边缘提取的2G方法的误差机理及减小误差的奇偶互补法

:本文分析了使用D .Marr的 2 G方法检测图象边缘时零交叉点定位误差的产生机理 ,指明边缘中心邻域关于边缘中心不对称是造成零交叉点定位误差的主要原因 ;基于高斯滤波函数的二阶导数构造出两个映象函数 2 GL和 2 GR(奇函数 ) ,它们与被检测信号卷积在方差σ充分大的条件下 ,波峰与波谷的位置基本不受σ的影响 ,且对边缘中心具有极高的定位精度 .提出了综合应用 2 GL(或 2 GR)和 2 G算子确定边缘中心的奇偶互补方法 ,该方法对于克服D .Marr方法在取大σ时产生零交叉点定位误差有显著效果 ,最后给出了该方法的工程应用实例     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

边缘提取的(△)2G方法的误差机理及减小误差的奇偶互补法

本文分析了使用D.Marr的(△)2G方法检测图象边缘时零交叉点定位误差的产生机理,指明边缘中心邻域关于边缘中心不对称是造成零交叉点定位误差的主要原因;基于高斯滤波函数的二阶导数构造出两个映象函数(△)2GL和(△)2GR(奇函数),它们与被检测信号卷积在方差σ充分大的条件下,波峰与波谷的位置基本不受σ的影响,且对边缘中心具有极高的定位精度.提出了综合应用(△)2GL(或2GR)和(△)2G算子确定边缘中心的奇偶互补方法,该方法对于克服D.Marr方法在取大σ时产生零交叉点定位误差有显著效果,最后给出了该方法的工程应用实例.     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

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。     

高速的9×9尺寸模板Zernike矩边缘算子

根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后,采用先粗后精定位思想,使新算子的运算速度大幅提高,耗时仅为0.19s。     

边缘提取的２G方法的误差机理及减小误差的奇偶互补法

本文分析 了使用D.Marr的²G方法检测图象边缘时零交叉点定位误差的产生机理,指明边缘中心邻域关于边缘中心不对称是造成零交叉点定位误差的主要原因;基于高斯滤波函数的二阶导数构造出两个映象函数²GL和²GR(奇函数),它们与被检测信号卷积在方差σ充分大的条件下,波峰与波谷的位置基本不受σ的影响,且对边缘中心具有极高的定位精度.提出了综合应用²GL(或²GR)和²G算子确定边缘中心的奇偶互补方法,该方法对于克服D.Marr方法在取大σ时产生零交叉点定位误差有显著效果,最后给出了该方法的工程应用实例.     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

局部方向数字模式算子的改进

局部方向数字(LDN,local directional number) 模式算子,用Kirsch边缘模板计算像素点8个方向的边缘响应 值,只能从1幅图像中获取64个特征值。为了提高该算子的特征提取 能力,提出了16邻域两种边缘 模板,利用了更多点的灰度信息计算边缘响应,可获得像素点更多方向的边缘响应,能从 图像中提取出更多的特征值。在ORL 人脸库、Yale人脸B库和Cohn-Kanade人脸库上的实验结果表明,边缘模板的改进,极大地 提高了LDN模式算子的特征提取能力, 采用16邻域的边缘模板使平均识别率 分别提高了11.5%和13.04%;并且,这种 改进还大大增强了算子对光照和噪声变化的鲁棒性。     

复杂光照条件下的图像边缘提取算法的改进

边缘是数字图像中的一个重要的局部特征。在复杂光照条件的情况下,图像分辨率较低,传统Sobel算子利用卷积计算出来的灰度梯度较为平缓,边缘不能有效的识别。通过改进Sobel算子的模板,平衡图像的亮边缘与暗边缘,尽可能地避免暗边缘信息的丢失。与此同时,通过分析数据建立相应的数学模型,优化子区域大小,把图像划分为多个子区域,在子区域内利用大津法进行边缘的检测与提取,最后使用Hilditch细化算法将图像的边缘提取出来。通过MATLAB仿真结果表明,与传统So bel算子的边缘提取算法相比,文中算法简单易实现,对于复杂光照条件下的图像,边缘信息提取更完整,自适应能力更强。     

低信噪比图象边缘提取的非线性方法

针对低信噪比图象的边缘提取问题,本文提出了一种非线性方法,即利用大窗口平滑去噪性能强与小窗口提取边缘性能好相结合的方法,此时采取大窗口滤波,小窗口中作非线性的微分算子求导。为了避免求导后阈值选取的盲目性,文中提出了一种噪声引导的阈值确定准则,并根据这个阈值分割图象。在大窗口滤波中,采用了二维卷积等于两个一维卷积级联的技术压缩滤波器的存储空间。最后对这种方法进行了性能评价,并且给出了实验结果。     

