一种B超图像的边缘提取算法

B超图像中存在着大量噪声,传统的边缘检测方法效果都不理想。本文提出将经典的Sobe算子与Canny算子融合检测边缘。实验表明这种方法提取的边缘具有对噪声不敏感、定位精确以及检出的边缘连续等特点。     

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。     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

ELM在图像边缘抽取抗噪阈值优选中的应用研究

为解决噪声敏感性导致的图像边缘不连续、抽取速度慢和识别效果差等难题,提出了一种基于ELM的图像几何特征识别算法.解剖了图像几何特征识别存在的问题,讨论了最优阈值可最大限度地区分图像的前景和背景颜色,基于ELM模型研究了计算最优阈值的算法,借助噪声阈值限制路径代价函数以缩小搜索范围,从而提高算法执行速度.仿真实验验证了所...     

阈值自适应CNN的彩色图像边缘提取

细胞神经网络用于彩色图像边缘提取已经有很多人做了研究。现有的大部分工作都根据经验选取固定阈值来设计CNN模板。但这种阈值的选取方法忽略了人眼最小分辨差具有自适应性的特点。在设计图像边缘提取CNN模板选取阈值时,引入人眼最小阈值差成果,设计出了一组阈值自适应的CNN模板,同时对设计的阈值自适应算法的稳定性进行详细的论证。该算法让检测出的边缘更加符合人眼的视觉特性。实验结果证明,该算法效果良好。     

一种血管内超声图像边缘提取的新方法

血管内超声图像的血管壁内外膜边缘检测是IVUS图像处理中必不可少的步骤与重要环节, 基于主动轮廓模型的血管壁边缘提取的效果好坏很大程度上依赖于初始轮廓能否较为精确的选取. 提出了一种提取血管壁边缘的新方法, 以自适应阈值分割的方式降低目标图像的复杂度, 结合marr边缘检测算子找到血管壁内外膜边缘的初始轮廓, 在此基础之上, 采用改进的GVF-snake算法使初始轮廓线精确收敛于真实的血管壁边缘, 实验结果验证了此方法的有效性.     

一种基于子波变换的图象尺度边缘提取方法

图象多尺度边缘是图象的重要特征，已广泛应用于处理和计算机视觉等多个领域。本文给出一种基于子小我的图象多尺度边缘提取方法。实验证明该算法是行之有效的。     

一种基于顶帽变换和 Otsu 阈值的轨道边缘提取方法

为了解决轨道障碍物识别中轨道边缘不易定位的问题,针对轨道图像的特征,文章提出了一种基于 Otsu 阈值改 进的轨道边缘提取方法。该方法先确定铁轨主体的灰度区域,再通过 Otsu 求出灰度阈值,然后利用二值图像中标记连通 区域,对轨道图像进行处理,得到清晰的轨道边缘提取图像。通过对几种已提出的并具有较好效果的边缘提取方法进行 分析,如边缘梯度算子 sobel、小波分割算法、Otsu 自适应阈值分割等,并将其应用在实时轨道图像中,与改进的 Otsu 方 法进行对比实验。结果表明,该方法实验效果准确、完整,并有效抑制了背景噪声。     

基于matlab边缘提取的几种方法的比较

简要介绍了几个基于Matlab的图像轮廓提取技术，如roberts、sobel、Prewitt、Laplacian、canny等边缘检测算子，比较了这几个边缘检测算子的处理结果．     

霍夫变换联合决策树法对图像边缘提取的优化

边缘提取是数字图像处理、条码识别的关键,但是在边缘提取过程中,易受噪声侵染,导致精准度降低,并造成特征信息丢失和模糊边缘。基于此,提出了一种基于霍夫变换联合决策树的边缘提取模型。首先,对图像输入信号进行霍夫转换,降低信号噪声侵染率,缩短线段间隔距离。其次,对像素梯度、像素邻域进行差值分析,并赋予相应权重。最后,利用决策树法搜寻图像特征边缘信号,输出最终图像边缘结果。研究结果显示,霍夫变换联合决策树法能快速有效地提取图像边缘信息,噪声侵染率小于10%、提取准确率和完整率大于90%,且优于标准决策树法。因此,霍夫变换联合决策树能满足图像边缘提取要求,适合用于数字图像处理和融合。     

一种自动识别最优阈值的图像分割方法

阈值分割是图像分割的常用方法,但至今没有一种对多数图像都适用的阈值选择的通用方法。本文基于图像的灰度级特征,以前景和背景最大程度地分开为判据,提出了一种简捷的自动识别最优阈值的图像分割方法。该方法对更多图像都可以给出最佳的闽值,达到较好的图像分割效果。     

