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.     

水下图像边缘特征提取的BEMD自适应算法

针对应用二维经验模式分解算法进行水下图像边缘检测时需要人工设定检测阈值的问题,提出一种BEMD与ROC曲线分析相结合的自适应图像边缘检测新方法.首先通过BEMD算法将水下图像分解成多层内禀模式函数(IMF)分量图像,然后利用不同参数组合的Canny检测算子对IMF分量图像进行细化处理,生成各层IMF分量的二值化图像集,最后利用ROC曲线分析技术求得IMF分量图像的最佳检测阈值,从而确定了理想的BEMD边缘特征提取图.实验结果表明:该算法能够避免人工设置检测阈值带来的操作误差,可实现图像边缘特征提取检测阈值的自适应设定.水下图像处理实例验证了所提方法的正确性和有效性.     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

基于边界特征的图像二值化方法应用研究

边界特征是图像的重要信息，阈值是区分图像象素点的主要依据。研究了基于图像边界特征的二值化方法在齿轮图像处理中的应用，将最佳全局阈值法与局部阈值自适应法在边界特征的基础上融合起来，并引入最优边缘检测算子——Canny算子，对图像进行二值化处理，提高了图像的处理质量。     

自适应Canny算子边缘检测技术

采用Canny算子进行边缘检测时,梯度图像需要进行模非极大值抑制,然后求取双阈值提取边缘,但目前双阈值的求取无法避免人工设定的影响,试验表明,针对不同的图像采用相同的阈值,边缘检测效果差异很大.这一点限制了Canny算子在实际中的应用.针对这一问题,提出基于梯度幅度直方图和类内方差最小化自适应的确定高低阈值的方法,可针对不同的图像,实现双阈值的自适应提取,不需要人为设定任何参数,采用模糊控制技术提取边缘像素,实验结果证明了该算法的有效性.     

车道偏离实时预警系统的目标检测和识别

为解决各类道路环境车道线检测系统常用Hough算法计算量大,鲁棒性差和易受环境干扰等问题,文中通过选取图像感兴趣区域,采用时间模糊对图像增强,对边缘梯度图像进行分块阈值选取以及图像腐蚀,实现一种提取车道标示线中心线参数的改进的Hough算法.测试结果表明:在不同道路环境及复杂光照条件下设计的分层算法精确率能达到95.84%,每帧图像处理的时间大约为26ms,满足实时性要求,解决了Hough算法在车道线检测中存在环境干扰和冗余的计算造成的算法的运行效率低的问题.     

自动选取阈值方法比较研究

在数字图像处理中，阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域，近年来已有许多阈值化方法被提出。阈值选取是图象处理与分析问题的基础，如何才能正确地找到适当的阈值，是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法，通过计算机仿真对实验结果进行了比较研究。并在此基础上，提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是：首先，用微分算子检测图像的边缘。然后，在这些边缘象素点进行一值化阈值的自动选择；最后，对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明，这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征，并能处理低质量的图象。     

一种Sobel黑片图像亚像素边缘检测

提出一种基于Sobel和多项式插值法结合的改进的黑片图像亚像素边缘检测算法.算法在经典Sobel算法的基础上增加了两个方向模板,并使用对边缘梯度图像加上合理的权值和阈值的方法得到准确的单像素边缘.在单像素梯度边缘上进行有方向的多项式插值计算得到更精确的亚像素边缘定位.该方法的检测精度高,能够应用于黑片的在线检测.     

基于相位一致模型的边缘检测

边缘检测在图像处理和理解中占有重要地位,传统的边缘检测是基于梯度算子,而相位一致方法是基于傅里叶变换理论的一种图像特征检测方法.其原理是指图像特征总发生在相位的最大叠合处.通过计算局部能量,来度量其图像各个位置的相位一致值.利用log Gabor滤波器组实现相位一致模型.为了检验相位一致模型在边缘检测中的有效性,利用该方法对工业图像和遥感图像进行边缘检测实验,并将该方法与canny算子和sobel算子进行对比分析.结果表明相位一致方法可以有效地提取边缘特征.     

