定位之间的矛盾,具有很好的互补性,检测效果优于经典的Canny和Mallat等算法。     

基于Soft形态学的图像去噪边缘检测

基于形态学的图像处理效果取决于运算性质和结构元素,为了能够更好地抑制图像的噪声并且提取 边缘信息,提出了一种基于柔性形态学的图像去噪和边缘检测方法。该方法使用多结构元复合滤波与双梯度多路 合成相结合,柔性的多结构元复合滤波能够有效去除图像噪声,双梯度多路合成可以提高图像边缘的检出率,不仅 抑制图像的噪声,而且提取出的图像边缘更清晰完整。实验结果表明,该方法在抑制噪声和边缘检测方面要比传统 算法有较好的效果。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

基于小波分析边缘检测技术研究

边缘检测是图像分割的基础,小波分析技术可以进行图像的边缘检测。本文提出利用模极大值与自适应阈值相结合的算法进行图像的边缘检测,并仿真得到边缘检测图像。与传统的方法比较,本文采用的方法效果较好,能够检测较弱的图像边缘。     

一种基于RGB与HIS颜色空间模型的火焰尺寸检测方法研究

现有的火焰尺寸检测方法具有误检率高、易受日照条件影响以及对具有复杂背景的火焰区域分割保留疑似火焰区域的缺点。为了改进现有的检测方法,提出了一种基于RGB颜色空间与HIS颜色空间模式相结合的火焰尺寸检测方法,将两种颜色空间火焰特征结合,定义新的火焰判断约束条件,并根据RGB颜色分量值之间的比值来消除光照影响。对不同背景下火焰图像进行检测的结果表明,所提出的检测方法可以有效测量火焰尺寸。     

基于灰预测模型的图像边缘检测新方法研究

图像的边缘是图像特征提取与分析理解的基础,其检测质量直接决定后期理解的效果。为了更有效地检测出图像边缘信息,提出了一种基于灰色预测模型的图像边缘检测新方法。该方法向GM(1,1)求解模型的指数中加入了一个调整参数p,通过选择象素周围不同方向的象素数据点以及2次调整参数p的取值对图像进行预测处理,从而得到1幅轮廓增强和1幅未增强的预测图像,将这2幅图像做差,便获得了1幅图像的边缘位置信息。使用改进后的方法对1组图像进行了预测处理,其结果表明,该算法能够有效地检测出图像的边缘信息,并且图像的细节部分也能够清楚地获得,说明是一种有效的图像边缘检测新算法,同时为灰色理论应用于图像边缘检测进行了尝试与探讨。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

一种基于改进Pal.King算子的AVI视频边缘检测研究

本文全面分析了Pal.King模糊边缘检测算法存在的缺陷,提出了一种新的改进型Pal.King模糊边缘检测算法,并将其应用到AVI视频边缘检测。该算法针对Pal.King算法中对隶属度阈值的设置存在的不足,通过重新定义模糊隶属度函数,反复实验,确定了各参数的最佳值。仿真结果比较显示,改进后的算子复杂度得到降低,效率得以显著提高,边缘检测效果更佳。