基于改进的Canny算子与自适应阈值的边缘检测算法

传统的基于Canny算子的边缘检测算法存在不足,因此提出了一种基于自适应阈值的改进方法。由于传统的Canny算子方法中的高低阈值需要人工设定,会对边缘检测中的结果产生影响,利用自适应阈值的方法改进传统Canny算子中阈值的参数的设定。得到理论上适合的参数后,根据算法对结果进行处理。实验结果表明,改进后的算法比传统算法表现更加出色,而且有效排除了图像中噪点的影响,提高了边缘检测算法的鲁棒性。     

一种改进的Canny边缘检测AGT算法

使用Canny算子进行图像边缘检测。由于阈值参数手动输入,边缘检测效果受到影响,为此,提出一种自动生成阈值的算法:AGT(automatically generate threshold)算法。该算法根据图像自身灰度均值和方差均值信息,可实现Canny算子的高低阈值自动计算,使Canny算子不需输入阈值直接得到精确边缘。实验结果显示,该算法不仅能得到较好的边缘检测效果,并且有很强的自适应性。     

自适应Canny算子电池极片瑕疵边缘检测

瑕疵边缘是极片图像的最主要特征, 本文研究了Canny算子提取极片瑕疵的边缘特征,并针对传统Canny算子进行电池极片瑕疵边缘检测存在假边缘的同时还丢失了灰度变化缓慢的局部边缘问题,利用像素8邻域计算图像梯度,并根据图像边缘梯度特征信息,用二维最大熵来自适应确定Canny算子的高、低阈值.试验结果表明:自适应Canny算子是一种十分有效的方法,适合于计算机视觉的电池极片瑕疵检测过程.     

一种自适应的Canny边缘检测算法*

针对传统的Canny算子进行边缘检测时易丢失边缘细节的缺陷,提出了一种改进的Canny边缘检测算法。该算法采用自适应的滤波器对图像进行滤波,在滤除图像噪声的同时保留了更多的图像边缘信息;根据图像的灰度均值与方差均值自动计算Canny算子的高低阈值。实验结果表明,该算法在检测到更多边缘细节的同时也具有很强的自适应性。     

基于Canny算法的自适应边缘检测方法

针对传统Canny边缘检测算法自动化程度不高的缺点,提出一种自适应算法.改进的Canny算法通过尺度自适应调整的高斯滤波器对原始图像进行平滑滤波,保留边缘信息并去除噪声的影响.对经过非极大抑制后的图像梯度直方图采用最大类间方差方法对检测和连接边缘的高低阁值进行了自适应设定.理论和实验结果表明,改进的Canny算法简单易实现,满足了原算法的最优化准则,并且提供了边缘的自动化检测能力,得到了良好的检测结果.     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。     

Canny算子边缘检测的一种改进方法

传统Canny算子在高斯滤波方差和滞后阈值的选择上需要人工干预,不具备自适应能力。高斯滤波方差的大小选择会影响到去噪和边缘保持效果,用不同尺度的形态学滤波代替高斯滤波,不仅能降低噪声影响,而且可保持边缘强度和细节;滞后阈值的选择会影响到假边缘现象的强弱和真实边缘的连续性,引入Otsu阈值法并将其推广至直方图具有多峰特点的情况,算法可根据图像自身特点选取阈值,使检测出的边缘更加连续并减少假边缘的存在。     

一种改进的Canny边缘检测算法

针对噪声对图像边缘检测的影响,为抑制虚假边缘,提出了一种改进的Canny边缘检测算法。该算法首先采用分数阶差分方法来计算梯度,同时利用相邻像素的梯度及其梯度差两种信息来改进非极大值抑制过程,最后通过迭代计算的方法,自适应确定梯度图像的分割阈值。试验结果表明,改进算法的抗噪声性能与传统的Canny边缘检测算法相比有明显优势,提高了图像边缘检测的准确度。     

一种精确的自适应图像边缘提取方法

针对传统Canny算子需要人为指定参数和阈值等问题,提出一种自适应图像边缘提取方法。该方法使用改进的自适应中值滤波对图像去噪;用8点邻域梯度计算方法自适应计算滤波后图像梯度的幅值;根据图像的梯度信息特征,用梯度的熵和标准差自适应地调整高低阈值。实验结果表明,与传统Canny算子相比,该算法在滤除图像噪声、保留细节边缘和保持边缘连通性方面都获得了不错的效果,提高了边缘检测的自动化程度,更具有实用性。     

一种改进型Canny边缘检测算法

边缘检测是提取图像特征的首要条件。文章提出了一种改进型Canny边缘检测算法。首先在边缘梯度计算时,将二维滤波模板分解为两个一维滤波模板,实现并行处理,提高运算速度;引入双阈值法则同时保证图像中强边缘点和弱边缘点的提取,并基于非局部最大值抑制原理检测边缘点,大大提高了边缘检测的精度和准确度;最后采用形态学算子实现对检测边缘进行细化处理,实现了单像素级细化边缘提取。实验结果表明,该算法在保证实时性的同时,具有很好的检测精度和准确度。     

