图像边缘检测相关算法研究

首先论述了两类图像边缘检测方法,然后论述了图像边缘评价指标,即误检率和定位精度,最后从R0berts算子、Sobel算子、LOG算子、Otsu算法等几个方面,详细论述了相关经典的图像边缘检测算法。     

基于蜂群算法的图像边缘检测*

提出了一种基于蜂群算法的图像边缘检测方法。利用蜂群算法的特点,对图像边界进行快速搜索,得到一组局部最优点,然后分别从局部最优点开始进行搜索,找出图像中各物体的边缘点,所有蜜蜂找出的边界点的并集就是图像边缘。仿真实验表明该算法是可行和有效的。     

基于BP网络的人脸图像边缘检测算法

采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.     

医学图像边缘检测算法的研究

边缘检测是医学图像处理中非常重要的一个环节,通过对几种经典边缘检测算法的分析,提出了一种基于Canny算子的改进算法.该算法以图像增强法代替原算法中的高斯滤波,以去除图像中的计算噪声,达到更好的边缘检测效果.仿真结果表明,该算法边缘检测定位精度得到较大的提高.     

图像边缘检测算法概述

本文依次介绍了经典的边缘检测算子、近年新兴的边缘检测算子以及使用较少的其它边缘检测算子中典型的两类,并分析它们的优点、擅长处理的情况以及存在的一些问题。比较全面地阐述了当今边缘检测算法的研究现状。     

基于果蝇算法的网络图像边缘检测方法

为保证网络图像边缘检测结果具有较好的连续性和完整性,引进果蝇算法,提出网络图像边缘检测方法。采集网络图像,将其划分为若干个小块,并对网络图像进行预处理;利用果蝇算法检索全局特征点,实现网络图像的视觉检索与特征提取;引进小波函数,迭代处理图像,输出结果即为网络图像边缘检测结果;利用权值法,建立以节点适配度误差为目标的校正函数,修正网络图像边缘检测结果参数。实验结果表明：所提方法可以保证网络图像边缘检测结果的连续性、完整性,提高了检测图像特征点与原始图像特征点的匹配程度,在实际应用中有良好的应用效果。     

蚁群优化模式下的图像边缘检测算法分析

边缘是图像中最基本、最重要的特征因素之一,也是图像工程中进行图像处理与分析的重要步骤;蚁群算法体现出较强的鲁棒性、正反馈性以及分布式处理等特点,是一种新型的搜索优化算法,因此其在组合优化方面的应用也越来越广泛。本文就以蚁群优化模式为基础,提出一种图像边缘检测算法:文中具体阐述了图像边缘检测的相关概念与常用检测方法;针对实例提出边缘检测蚁群算法,并对实验结果进行分析。     

基于FPGA的图像边缘检测Sobel算法的研究与实现

图像边缘是图像识别信息最集中的地方,Sobel算法是基于一阶导数的边缘检测,通过逼近导数来找到边缘。FPGA(Field Programmable Gate Array)即现场可编程门列阵,是在可编程逻辑器件(Programmable Logic Device)基础上发展的一种产物。该文即是采用FPGA技术实现基于Sobel算子的边缘检测算法。     

基于改进蚁群算法的CT图像边缘检测方法研究

将蚁群算法(ACA)应用于CT图像边缘检测领域,提出一种新的CT图像边缘检测方法。为了提高检测效率、精确度和对各类CT图像的适应性,对蚁群算法进行了改进,并针对图像中的不同内容采取不同的转移策略和信息素更新规则。实验结果表明了该算法的有效性,满足了CT图像三维重建的需求。     

图像边缘检测算法的研究和仿真

研究图像边缘检测问题,由于图像分割过程产生噪声和丢失边缘信息造成图像质量差。传统检测没有考虑到图像边缘局部结构信息,只是根据前像素点和相邻像素点之间关系来进行边缘检测,不能很好的抑制噪声,易获得断裂的边缘,导致边缘检测精度较低。为提高图像边缘检测精度,提出一种采用遗传算法的图像边缘检测算法。综合考虑局部结构信息和像素点之间关系的基础上,将边缘检测问题转成一种优化问题,然后采用遗传算法对该问题进行求解。仿真结果表明,相对于传统检测算法,遗传算法提高了图像边缘检测精度,克服传统算法存在的缺陷,稳定性更高,抗噪性能更优。     

融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

运用边缘方向直方图进行图像拷贝检测

基于内容的图像拷贝检测已经成为图像版权保护的重要手段之一。提出一种基于图像边缘直方图的拷贝检测方法：采用小波模极大值算法提取源图像和待认证图像边缘,然后结合边缘点梯度主方向重新计算其区域点的梯度方向并生成直方图,最后根据源图像与待认证图像所得边缘直方图间的相似性检测待认证图像是否为源图像的拷贝。实验表明：这种图像拷贝检测方法可有效检测出拷贝图像,并可容忍由缩放、旋转、噪声等操作引起的失真。     

基于递归滤波的边缘检测算法

针对包含不同程度噪声数字图像的边缘检测问题,提出了两种建立在房顶型模糊边缘模型基础上的平滑和边缘检测滤波器。首先用这些滤波算子以三阶递归的形式实现图像的平滑及梯度计算,再进行非极大值抑制及双阈值的边缘检测连接。实验结果表明,该方法得到的梯度图像均比Canny和Deriche滤波算子清晰,所得边缘图像也更加完整,检测时间也少于其他方法。     

基于数学形态学和Canny算子的边缘提取方法

提出了一种基于数学形态学和Canny算子的边缘提取方法。该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用Canny算子提取边缘。实验结果表明,该方法明显优于传统的经过中值滤波后再进行Canny算子的边缘检测效果,为后续的特征提取、目标识别提供了良好的基础。     

基于方向滤波的监控图像边缘检测

监控图像的边缘检测是进行高级图像处理和模式识别的基础工作.将方向滤波理论引入监控图像的边缘检测中.通过Roberts算子的四方向滤波扩展,介绍了方向滤波用于边缘检测的一般过程;针对监控图像中斜坡边缘丰富的特点,引入Petrou-Kittler滤波器作为基础滤波器;用方向滤波理论改造Petrou-Kiuler滤波器,形成...     

一种基于局部同态性分析的边缘检测算法

提出了一种新的边缘检测算法。首先利用局部同态性分析来获得同态性检测的标准,然后根据此标准做出一个“模板”,各个像素都用此模板来进行同态性检测,从而得出它经过同态检测后的值,这样就可以找到图像的边缘。实验结果表明此方法易于实现,对图像的边缘检测效果很好。     

基于Gabor滤波器的图像边缘检测算法

采用Canny算子进行边缘检测时,需人工设定高低2个阈值.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,提出了一种基于cabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为地设定任何参数.实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷.而且能有效去除图像中的伪边缘.     

基于改进ROEWA算子的SAR图像边缘检测方法

指数加权均值比(ROEWA)算子是一种较好的适用于SAR图像的多边缘检测算子,然而传统方法无法准确定位边缘,且不能计算边缘方向。改进边缘检测流程,分析上述问题产生的原因并采用传统ROEWA算子保证边缘检测恒虚警,对ROEWA加权后的滤波值进行差分运算保证非极值抑制的准确性。利用Radon变换具有较好抗干扰性和几何解析性的性质,提出基于Radon变换计算边缘方向。针对实测SAR图像的实验结果表明,该方法边缘检测及边缘方向计算性能较好。