灰度图像的自适应边缘检测

提出利用灰度图像的均方差直方图实现自适应多尺度高斯滤波,实现在去噪的同时保留图像边缘特征,并通过灰度图像梯度特征信息,自适应生成动态阈值,对边缘进行自动检测,克服了传统Canny算子参数需要人为设定的不足。实验结果表明,与传统Canny算子相比,该方法可有效保留边缘信息,更具实用性。     

一种基于Canny理论的自适应边缘检测方法

基于Canny算子，提出了一种Canny自适应的边缘检测方法。Canny自适应算法在保持了Canny算子原有的定位准确，单边响应和信噪比高等优点的基础上，提高了Canny算子在提取图像边缘细节信息和抑制假边缘噪声方面的性能。Canny自适应算法将整幅图像分割为若干子图像，并根据各子图像的边缘梯度信息，结合全局边缘梯度特征信息自适应地生成动态阈值，提高了边缘检测的自动化程度，在实际的应用中获得了很好的效果。通过数学分析和试验结果证明了Canny自适应算法是一种有效的边缘检测改善方法。     

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。     

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.     

一种改进的Canny边缘检测算法

边缘检测是计算机视觉中的研究热点,Canny算法是其中较为典型的算法。本文分析了传统Canny边缘检测算法的原理,针对传统Canny算法在非极大值抑制和高低阈值选取部分做了一定的改进。将像素的八邻域分为4个象限结合线性插值提高了边缘检测的精度;利用梯度直方图选取高低阈值,提高了算法的自适应性。实验表明该方法提高了Canny算子的边缘定位精度,也使算法具有了一定的自适应性。     

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。     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

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。     

边缘检测在金刚石评测系统中的应用

本文着重分析了Canny算法原理,结合动态阈值改进了Canny算法,并运用在金刚石评测系统中。该系统可以自动测量出钻石的粒径,通过粒径来描述工业钻石的大小等特性参数,为简单、快速及正确地决定钻石品质的等级提供可靠依据。     

内积能量与边缘检测

提出了一种新型的边缘检测算子--基于内积能量的边缘检测算子.在基于内积能量的边缘榆测算子中,内积能量在增强图像边缘的同时能够有效地抑制图像中的噪声和细节,因而它能较好地解决传统边缘检测算子的噪音抑制和边缘定位精度之间的矛盾.实验结果表明:与经典的Canny边缘检测算子相比,在具有相当边缘定位精度的条件下,基于内积能量的边缘检测算子对图像噪音和细节具有更强的抑制能力.此外,它还具有对参数调节不敏感的优良性质.     

基于SoPC的实时边缘检测系统研究

一种基于SoPC嵌入式单片解决方案的实时边缘检测系统,利用FPGA片上逻辑资源实现了对640×512大小的动态8 bit灰度图像的实时边缘检测运算,并利用片内NiosⅡ处理器对系统进行控制。分析了系统组成、工作原理、性能数据处理算法及实现过程。     

嵌入式实时Canny边缘检测

基于传统Canny算子,提出CY68013+FPGA的嵌入式硬件架构下的快速实时边缘检测算法。主机通过CY68013 USB接口芯片高速传输图像数据,FGPA从USB口采集图像信息,并使用优化的Canny算法实现边缘提取。该算法针对FPGA的特点进行了优化,包括用模板替代卷积、适当的近似变换、充分利用FPGA的并行特性等,在保持了Canny算子原有的定位准确、单边响应和信噪比高等优点的基础上,提高了边缘提取的计算速度,减小了计算延迟,提高了实时性。     

基于FPGA的自适应阈值边缘检测系统设计

针对传统的Canny边缘检测算法的阈值需要人为外部设定并且实时性差等问题,提出了一种改进的利用中值滤波算法结合加权平均的方法选取阈值。利用现场可编程门阵列(FPGA)高速并行处理数据的特点,设计了基于FPGA实时图像边缘检测系统,包括视频图像采集、图像处理和图像显示三大模块。实验结果验证了自适应阈值边缘检测算法的有效性,同时满足了实时性的要求。     