数字图像配准快速算法：阈值序列的自适应生成研究

本文基于配准点的误差特点，指出初始阈值序列的合理形式是直线；基于后验信息（匹配过程），提出了两种自适应阈值序列算法，理论分析与实验结果均表明所提出的算法是有效的。     

一种基于边缘信息的车牌图像分割方法

为提高车牌预处理过程中字符与背景的分隔效果,提高识别准确率,从人类视觉分析的特点出发,首先根据车牌图像中汉字字符和字母数字不同的统计特性对最优的阶梯型边缘检测算法进行了改进;并提出了一种新的动态分割,区域处理的方法。实验表明本方法能够有效提取车牌字符特别是汉字中的较复杂的细节信息,保证了字符边缘的准确性以及内部联通区域的一致性,并对不同质量的车牌图像具有一定的普适性,为识别提供了良好的保证。     

血细胞图像的计数方法研究

本文介绍了一种细胞图像计算机计数方法,提出一种先进行细胞边界跟踪,再进行细胞内部填充的细胞标号方法,并给出了计算机计数与人工读数进行比较的试验结果以及分析.     

Besov空间的阈值收缩和边缘补偿的图像去噪

提出一种新的图像去噪方法,它是Besov空间的变分模型,在负实数次Sobolev空间上定义了数据项,用Besov半范数定义了正则项。并详细推导了变分模型在Besov空间的阈值求解公式,先做一个Contourlet变换域的小阈值收缩,然后再利用该模型去噪。去除噪声的同时也损失了部分边缘信息,把边缘分为四种情况,针对不同情况确定相应的边缘补偿方法。实验表明该模型具有良好的去噪效果。     

棒线材端头识别的图像处理改进方法

一直以来,对棒线材进行计数都采用人工方法,效率低且不准确.为了提高效率,需要研究出一种棒线材自动识别方法实现棒线材的自动计数.通过对常见的轮廓提取法进行研究,提出了改进的轮廓提取法,通过对棒线材灰度图像的轮廓提取、分割处理、闭运算及细化处理等消除了细线及目标区域的影响,得到了更准确的轮廓曲线并计算出轮廓的圆形度,进而计算出棒线材的半径,棒线材的半径是实现棒线材自动识别的重要参数.程序的运行结果表明,改进的轮廓提取法能准确地把棒线材端头轮廓提取出来.     

带噪图像的多扫描阈值分割编码算法的研究

零树编码算法是一种有效的图像编码算法,但是噪声会破坏零树结构特性,影响零树编码算法的效率,针对噪声图像提出一种基于多扫描阈值的图像分割编码算法,该算法利用多扫描阈值结构对噪声图像进行软阈值去噪、并完善逐次逼近量化过程;对重要高频子带采用图像分割编码,只对重要系数进行编码, 将大量非重要系数集中成图像块不予编码,更有效地降低码率.实验结果表明,算法有效地去除了噪声,提高了编码图像的质量和编码效率,在相同的压缩比条件下,算法在编码速度、图像复原质量方面都优于EZW算法.     

基于动态序列图像的汽车碰撞分析系统的实现

提出一种基于动态序列图像的汽车碰撞分析系统的实现方法,并就其中关键技术进行了讨论:引入基于大气物理模型的图像复原方法,消减天气对现场采集的图像质量的影响;提出了背景差分与时间差分融合的方法,实现对运动目标(车辆)的快速检测;利用编码技术实现对车身特定点的自动识别、匹配和跟踪;运用DLT算法进行摄像机标定,进行图像测量.本系统应用于碰撞过程的定性和定量分析,结果表明了其有效性.     

小波投影算子在工业图像边缘检测及抗噪分析中的应用

采用基于小波变换投影算子的快速多尺度边缘检测迭代算法，计算表明，迭代次数取5－9，输出图像信噪比较佳；并与传统的Marr边缘检测方法作了实验比较分析，小波变换方法针对工业现场采集的监视目标图像污染严重及噪声干扰等实际情况是一种较好的方法，在边缘定位精度，图像细节丢失等方面优于Marr方法，对噪声干扰也有较好的鲁棒性。     

一种基于随机场模型的图像分割算法

本文针对多纹理图像的自身特点及Gibbs参数估计难的问题，提出一种新颖有效的迭代分割算法：“ML—MAP”法。实验表明，该算法在无需知道Gibbs参数和参数估计的情况下，能够快速合理地实现对多纹理图像的分割。