基于Laplacian算子的小波变换图像融合算法

针对传统融合算法在图像融合时,不能很好地保留源图像信息和边缘信息的缺点,提出了一种基于Laplacian算子的小波变换图像融合算法。该算法利用小波变换对图像进行分解,分解后得到图像的低频系数和高频系数;对高频系数采用基于对两个Laplacian模板算子卷积结果相比较并进行筛选的融合规则;对低频系数采用基于拉普拉斯清晰度评价函数和8邻域局部方差相结合的融合规则;最后进行小波逆变换得到融合图像。对实验结果结合主观和多种客观评价方法进行分析。结果表明,该改进算法与传统融合算法相比融合效果更好,融合图像具有边缘信息丰富、图像清晰度高等优点。     

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。     

二维可分解算子对图象的卷积运算

图象处理中的许多二维卷积算子往往可以表示成为两个独立变量的函数之积,利用这一特点,可将二维卷积分解为两次一维卷积运算,使运算效率大大提高。本文讨论了这种分解方法,并同采用频域方法的计算量进行了比较。经合理安排计算步骤,又可使内存缓冲区需要量大大减少。作为例子,把这种方法应用于实现图象边缘检测的V~2G算子上。     

基于稀疏卷积核的卷积神经网络研究及其应用

针对卷积神经网络训练图像数据时,其学习到的卷积核是杂乱无章,没有规则的,提出了基于稀疏卷积核的卷积神经网络算法。该方法通过对平方误差代价函数加入稀疏约束项,在反向传播中修正卷积核时,使其学习到的部分卷积核近似于一阶微分梯度算子,即学习到的卷积核中部分值是0或者趋于0,可更好地来提取图像边缘特征。通过对手语图像数据及车牌图像数据进行训练的实验结果显示,其学习到的部分卷积核具有近似一阶微分的模板形式;并且相对经典卷积神经网络,该算法的识别正确率有所提高。     

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。     

一种提取单像素边缘的方法

在对图像进行边缘提取时,水平和垂直的边缘一般通过简单的Soble算子就能够提取出它的单像素边缘,但是对于倾斜的或其他形状的边缘用简单的Sobel算法就很难提取出它的单像素边缘。本文提出了一种基于新的Soble算子改进算法来提取倾斜一定角度的单像素边缘。首先,通过引入衰减因子对原灰度图像进行处理,先后利用8个模板的Sobel算子得到一个边缘图,然后利用统计学的方法,统计边缘图像每一行的灰度最大值,最大值所在的位置就是单像素的位置。通过实验验证,利用本文的算法能够将倾斜一定角度的边缘提取出其单像素点。     

45N度角旋转梯度等模扩散控制图像滤波方法

在基于偏微分方程的图像去噪方法中,存在扩散控制力较弱的问题,导致图像边缘在扩散处理中形状保持能力下降,影响去噪效果,为了更好地解决这一问题,提出一种45N度角旋转梯度等模扩散控制图像滤波方法。首先,分析了现有扩散方程的不足,即梯度计算与扩散控制。其次,通过引入旋转角计算邻域四角梯度矢量在x、y轴方向的投影,并与水平及垂直矢量叠加,获得一种在45N度上具有梯度模值不变性的矢量计算模板。最后,采用该模板分别计算x与y方向的一阶偏导数,并以此统计梯度矢量方向一致性,改进边缘停止函数,获得更好地扩散控制。实验结果验证了本文算法的有效性。      

激光共焦显微图像多尺度边缘提取算法研究

为解决微小尺寸的快速精确测量问题,提出一种基于Shannonδ函数的多尺度图像边缘提取算法。该算法选定2个不同尺度的边缘提取算子,并利用自适应选取阈值算法,将不同尺度下的处理结果图像结合起来,得到最终的边缘图像。经过对大量的共焦显微图像的处理表明,该方法具有较高的抗噪性和准确性,可实现共焦显微图像尺寸的精确测量,性能优于传统微分算子,数据处理速度是Canny算法的2倍。     

基于多模板提取边缘的红外目标辐射强度计算

文章讨论了红外图像中目标辐射强度的计算，提出了采用多模板提取边缘信息的方法。计算实验对比了Ｌａｐｌａｃ微分法和多模板法，证实了这种方法的优越性。