基于Canny边缘检测的图像预处理优化算法

在图像的边缘检测算法中,Canny算法虽然可以大概勾勒出图片内图像的具体轮廓,但是一些不够清晰的轮廓可能会出现断开的现象,导致局部失真。文中对Canny算法进行进一步优化,采用抑制孤立的弱边缘方法实现边缘检测,图像内一些不太清晰的轮廓可以得以保存,相互连接,使得获得的图像边缘轮廓更加清晰,整体的感观效果更佳。文中给出优化方法并进行仿真验证了结果的有效性。     

改进Canny的无人机影像边缘检测算法研究

针对经典Canny算法在边缘检测中存在的无法去除椒盐噪声、边缘误判以及无法形成闭合区域的问题,本文构建一种基于各向异性扩散的自适应Canny无人机影像边缘检测算法。首先,将自适应中值滤波和各向异性扩散相结合,在去噪的同时有效地保留了边界信息;其次,运用4方向的Sobel模板,计算梯度幅值和梯度方向;最后,为了避免阈值选取不当,采用逻辑与运算自适应获取阈值并得到边缘图像。选取两幅无人机影像进行试验,并将本文算法和几种常用算法进行对比分析,试验结果表明本文算法在有效去除椒盐噪声的同时,提高了边缘检测的完整性和连续性,进一步实现了影像的自动化处理,对无人机影像边缘检测结果的定性和定量评价也验证了本文算法的可行性。     

一种改进的基于Otsu算法的Canny红外边缘检测方法

在红外图像的分割处理中,阈值的选取一直是研究的热点.针对传统Canny边缘检测算法需要人为设定阈值的情况,从图像灰度的相似性和不连续性原理出发,提出了一种自适应图像边缘检测方法.该方法首先用中值滤噪代替Canny算法中的高斯滤噪,以去除图像中的背景噪声.在此基础上,采用改进的最大类间方差法来优化Canny算法双阈值中高阈值的设定原则,以保证双阈值的自适应性,再利用Canny多尺度空间边缘检测技术完成图像的分割处理.实验表明,与传统的单一算法相比,该算法提高了信噪比,简化了运算过程,可达到比较理想的边缘检测和分割效果.     

改进的快速图像模糊边缘检测算法

边缘检测是图像预处理中最重要的内容之一,本文通过对Pa1模糊边缘检测算法进行 改进,提出一种改进的新的模糊边缘检测算法。该算法采用简单的隶属函数,速度快(比Pa1算法快10倍) 。该算法具有较强的检测模糊边缘和细小边缘的能力,图像的边缘采用min或max算子来提取。仿真结果表明:该算法是一种实用、高效的边缘提取算法。     

Canny边缘检测算法的改进及FPGA实现

针对传统的Canny算子采用高斯滤波会造成图像的过度平滑并导致弱边缘检测能力降低的缺点,提出了一种改进的Canny边缘检测算法,采用中值滤波代替高斯滤波,利用中值滤波器能有效地清除脉冲噪声的优点以提高边缘检测精度.该算法在FPGA(现场可编程门阵列)上得以实现,实验结果表明改进后的算法提高了弱边缘的检测能力.     

弱小目标检测预处理算法研究

针对光电探测系统、告警系统，讨论了复杂背景下图像中的弱小目标检测预处理算法，并针对特定的图像给出了算法的处理结果。     

基于canny算子的改进边缘检测算法

本文提出了一种基于Canny算子的改进边缘检测算法。该算法既具备传统Canny算子信噪比高、定位精确的优点,又具备较强的去噪能力和较好的边缘检测效果。实验表明,本文算法增强了Canny算子在噪声干扰情况下的去噪效果,提高了边缘定位的精确度,能够得到更加完整的边缘轮廓。     

基于局部特征的图像匹配算法研究

传统图像匹配算法存在精准度低、效率不高等问题。文章在传统图像匹配算法的基础上提出一种新的ORB算法方式,将非线性扩散滤波的标度空间进行算法的重新构建。该方法比高斯标度空间更能有效地保持图像的细节,可提高匹配算法的稳健性。在此基础上,文章利用Fast算法获取特征点,并以特征点为中心选取适当的窗口进行特征点提取;然后采用栅格移动统计方法对内部节点进行选择。ORB试验结果显示,与传统ORB相比,文章研究算法的匹配精度提高了5%,匹配效率提高了65%,说明文章研究算法在航空影像的匹配精度和效率上都有很大的提升,可以很好地用于航空影像的匹配。     

基于ACE改进的白平衡算法

提出了一种改进的ACE算法(MACE算法),通过引入空间域加窗和奇异点去除两个步骤来实现.MACE算法在继承了原始ACE优点的基础上,同时改善了ACE算法的边缘点效应,提高了图片的处理质量.     