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。     

利用MATLAB进行数字图像的边缘检测

介绍了数字图像处理的主要研究领域及图像分割中的边缘检测方法即Sobel和 拉普拉斯算子法.介绍了MATLAB语言的主要特点;说明了Matlab语言适用于数字图像处理. 给出了相应程序及处理结果.说明采用拉普拉斯算子法的处理效果要优于Sobel算子法.     

基于特征图像方法的运动物体检测

在传统特征图像方法基础上,提出一种基于分块边缘特征图像的运动物体检测算法.该算法对背景图和叠加图进行分块处理,分别提取出背景图与叠加图的最大特征向量,求得背景图与叠加图的各块投影系数,进行运动物体的匹配检测.在实际处理时,采用了canny算子获取边缘图的方法来进行检测,以消除光照等外界干扰对检测的影响.     

基于CUDA的图像边缘检测方法

NVIDIA公司提出的CUDA技术通过并发执行多个线程以实现大规模快速计算的能力。在研究CUDA技术在数字图像处理领域应用的基础上,提出了一种基于NVIDIA CUDA的方法实现图像边缘检测,把CUDA技术的快速计算的能力应用到数字图像处理领域。从CUDA技术的概况的介绍出发,对基于NVIDIA CUDA的图像边缘检测方法以及该方法的详细实现过程进行了形式化的描述,解决了基于CPU的传统图像边缘检测方法运行效率低的问题。实验结果证明CUDA在数字图像处理的实际应用中卓有成效。     

基于MATLAB的数字图像的边缘检测

介绍了数字图像处理主要研究领域中边缘检测的方法,即拉普拉斯高斯算子和Canny算子.利用MatLab图像处理工具箱提供的图像处理函数,对图像进行边缘检测,给出了相应程序及处理结果.结果表明:拉普拉斯高斯算子和Canny算子检测边缘清晰且噪声小.     

一种改进的基于小波变换图像边缘检测

由于存在噪声,采用经典算子的方法,图像的边缘检测效果不好.本文首先介绍了经典的边缘检测.然后,针对上述算法的缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.鉴于此,提出改进的基于小波变换的边缘检测.通过实验结果的比较,证明了所用方法的有效性.     

一种基于边缘检测的跳频检测算法研究

提出了一种新的基于边缘检测的跳频检测方法,该方法把实际跳频信号的STFT(ShortTime Fourier Transform)时频谱图看作一幅图像,并根据实际信号特点为图像的边缘提取选择检测算子。检测实验结果表明此算法能够有效地去除跳频信号复杂的背景噪声和定频干扰,提高了跳频检测系统的鲁棒性。     

基于Riesz变换的图像边缘检测

针对传统边缘检测算法易受光线变化影响的问题,提出一种基于Riesz变换空间下的相位一致性边缘检测方法。用Riesz变换替代Hilbert变换对图像进行处理,通过Riesz变换的不同尺度因子构造计算相位一致性所需要的变换空间,根据相位一致性计算方法在新的Riesz变换空间获得特征图像;使用非极大值抑制检测出图像边缘信息;与传统相位一致特征提取方法、2DLog-Gabor变换以及Canny边缘提取算法对比实验。仿真实验结果说明,该边缘检测方法在不均匀关照条件下可用于图像的边缘特征提取,相比在Hilbert变换空间下的相位一致特征提取方法运算速度快,算法可行有效。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

基于运动图像序列的啤酒瓶凸性字符快速提取方法

运用基于动态图像序列的运动目标跟踪技术，结合图像边缘提取理论中的检测算子模板，提出了一种快速提取啤酒瓶凸性字符的方法：首先采用单个面阵CCD得到啤酒瓶字符的运动图像序列，然后利用背景在运动图像序列中的镜头突变性和出现的必然性，检测视频流中的背景帧，最后采用基于边缘检测的背景配准方法，得到运动图像和校正背景图像的差分图像，恢复出真正的运动物体(字符)．实验结果表明，该方法比现有的字符图像提取方法具有更好的抗噪性和实用性，加快了字符提取的速度，满足了在线检测的要求．