基于Prewitt理论的自适应边缘检测算法*

利用Prewitt基本原理定义了新的算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,不仅保留了原Prewitt算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Prewitt算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。通过实验比较,所提算法能够自适应地生成动态阈值,并在保持Prewitt算法具有抑制噪声性能优点的     

基于Fisher准则的自适应图像分割算法

为了克服基本遗传算法收敛性差、易早熟的问题,针对阈值分割算法的实时性和准确性的要求,基于Fisher评价函数较强的分类效果和遗传算法的强大空间搜索能力,提出了改进的自适应分割算法,引入Fisher评价准则函数作为适应度函数,运用自适应的遗传算法确定图像分割的阈值,实现二者的有效融合,获得了比较满意的结果。实验表明,通过与已有的算法进行比较,改进的算法在分割效果和寻优效率上,都有了显著的改善。证明该优化算法的正确可靠性。     

一种基于Canny算法的边缘提取改善方法

Canny算法作为一种优化的边缘检测算法，在用于检测图象的边缘时有着边缘上连续性等许多优良特性，在介绍Canny算法的基础上，通过对Canny算法进行改进，提出了一种基于动态阈值理论的边缘提取算法，该算法弥补了Canny算法在对非标准图像的模糊边缘进行检测时丢失边缘的不足，是一种具有实用价值的边缘检测算法。     

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。     

基于Canny算法的改进型图像边缘检测算法

Canny算子是基于最优化算法的边缘检测算子,它具有很好的信噪比和检测精度,但是它使用的高斯滤波方法会造成图像的平滑和边缘的模糊,并且对脉冲噪声很敏感。探讨对Canny边缘提取算子的改进方法,提出了将改进的开关中值滤波算法应用于Canny算法的思想,使之提取出的边缘更加完整,并且有很好的噪声抑制效果。     

软形态学算子在医学图像边缘检测中的应用研究

简要介绍了软数学形态学的基本原理及形态学在图像边缘检测中的应用.利用软数学形态学中基本算子构造了一种新的边缘检测器,并将其用于医学图像的边缘检测.仿真结果表明,该边缘检测器可以较好地去除噪声并同时进行边缘检测.     

基于模糊和遗传算法的路况图像边缘检测

在路况监测中,常常需要得到路况图像的边缘轮廓线,以便诊断路面的病害情况。为适应这种需求,提出了基于模糊和遗传算法的路况图像边缘检测算法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低灰度图像信息丢失、边缘检测速度较慢等问题,利用遗传和模糊算法的优点构造边缘检测算法。这种方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。算法检测出的图像边缘与传统模糊算法提取的图像边缘相比较,结果更加清晰完整。     

基于多尺度自适应加权的改进Canny算子

在Canny算法框架下,对彩色遥感图像进行多尺度滤波分析。定义多个不同尺度的高斯滤波器,在每个尺度下,分别对遥感图像RGB三个通道进行滤波和梯度计算,取三个通道的梯度最大值为该尺度下的遥感图像梯度值。根据各个尺度的滤波器对噪声的抑制能力及边缘定位能力的不同,自适应地确定相应的权值大小,然后再将这些不同尺度下检测到的梯度图像用自适应确定的权值进行加权合成最终的梯度图像。在此基础上,由非极大值抑制和双阈值处理得到图像边缘。实验结果表明,该算法比传统的Canny算子在噪声抑制和边缘定位方面具有更优的性能,适合彩色遥感图像的边缘检测。     

基于Canny边缘SURF特征的红外与可见光图像配准算法

利用多源传感器之间获取信息的互补性,克服单传感器的缺陷,从而提高系统整体性能指标的思想已经在军事、医疗、卫星等领域获得了广泛的应用。可见光和红外图像相融合也能提高视觉应用场景中对目标的探测能力,降低目标警报的虚警率和漏警率,提升准确率和工作效益。对于红外与可见光图像配准过程中受不同传感器图像成像原理不同,成像结果图像灰度差异大、特征难以匹配的问题,可以利用红外和可见光图像的共有特征即边缘轮廓特征,采用Canny边缘提取算法提取出图像最基本、稳定的特征,然后在边缘图中使用SURF特征检测算法进行特征点提取与匹配,最后采用RANSAC进行精准匹配。由于边缘在红外和可见光图像中都是比较稳定的特征,而且在边缘轮廓图中进行特征提取将极大减少计算量和提高匹配率,因而最终能够获得较为准确的红外、可见光图像的变换关系。     

一种基于边缘检测的局部阈值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法.该方法将整幅灰度图像分成小块,在每个小块中利用梯度算子对小块中的边界点进行检测,寻找出小块内的所有边界点;然后沿着这些边界点的梯度方向找出最临近的点,以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割.该算法计算复杂度较低,避开了灰度直方图阚值分割方法中“谷底”难以确定的问题,同时照顾到了图像的局部灰度特性.