一种快速模糊图像边缘检测算法

针对传统模糊方法处理速度慢的弱点,该文建立了一种新的快速图像处理算法,包括模糊图像增强、模糊平滑和模糊边缘检测,该方法利用相应算法建立快速查找表,通过简单的查表运算,大大提高了图像处理速度。所提方法的快速性和有效性在B-超图像应用后得以证明,并取得了比其他处理方法好的效果,为这种新的快速模糊图像边缘检测算法在B-超临床应用打下基础。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

一种基于核密度估计的图像边缘检测方法

进行图像边缘检测的算法有很多种,其中基于Sobel算子、Laplace算子、Canny算子等的图像边缘检测方法当属经典。但所提方法不同于这些差分算子方法,而是对灰度图像素进行小窗口区域的核密度估计,从而得到一幅核密度图,然后通过核密度图,选择出合适的带宽或阈值来控制图像边缘的检出。实验表明该方法可行且简单快速。     

一种用PCNN进行图像边缘检测的新方法

文章提出了如何用一种根据动物大脑视觉皮层同步脉冲发放现象提出的人工神经网络---脉冲耦合神经网络(PCNN—PulseCoupledNeuralNetwork)进行二值图像边缘检测的新方法。计算机仿真结果表明,使用PCNN可有效地提取被噪声污染的二值图像的边缘。对于256级的灰度图像,可先用PCNN将原始的256级灰度图像分割为二值图像,接着再用该算法进行边缘检测。     

一种基于Canny理论的自适应边缘检测方法

基于Canny算子，提出了一种Canny自适应的边缘检测方法。Canny自适应算法在保持了Canny算子原有的定位准确，单边响应和信噪比高等优点的基础上，提高了Canny算子在提取图像边缘细节信息和抑制假边缘噪声方面的性能。Canny自适应算法将整幅图像分割为若干子图像，并根据各子图像的边缘梯度信息，结合全局边缘梯度特征信息自适应地生成动态阈值，提高了边缘检测的自动化程度，在实际的应用中获得了很好的效果。通过数学分析和试验结果证明了Canny自适应算法是一种有效的边缘检测改善方法。     

一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

一种新颖的基于边缘检测的图像分割方法

针对家庭数字照片的特点以及应用范围，提出了带有衰减因子的Robert微分算子与动态的自适应阈值相结合的边缘检测方法，并利用了边缘检测后边缘点的方向信息，作为Hough变换的方向角，可以较快提取出边缘线段，从而通过边缘跟踪获得无噪声点的相似区域，这为进一步提取图像的颜色特征或形状特征提供了良好的基础。     

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。     

磁共振医学图像边缘检测的一种方法

本文在对人体大脑磁共振医学图像进行噪声滤波的基础上，采用Ｐｒｅｗｉｔｔ算法，提取了边缘信息，并实现了灰度显示与与伪彩色显示。     

用遗传BP网络进行图像边缘检测

该文提出了一种基于遗传算法与图像特征向量的边缘检测方法。由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量;然后用样本图像对多层前馈神经网络采用遗传学习算法和误差反向传播算法(BP)相结合进行训练,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。     

边缘检测中局部区域的动态阈值选取方法*

现有的边缘检测方法主要采用全局阈值选取方法,由于全局阈值的选取不当,易造成图像中重要而梯度变化较弱的边缘丢失,而局部阈值选取研究相对不足且实用性差。针对以上问题,提出了基于局部区域的动态阈值选取方法：以每个候选边缘点为中心,局部矩形区域内动态确定该点的双阈值,根据边缘点梯度模值与其双阈值大小关系选取边缘点。与Canny边缘检测中采用的阈值选取方法相比,本算法能够有效地提取图像中重要边缘,且抗噪声能力强。     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。     

基于阈值优化的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,本文使用遗传算法对阈值优化得到最佳阈值参数,对模糊边缘检测算法进行改进,根据此最佳阈值来定义一个新的简单隶属度函数,简化了Pal.King算法中复杂的G和G-1运算。不仅使复杂计算简单化,还减少了迭代次数。仿真结果表明:该算法具有较强的检测模糊边缘能力,是一种实用、高效的边缘提取算法,同时此方法很容易扩展到多阈值图像边缘处理。     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

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。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

融合双阈值和改进形态学的边缘检测

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,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中,微弱的回波图像淹没在强背景噪声中,为更好地检测这类含噪图像的边缘信息,首先应用特征方向非线性中值滤波技术,滤去高斯噪声;其次,选择(3,1)双正交样条小波作为原始小波滤波器,采用提升方案构造最优双正交小波滤波器,应用构造的双正交小波进行多尺度小波边缘检测;同时,通过定义浮动阈值,并应用于图像边缘检测,较准确地定位了边缘位置。仿真结果表明,该算法应用于图像边缘检测,检测速度较快,检测效果较好。     

基于边缘检测的噪声图像压缩编码方法

基于小波变换的图像压缩算法在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决,为了解决这一问题,提出一种基于边缘检测的噪声图像压缩编码方法。首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用软阈值收缩方法实现去噪;最后,利用等级树集合分裂算法(SPIHT)算法对图像进行压缩编码。实验结果表明,本文提出的方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题。     

基于视觉感知的双层次阈值边缘连接方法

边缘是图像目标的重要特征,但通常边缘检测得到的边缘存在不连续现象,为此在分析传统边缘连接方法的基础上,利用人类视觉系统对边缘连接的多层次感知机理,提出了一种基于视觉感知的双层次边缘连接方法。该方法首先利用大、小阈值产生相应的大、小阈值图像计算其差值以确定模糊边缘点;然后利用人类视觉系统对边缘连接的感知特性系数判别模糊边缘点中真正的边缘点,并将真正的边缘点添加到大阈值图像,使大部分重要的区域边缘能够形成完整的封闭轮廓。仿真实验结果表明,该方法能够有效地改善边缘检测后的边缘不连续现象,相比一些传统的边缘连接方法,运算速度较快,连接效果较好,能满足边缘检测的轮廓封闭性要求。