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.     

基于SURF和改进RANSAC的图像拼接方法

在相机技术达不到超广角拍摄的背景下,图像拼接应运而生,从而得到视角更广阔的的图像.然而在进行图像拼接时候会存在较多的误匹配并且效率不高.针对误匹配,常常用RANSAC算法进行误匹配点剔除,但是在剔除过程中存在初始变换矩阵H的误差以及欧氏距离阈值设置的误差;针对匹配效率,由于RANSAC算法无上限迭代次数的原因,导致效率...     

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Harris角点和改进SURF描述子的图像快速拼接

针对SURF算法计算量大、对应点匹配时间长的不足,以Harris角点取代SURF斑点作为特征点,改进了描述子生成区域的子块划分方式,使区域面积减小40%。同时,引入尺度因子s以弥补采样区域减小的影响,形成一种计算量小、独特性好的描述子。以该方法构造的角点特征矢量参与同名点匹配,可实现较好的匹配快速性和准确性。匹配完成后,分别使用RANSAC方法和L-M方法获取变换矩阵并进行非线性优化,最后根据图像的不同区域采用不同方法完成图像融合。实验结果表明,该图像拼接方法与传统SURF法相比,图像匹配时间可节约35%以上,整体图像的拼接时间可节约30%左右,大幅提高了图像拼接的效率。     

基于Sobel算子的医学图像边缘检测研究

边缘检测是图像处理过程的关键技术.由于医学图像的特殊性,检测边缘的准确性对疾病的诊断和治疗有着重大的影响.针对传统Sobel算法存在定位不精确、提取边缘较粗等不足,提出了一种改进算法.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,采取局部梯度均值作为阈值对初始梯度图像进行局部梯度筛选,局部弱边缘得到增强,然后对处理后梯度图像进行细化和提取,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、边连续性好和边缘较细等优点,在医学图像处理中具有一定的实用性.     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能。针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加。实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能.针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加.实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息.     

基于FPGA的Sobel算子并行计算研究

由于在实时图像处理中常用Sobel算子对图像边缘进行增强，如何提高处理速度成为问题的关键。采用纯软件的方法或普通结构的硬件电路难以满足实时要求，鉴于近年来FPGA芯片的迅速发展以及其良好的可编程结构，为实现Sobel算子的快速计算提供了硬件保证。提出了一种Sobel算子的并行处理结构，提高了处理速度，并给出了基于FPGA的实现方法。进行了理论分析及仿真实验，证明了该方法的正确性和可行性。由于采用并行结构，使处理速度大为提高，满足了实际任务的要求。     

基于SURF算法的实时拼接研究

视频拼接有助于人们获得更高分辨率、大视野的场景。文中主要对视频拼接过程中的图像配准及图像融合的SURF(Speeded Up Robust Features)算法进行研究,详细地阐述了基于SURF特征实现图像拼接的每一个步骤,从而快速提高特征点的提取速度,提高了图像配准过程中的精度与准确率,加快了图像配准的速度,并提升图像融合的效果。实验结果表明,该算法能够有效地抑制视差伪影,其拼接图像无明显接缝,并且可以实现实时拼接,拼接的图像更加自然,拼接的视觉效果较好。     

一种基于Sobel算子和混合有理插值的图像缩放方法

为改善图像缩放质量,提出一种基于Sobel算子和非线性混合有理插值的图像缩放方法.将Sobel算子应用于图像的轮廓提取,利用二元Newton-Thiele型向量连分式建立有理插值曲面,然后对插值函数进行重采样,按要求实现图像缩放.实验结果表明,该方法能有效应用于数字图像的缩放处理,具有计算简单、易于编程实现等优点,是一种较实用的方法.     

基于改进Sobel算子的车牌边缘检测算法

针对车牌识别中车牌的边缘信息在Sobel算子的检测下易受到图像采集环境的影响,阈值难以确定,不具有自适应性且对噪声的敏感度高这一特点,提出了一种采用基于二次搜索寻优的阈值选取策略算法,并得出了一套完整的Sobel对车牌边缘检测的算法.实测结果表明:该方法能够更好的解决Sobel算法中存在的由于阈值不自适应性导致边缘检测出现伪边缘点和粗糙点,增强了检测的实时性和鲁棒性.     