An FPGA implementation for real-time edge detection

The Hessian matrix-based edge detection algorithm of Dr. Carsten Steger has the advantages of high accuracy and versatility. However, this algorithm has a complex and time-consuming computation process. Large-scale Gaussian convolution also employs a large number of multipliers when implemented on a field programmable gate array (FPGA). To address these problems, an FPGA implementation for Steger’s edge detection algorithm is proposed. This implementation employs pipeline and parallel architectures at both task and data levels for data stream processing. The original kernels of Gaussian convolution are simplified with box-filter to convert the multiplication operation in the convolution into addition, subtraction, or shift operations with the concept of integral image, thereby minimizing the multiplier resources. The proposed FPGA implementation demonstrates a favorable accuracy and anti-noise capability when dealing with different degrees of blur and noise in an image. Therefore, the FPGA implementation can satisfy real-time edge detection requirements.     

Linux下实时文件系统的设计

Linux下常见的十余种文件系统的实时性都不理想。针对归档存储数据的特点,提出一种实时文件系统设计方案,并且设计了一种按照时间点检索的检索算法。文件系统的设计以减少读写文件时的不确定延迟为目的,主要减少写时寻道时间,简化索引机制,简化空闲磁盘块管理。     

一种新的自适应实时活动音频检测算法

针对音频评价系统中信号同步处理对算法准确度、复杂度、实时性等要求,提出一种简单、有效、实时的活动音频检测方法。该方法基于音频短时能量特征,通过能量均值和均方差分层逐步调整,动态设定判决门限,通过倒置非活动音频段,快速区分活动音频和非活动音频。提出的方法在低信噪比环境下也能实时地检测出活动音频。     

基于CNN的分块自适应彩色图像边缘检测的研究*

利用细胞神经网络(CNN)模型对彩色图像边缘检测时,首先要解决彩色空间的选择以及颜色距离的计算问题,其次网络参数的选择也是一个重要问题。为了达到在确保边缘检测准确的同时有效抑制噪声的目的,对整幅图像进行分块自适应检测,采用熵来度量图像的各个子区域的不同性质,然后根据该区域的性质选择一组合适的网络参数,对提取该区域图像边缘的CNN 模板进行了理论分析和鲁棒性研究,提出一个设计符合相应功能要求的CNN 鲁棒性定理,它为设计相应的 CNN 模板参数提供了解析判据。仿真实验表明,该算法具有较好的健壮性。     

CARRADS: Cross layer based adaptive real-time routing attack detection system for MANETS

Routing behavior in ad hoc networks is highly transient. Thus, dynamically adapting the routing attack detection system at real-time to new attacks and changing network conditions is critical in ad hoc networks. Conventional incremental learning methods are computationally expensive for resource-constrained nodes in ad hoc networks. In this paper, we propose CARRADS, a computationally efficient methodology for adapting the intrusion detection model at real-time. The adaptation process consists of two major stages. In the first stage, the main task is to identify occurrence of new patterns in the routing control traffic and prioritize them based on their information content. The second stage of adaptation is to incrementally update the detection model using the new patterns with minimum computational overhead. CARRADS uses SVM algorithm for its superior detection abilities. However, using some innovative techniques the computational overhead of incremental update is reduced by a factor of 20 to 30 times at the cost of a negligible decrease in detection accuracy. This makes CARRADS a viable approach for real-time IDS in ad hoc networks.     

自适应权重形态学边缘检测算法仿真研究

提出了一种自适应权重的多刻度形态学边缘检测算法。该算法首先在同一尺度下用多个结构元素分别进行边缘检测,并得到该尺度下的边缘图像,利用形态学结构元素“探针”原理和不同尺度结构元素抗噪性能来确定加权值的大小,然后对不同尺度下的边缘图像进行加权求和,再经过二值化、去噪等处理,得到最后的边缘检测结果。仿真结果表明,该方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整。     

基于自适应边缘检测的小波包图像去噪

为了在滤除图像噪声的同时能很好地保持图像的细节，提出了一种基于自适应边缘检测的小渡包图像去噪方法，先用自适应滤波多尺度边缘检测方法检测出图像的边缘，小波包去噪时就可选用全局闽值而不必担心损害图像的边缘特征。实验结果表明，谊方法不但可以保持图像的边缘信息，而且能够提高去噪后图像的信噪比。