基于Sobel的多方向算子模板边缘检测算法

针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。     

一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。     

基于均值梯度的脉冲噪声图像边缘检测算法

为了有效地检测出受脉冲噪声污染图像的边缘,提出了一种基于均值梯度的图像边缘检测算法。算法将检测窗口根据水平和垂直方向分成上、下、左、右4个不同区域,先计算每个区域内非噪声点的平均灰度值,然后利用这些值的差分计算图像梯度,得出梯度图像,最后对梯度图像采用了改进的非极大值抑制方法对梯度图像进行细化并提取边缘。实验结果表明,该算法能够较好地检测出受较高密度脉冲噪声干扰的图像边缘,而且边缘较细,效果明显优于传统Sobel算法,具有较强的实用性。     

基于改进的形态学灰度图像边缘检测算法

针对传统形态学在边缘检测算法上存在的检测边缘错位、较粗等缺点,在传统形态学的基础上,提出了一种具有方向估计性的梯度算子。该算法通过改进的梯度算子及多结构元素模式来获取梯度方向,并沿边缘梯度方向进行非极大值抑制,以此细化边缘宽度,最终获取图像边缘。实验结果表明,相对传统形态学边缘检测算法,该算法具有更精细的检测结果与较强的抗噪能力。     

基于梯度掩模滤波的边缘细化算法

现有的基于卷积神经网络的边缘检测算法,通常可以给出图像中每个像素为边缘的概率,即边缘概率图.针对边缘概率图细化后边缘存在丢失、间断等问题,提出一种基于梯度掩模滤波的边缘细化算法.为了获得高梯度掩模和低梯度掩模,引入基于Canny边缘检测算法的双阈值方法.对于高梯度掩模滤波后的边缘概率图进行增强,并对低梯度掩膜滤波后的边...     

基于Canny算子的红外影像边缘检测算法

针对传统Canny算子在提取红外影像边缘时会出现毛刺、不光滑等现象,提出一种增强边缘细节的红外影像边缘检测方法。在Canny算子基础上,用主成分分析得到的主算子代替Sobel算子,同时用基于二阶偏导的非极大值抑制方法进行边缘细化,最后由“参考白”方法设置阈值提取最终边缘。经MATLAB仿真表明,相比Canny算子,所提方法能够提取更加平滑的边缘,尤其对弧形边缘。     

基于自适应滤波的单像素宽形态学边缘检测

为了进一步提高边缘检测算法的抗噪性和定位精度,提出了一种基于自适应滤波的单像素宽形态学边缘检测算法。首先,分别对图像进行中值滤波和加权均值滤波,并通过自适应调整中值滤波结果和加权均值滤波结果所占的权重抑制脉冲噪声和高斯噪声。然后根据不同取向的结构元素可以有效地检测出不同走向的边缘细节这一特性,定义了一种具有方向估计的形态学梯度,并利用其检测图像的边缘,最后沿梯度方向进行非极大值抑制以获取单像素宽边缘。实验结果表明,本文算法不仅能够准确地检测图像边缘,而且具有较好的抗噪性能,处理速度也较快。      

基于改进sobel模板的灰色关联分析边缘检测算法

针对经典Sobel模板梯度方向信息不充分和抗噪能力较差的缺点,对其进行改进,并结合灰色关联分析方法,提出一种基于改进Sobel模板的灰色关联分析边缘检测新算法。该方法将经典的Sobel模板从2个方向的3×3阶的规则矩阵扩展成4个方向的不规则矩阵,利用改进的Sobel模板作为参考序列,通过灰色系统理论中的灰色关联分析进行边缘检测。实验结果表明该方法可以获得很好的边缘特性,并具有较强的抗噪能力。     

基于模板边缘的自适应角点检测算法研究与应用

原有算法在检测角点过程中的聚类效果不明显,导致检测后的图像角点个数与实际所需不符,存在伪角点和漏角点,逐渐增加图像的检测时间,为此,设计基于模板边缘的自适应角点检测算法。模板边缘技术可以对潜在的角点区域进行有效规划,以中心点相邻点位进行提纯,具有交点过滤的效果优势。基于模板边缘转化灰度值,分割并预处理图像,抑制角点半径确定对应特征提取点数,获取自适应阈值检测图像角点,完成基于模板边缘的自适应角点检测算法设计。实验结果表明:以两组实际拍摄图像为测试对象,运用传统算法和研究算法进行角点检测,在研究算法应用下,能够真实地标记出两组图像的角点数量,且检测时间均不超过0.2s,具有实际应用效果。     