基于SURF算子的军事变形伪装目标识别

由于现代战争中军事变形伪装技术日益先进,因此亟待加强能够识别变形伪装目标的相应技术。文章以军事变形伪装目标的识别技术为研究对象,采用SURF算子提取图像特征,与变形后的伪装目标进行匹配,并在图像库中完成相似程度排序,寻找到最相似图像。实验结果表明,该识别方法能够有效地在所构建的变形伪装目标库中识别出目标,并能够按照相似度的高低依次排序,已取得较好的军事应用效果。     

一种基于图像融合的红外图像预处理算法

在使用传统的滤波去噪方法对红外图像进行预处理时,会在削弱噪声信息的同时模糊了图像中目标和背景的边缘成分,不利于对图像信息进一步处理。针对该问题,提出基于图像融合的红外图像预处理方法,通过对同一幅退化降质的红外图像分别实施改进的中值滤波算法和改进的Sobel算子边缘提取算法,进行去噪处理和边缘提取,最后利用图像融合算法,将不同算法处理的结果图像加以合并,形成融合后图像。实验结果表明,所提出的基于图像融合的预处理方法能够滤除红外图像中大部分噪声,且很好地保留了目标和背景的细节特征,而且运算简单,便于硬件实时计算,有利于后续的目标检测与识别处理。     

基于Sobel算子的图像边缘检测研究

在图像处理中,提出了一种新的边缘检测算法,该算法首先对由Otsu算法所得图像进行形态学的去除孤立像素和闭运算操作,然后再用Sobel算子进行边缘检测,最后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。最后用MATLAB对数字图像和红外图像都进行了仿真。仿真结果表明,该算法改善了单一的用Sobel算子检测对垂直与水平方向敏感,其他方向不敏感的不足,提高了Sobel边缘检测算子的性能,具有良好的检测精度。此算法不仅适用于数字图像还适用于红外图像。     

基于改进Harris-SURF算子的遥感图像配准算法

针传统SURF算法在遥感图像配准中存在精度和准确率不高的问题,提出基于改进的Harris-SURF图像配准方法。利用高斯二阶导数与原始图像进行卷积,提取具有尺度不变的特征值点,对Harris算法不具备尺度不变性进行改进,利用仿射变化提高配准的精度。最后,利用RANSAC算法剔除配准错误点,完成配准。     

基于SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.     

基于SURF算法的医学图像特征点匹配

微创外科手术中的图像特征点快速匹配,可使计算机具备图像实时识别能力,提高手术成功率。但由于在手术中所运用的图像匹配算法具有计算量大、耗时长等缺点,提出一种基于SURF的图像特征点快速匹配算法。首先对图像采用SURF算法提取特征点,然后通过Hear小波变换确定特征点的主方向和特征点的描述子,并使用改进的最近邻搜索算法进行特征点匹配,最终根据实际需要选取相似度最高的前50～100对匹配点进行对比实验。实验结果表明,该算法鲁棒性强、速度快、匹配准确性高,且在医学图像处理中具有较大的应用价值。     

基于Sobel算子边缘检测的研究与改进

Sobel算子算法的优点是计算简单,速度快.但是由于只采用了2个方向的模板,只能检测水平和垂直方向的边缘,因此这种算法对于纹理较为复杂的图像,其边缘检测效果就不是很理想.采用0°,45°,90°,135°,180°,225°,270°,315° 8个方向模板对边缘进行检测,能较好地检测出不同方向的边缘.首先计算梯度,然后将梯度矩阵转化为灰度图像,使用最大类间方差法找到图片的一个合适的阈值,进行图像的二值化,得到改进后的边缘图像.     

基于Matlab的Sobel算子的指纹中心点定位

为了提高指纹特征点的提取效率,经过反复试验认识到正确定位判断指纹中心点具有重要的意义.通过研究指纹中心点的特征,将指纹图像的点方向图以及直方图与Sobel算予结合,提出了一种新的指纹中心点定位方法,并在Mat-lab下进行仿真.实验证明,该算法编程简单,中心点的定位准确,具有较高的可行性.     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。