基于灰度共生矩阵的边缘检测方法

对传统的边缘检测算子进行了分析,指出了存在的不足;同时针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,通过将纹理分析的思想和传统的边缘检测算子相结合,提出了一种基于灰度共生矩阵的边缘检测新方法.该方法对图像进行纹理分析后自适应地选择模板,因此很好地保持了图像边缘的细节并且抑制了噪声.通过MATLAB仿真实现,结果表明由灰度共生矩阵产生纹理特征能有效地描述火焰的纹理特征,具有较好的鉴别能力.     

基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

局部傅里叶变换系数各阶矩的纹理鉴别性能分析

局部傅里叶变换（LFT）是一种重要的纹理特征提取方法.该文首先分析了LFT系数各阶矩的纹理鉴别性能,然后采用特征空间中由不同纹理形成的聚类之间的Fisher判据作为评价指标,研究了纹理特征的鉴别性能,并通过纹理分割实验来验证相关结论,从而使结论具有更高的可靠性.分析结果表明,纹理图像的LFT系数一般不服从正态分布,其偶数阶矩具有较好的纹理鉴别性能,而奇数阶矩的纹理鉴别性能则较差,由于以LFT系数的2、4、6阶矩作为纹理特征,其纹理鉴别性能和分割结果优于Yu Hui和Haralick提出的纹理特征,因此,建议选用LFT系数的各偶数阶矩作为纹理特征.     

基于频率谱处理的瓷砖纹理分类方法

针对瓷砖在线分类检测中,一些瓷砖品种的纹理难以定量化描述,且种间色差、亮度差难以区分的问题,提出一种基于频率谱处理的瓷砖纹理分类方法。首先采用基于高斯滤波的方法增强纹理并消除低幅值噪声,从而加强了对低质量图像的适应性。然后通过离散傅里叶变换得到频率谱图像,去除直流分量和高频成分后既可以突出纹理信息又抑制了高频噪声的影响。最后与预设模板库比较,采用图像匹配法计算距离,利用最小距离分类法实现分类,满足对各种纹理瓷砖的适应性以及在线分类快速性要求。实验结果表明,该方法对不同的瓷砖样本区分度高,对同类样本鲁棒性好,分类准确率高,在瓷砖在线分类检测中具有较高的实用价值。     

周期纹理背景中的表面缺陷检测技术

基于机器视觉原理的自动光学表面缺陷检测技术是当今工业生产中在线检测表面缺陷的一种新的技术方法,是精密制造与组装工业过程中保证零部件表面质量的重要检测手段.以液晶面板TFT阵列表面缺陷自动光学检测为例,介绍了表面缺陷自动光学检测的基本组成原理,阐述了周期纹理背景表面上的表面缺陷检测方法、缺陷信息处理的基本过程与实用算法.针对表面缺陷检测图像处理技术难题,详细论述了表面缺陷扫描图像中的周期纹理背景傅里叶变换频域滤波方法、缺陷分割双阈值统计控制法,并用实验结果给出了例证.     

基于傅里叶变换的随机纹理瓷砖的高精度表面缺陷检测

针对经典缺陷检测算法不能很好地提取随机纹理瓷砖图像的缺陷的问题,提出一种基于傅里叶变换的随机纹理瓷砖表面缺陷高精度检测方法。在此基础上,完成了瓷砖表面缺陷检测硬件系统设计。对采集的瓷砖图像,首先利用傅里叶变换得到频率谱图像,然后研究截止频率参数对滤波的影响,设计最优化滤波器进行滤波,再通过傅里叶逆变换获得重构图像,达到抑制背景纹理信息,加强缺陷区域信息的目的,最后通过阈值化和形态学操作获得缺陷区域。实验结果表明: 本方法对不同的随机纹理瓷砖样本进行缺陷检测的准确率高,在瓷砖缺陷检测中具有较高的实用价值。     

基于小波变换的织物纹理方向检测方法

织物组织结构及参数的正确识别与分析是一项费时而又重要的工作。该文提出了一种运用图像处理技术检测织物纹理方向和识别织物组织的新方法。把小波变换对织物图像信号良好的分解性能与Radon变换对纹理直线的检测特性结合,运用于织物纹理方向的检测分析及织物组织识别中。实验表明该方法能较准确地测定纹理方向等结构参数,检测结果为正确推断与识别织物所属的基本组织类型提供有效依据。     

基于概率纹理模型的纹理分割方法分析

基于最优小波包基的纹理自适应概率模型通过优选小波包基来区分不同纹理,具有纹理描述更准确的优点。研究基于纹理自适应描述的邻域分割法,通过实验分析了纹理概率模型和邻域分割法对分割效果影响的主次关系。实验结果表明邻域分割法是分割取得好效果（分割错误率低于1．34％）的主要影响因素,概率模型对分割效果的作用是次要因素。这一结论的得出将有利于对该方法的改进。     

基于边缘检测的超分辨率重构方法

采用凸集投影法重构的高分辨率图像中常出现边缘质量下降的现象。针对该问题,提出一种超分辨率重构方法,引入傅里叶变换配准方法解决图像获取过程中的位移偏差,通过Laplace算子进行边缘检测以消除边缘震荡。实验结果证明,采用基于边缘检测的超分辨率重构方法能获取质量较高的图像。     