基于Sobel算子的改进边缘检测算法

提出了一种基于Sobel算子改进的边缘检测算法。该算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度。在计算图像梯度时结合了方向拆分法,将每个方向梯度与两个子方向半个模板对应的像素点之和分别求比值,选择最大者作为该方向的梯度值,然后将四个方向梯度的最大值作为窗口中心点的梯度,最后对梯度图像进行阈值分割和细化,得到边缘图像。实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、图像边缘较细的优点。     

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。     

针对低空微小型无人机的轻量型YOLOv5检测算法

针对低空微小型无人机对公共安全造成威胁的问题,本文基于YOLOv5(you only look once v5)网络提出了一种适用于移动端的轻量型目标检测模型YOLOv5＿SS。该模型以轻量型网络ShuffleNetv2替换YOLOv5原有的主干网络,引入SENet (squeeze-and-excitation networks)注意力机制,并采用Soft-NMS(soft non-maximum suppression)算法提升对密集重叠目标的检测效果。实验结果表明,该模型在数据集上对低空微小无人机进行检测的平均精确率均值(mean average precision@0.5,mAP₅₀)为92.75%,精度为90.49%,参数量为0.237 4 M,浮点运算数为0.9千兆浮点运算(giga floating-point operations, GFLOPS)。具有检测精度高、内存占用率低的特点,有利于在移动终端上部署且在复杂背景及密集目标的场景下均有较好的检测效果。     

基于多级滤波的感兴趣边缘检测算法

针对边缘检测过程中阈值难确定和提取干扰边缘较多的问题,提出了一种基于多级滤波的感兴趣边缘检测算法。该算法分为四个步骤:首先对图像进行平滑滤波;之后计算水平方向和垂直方向的梯度幅值图像和梯度方向图像;然后根据梯度方向图像对梯度幅值图像进行噪声边缘滤波,并对梯度幅值图像进行非最大值抑制;最后对滤波后的梯度幅值图像进行分割,对得到的边缘映射图进行边缘跟踪,获取所有的边缘段及其特征,并滤除不满足特征约束的边缘,得到感兴趣的边缘。试验结果表明本文算法有很好的适用性。     

一种基于改进Canny的边缘检测算法

鉴于传统Canny边缘检测算法在高斯滤波方差和高低阈值选取上需要人工干预,不具备自适应能力,以及其在梯度计算上的缺陷。提出了一种改进的Canny边缘检测算法。改进算法使用自适应平滑滤波代替高斯滤波,在平滑图像的同时锐化了边缘;使用水平、垂直、45°和135°四个方向梯度模板计算图像梯度,改善了传统Canny算法在计算梯度时对噪声的敏感性;引进Otsu算法自适应地根据图像灰度生成高低阈值,避免了人为设定高低阈值的难题。实验结果表明,改进算法在检测到更多边缘细节的同时,也具备较强的自适应性。特别地,在噪声环境中,改进算法比传统Canny算法检测效果更优。     

异号权重模板CNN的似细化特性及其应用

本文发现并以定理的形式证明了具有异号权重模板的细胞神经网络系统在非均匀增益分段性输函数下的细 化稳态性性。     

完全基于边缘信息的目标靶快速分割算法

为了快速准确地分割提取目标靶,实现实时处理要求,提出了完全基于边缘信息的目标靶快速分割算法。首先采用基于邻域权值的非极大值抑制法细化Canny算子检测的边缘,并引入断点检测思想,通过构建追踪区域实现断点边缘追踪及连接,而后通过设置四向扫描长度总阈值,对边缘像点实行四向同步扫描填充,最终实现目标区域的准确分割。实验结果表明:相比其他分割算法,本文算法在分割正确率上具有较大优势,且采用较强的并行运行策略,提高了运行效率,达到了目标靶分割提取的实时性要求。     

基于小波变换的陆轨两用车铁轨图像边缘检测

为了能够实时采集铁轨图像以实现陆轨两用车在站台与铁轨之间顺利切换,介绍了一种基于多尺度小波变换和自适应阈值的图像处理方法,选用二次B样条小波对图像传感器采集到的铁轨图像进行多尺度边缘检测,结合了非极大值抑制方法和自适应阈值方法提取最终边缘图像.对比几种经典的边缘检测算子,小波变换的图像边缘检测对铁轨图像的处理结果较好,实现了路轨两用电动车陆/轨转换的准确定位.