图像边缘检测算法的设计和研究

针对经典的边缘检测算法均涉及梯度的运算,存在对噪声敏感、计算量大等缺点的问题,为了找到一种检测效果好、计算量相当的图像边缘算法,提出了只基于对周边像素的灰度比较,完全不涉及梯度运算的SUSAN算法。主要研究了SUSAN算法,并比较了主流的Prewitt算子,Gauss—laplace算子,Canny算子的边缘检测算法,经Matlab仿真实验后,确定该算法不需要计算微分,计算量小,进一步减少了噪声的影响,且SUSAN算子控制参数的选择很简单,任意性较小,所以比较容易实现自动化的选取,是一种非常有效的算法。     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

一种改进的ORB图像匹配算法

针对ORB特征匹配算法特征提取稳定性差,匹配精度低的问题,提出一种改进的ORB图像匹配方法。通过小波变换对图像预处理,利用自适应频谱抑制方法提取候选特征点集,再建立多尺度空间模型,筛选具有尺度不变性的精确特征点,并通过BRIEF算子生成特征描述子,最后使用Hamming距离进行特征匹配,完成配准。通过3组图像匹配实验对改进算法的有效性进行验证,实验结果表明,改进算法在兼顾ORB实时性的同时,提高了匹配精度,改善了图像尺度变化较大时特征提取的稳定性。     

基于相位相关法改进的ORB图像匹配算法

为了提高图像平移后ORB特征点匹配的准确率,提出了一种基于相位相关法改进的ORB图像匹配算法。该算法首先采用相位相关法求取左右两幅图像间的像素偏移量,以确定图像的重合部分;其次,提取图像FAST特征点并计算BRIEF描述子;接着,对要匹配的点增加窗口约束,以缩小匹配范围;然后,采用快速近似最近邻（FLANN）特征点匹配算法完成图像重合部分特征点的匹配;最后,将匹配错误的特征点采用随机采样一致性（RANSAC）算法进行删除。经实验验证,该算法将ORB特征点匹配的精确度有效的地89.7%提升至93.1%。     

基于亚像素边缘检测的LED芯片定位算法研究

LED芯片的定位精度直接决定了LED制造装备的生产质量和效率,为了提高LED芯片的定位精度,提出了一种基于亚像素边缘检测的芯片定位算法.该算法首先采用Gamma变换方法增强图像的对比度,并利用Blob算法获取芯片有效区域;接着采用Canny算法进行芯片亚像素边缘轮廓的提取;最后,通过拟合芯片边缘轮廓,获取芯片位置中心,完成芯片位置的精确识别.该算法不需要人工训练模板进行匹配,提高了边缘提取的定位精度,实验表明,该算法能在平均4 ms内完成一颗芯片的识别,且重复精度达到0.1 pixel,满足LED芯片高速高精度定位需求.     

激光主动成像图像边缘检测

针对激光主动成像图像的特点,分析了Canny边缘检测算子存在的不足。应用小波多尺度分解算法对激光主动成像强度图像进行小波变换,应用Bayes Shrink自适应阈值法对小波系数进行滤波,把滤波后的图像按照Canny三条检测标准进行边缘检测,并给出衡量图像边缘检测效果的指标。通过比对各种实际激光主动图像的边缘检测算法的结果可以看出本文的算法达到了很好的效果。     

一阶边缘检测算法的研究

在机器人视觉伺服控制系统中,用一阶边缘检测算法把目标物与图像背景分离出来,是实现目标物识别和定位的重要手段之一.在此,重点探讨和分析一些重要的一阶边缘检测算法的特点及其原理,用这些算法对车牌号码进行检测,通过分析它们最终的检测效果发现,坎尼边缘检测算子能够检测到真正的弱边缘,可以使边缘的线型的连接程度较好,能把带宽细化成只有一个像素点宽,并且具有较好的定位性能.把坎尼算法应用在机器视觉伺服中是一种较好的边缘检测方法.     

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。     

基于改进Canny算法的齿轮表面边缘检测

齿轮的边缘检测是保证齿轮使用安全的重要手段,传统的Canny边缘检测算法对噪声敏感,但是在滤除噪声时容易丢失弱边缘信息,其固定参数适应性较差。针对上述问题,本文提出了改进的Canny边缘算法用于齿轮表面边缘检测,将离散余弦变换(DCT)和非局部均值(NLM)相结合,取代了Canny算法中传统的高斯滤波器。实验结果表明,该方法在边缘检测和噪声抑制方面具有良好的效果。