基于特征匹配要求的纹理边缘检测

为了更精确地进行机器人双目视觉中的特征匹配,需要获得数字图像中丰富而精确的纹理与边缘信息。为此提出了一种新的基于稳态小波变换（SWT）的多尺度纹理边缘检测算法。利用稳态小波变换（SWT）的平移不变性来精确捕获奇异点,在多尺度上通过小波参数的梯度变化检测纹理边缘,而后进行多尺度融合并运用形态学方法得到单像素宽度、精确的纹理边缘二值图。通过对比实验结果表明,相对于经典的边缘检测算法,该算法在抗噪声能力,物体表面纹理的丰富度以及边缘定位的准确性上有很大的提升,并满足特征匹配的需求。     

基于图像纹理自适应的边缘检测算法

通过对图像进行Fourier分析,获取能够表达图像纹理的能量谱,进而定义能量谱的环特征和楔特征.环特征可以描述纹理的粗细,楔特征可以描述纹理的方向,以这两个特征值作为边缘检测模板选择的依据,使边缘检测具有纹理自适应能力.实验表明,该算法边缘检测精确,抗干扰能力强.     

基于特征尺度及多尺度分解的纹理分割

在计算机视觉领域，纹理识别及分割是图像低层次处理中一个重要的问题。文章依据视觉信息处理的生理学理论，提出了一种新的纹理分析算法。该算法通过搜寻纹理图像的特征尺度并配合连续整数尺度滤波上的特征尺度统计对纹理进行分层分析。并基于特征尺度上的分层分析提出一种纹理分割算法。实验结果证明了该算法的有效性。     

基于Canny 算子的大米边缘检测

为解决传统边缘检测算法对大米图像边缘检测精度低以及对噪声敏感的问题,提出一种改进的Canny边缘检测算法。该方法首先采用非线性扩散滤波减少图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制噪声的影响;最后采用最大类间方差法选取阈值,从而提高对不同图像的自适应性。通过对实验图像的分析表明,本文的改进算法运用到大米图像边缘提取中效果显著,满足大米质量检测和分级的要求。     

Optimizing Gabor Filter Design for Texture Edge Detection and Classification

An effective and efficient texture analysis method, based on a new criterion for designing Gabor filter sets, is proposed. The commonly used filter sets are usually designed for optimal signal representation. We propose here an alternative criterion for designing the filter set. We consider a set of filters and its response to pairs of harmonic signals. Two signals are considered separable if the corresponding two sets of vector responses are disjoint in at least one of the components. We propose an algorithm for deriving the set of Gabor filters that maximizes the fraction of separable harmonic signal pairs in a given frequency range. The resulting filters differ significantly from the traditional ones. We test these maximal harmonic discrimination (MHD) filters in several texture analysis tasks: clustering, recognition, and edge detection. It turns out that the proposed filters perform much better than the traditional ones in these tasks. They can achieve performance similar to that of state-of-the-art, distribution based (texton) methods, while being simpler and more computationally efficient.     

利用小波变换和FCM算法进行多特征纹理分割

提出了一种基于小波变换和模糊C均值（FCM）算法的两阶段纹理分割方法,各阶段采用不同的纹理特征。而且该特征结合了像素的空域和频域信息。实验表明该方法在分割错误率、边缘准确性及区域一致性方面均有较明显的改善,同时也有较高的分割效率。     

经典边缘检测的快速算法

边缘检测是图像处理的重要步骤，在许多实际应用中检测速度是至关重要的。本文在分析传统经典边缘检测算子内在结构的基础上，提出了一种有效的快速算法，实验表明随着图像尺寸的增大，该算法可比经典计算方法快10倍以上。     

改进的Canny边缘检测算法

Canny算子是一种含有最优化思想的算子,具有较高的检测精度,所以被广泛地应用;因为它本身对噪声比较敏感,所以需要利用Gauss函数进行去噪。分析了原判断非极大值抑制条件存在的问题,提出了新的判断非极大值抑制的条件,设计了新的梯度检测算子,该梯度检测算子可以有效地抑制噪声。数据分析和实验结果说明了所提算法的有效性。     

一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。     

图像边缘提取方法及展望

该文对现有代表性的各种图像边缘提取方法进行了介绍,对比、分析了各自的优缺点,重点对以小波变换为代表的现代信号处理技术提取图像边缘的方法进行了分析和阐述,为了更清楚地看出各种算法的效果,给出了一些常用算法对同一幅标准测试图像Lena进行边缘提取的实验结果。最后,对图像边缘提取技术所面临的问题和发展方向阐述了自己的观点。     

四元数与彩色图像边缘检测

本文将彩色图像像素的R、G、B分量作为彩色空间矢量的三个分量,利用矢量场通量以及四元数关于矢量旋转的相关知识,得到两种彩色图像边缘检测方法。基于矢量场通量最大的检测算法,较传统的利用Sobel算子的方法能更全面地提取图像的边缘细节,并且针对不同的图像具有很强的自适应效果;基于四元数的检测算法,利用四元数对矢量旋转的方便表示,提出一种全新的彩色边缘检测方法。实验结果表明,本文提出的两种方法针对彩色图像的边缘检测具有较好的效果,特别是四元数矢量旋转方法,能够提取很多传统的灰度化方法所不能提取的图像纹理细节。