基于宽度细化的图像过渡区提取

利用中心像素邻域灰度信息，提出一种新的图像边缘宽度细化算法，使斜坡边缘的细化效果有明显提高．采用新的灰度加权梯度算子对细化后的图像提取过渡区，能较好地抑制图像噪声．实验结果表明，结合灰度加权梯度算子和宽度细化算法提取的过渡区效果更佳．     

一种新的模糊图像边缘检测方法

边缘检测技术是图像预处理中最重要和最困难的任务之一，本提出了一种新的模糊图像边缘检测算法，算法中图像所对应的模糊特征平面通过一个基于阈值的隶属函数来提取，在模糊特征平面上应用模糊增强算子对低灰度区域的大部分象素进行衰减运算，对高灰度区域的大部分象素进行增强运算来提高两个区域之间的对比度，图像的边缘采用min或max算子来提取，仿真结果表明，该算法是一种有效的边缘检测方法。     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合。最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像。实验结果表明:该方法在抑制噪声的同时能较好的检测出图像的边缘。     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

改进形态学梯度的样条插值亚像素边缘检测方法

针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点,提出一种基于形态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘点的粗定位,再利用三次样条插值法对提取出的边缘图像进行插值运算,最后利用数学形态学细化算子将提取出的边缘进行细化,可有效地检测出图像边缘,实现亚像素边缘检测。实验结果表明,这种方法能准确地检测出边缘,优于传统的边缘检测方法。     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

基于广义模糊算子的射线检测焊接图像增强

针对射线检测焊接图像存在对比度差,灰度范围小,影像模糊,一般的增强方法不能在增强对比度同时较好保持边缘的问题,在分析传统模糊增强算法的基础上,引入广义模糊集合的概念．利用广义模糊变换范围大的特点,将图像映射到广义模糊空间,选用分段正弦函数作为模糊隶属度,提出一种适用于射线检测焊接图像的广义模糊增强算法．通过对焊缝图像进行广义模糊增强处理表明,该算法在增强对比度同时又可较好保持边缘．引入了模糊熵的方法来评价图像的增强效果,并对提出的正弦隶属度函数及广义模糊增强算子的特性进行了分析．     

基于多结构元的噪声污染灰度图像边缘检测研究

提出了具有多结构元的灰度形态学边缘检测梯度算子 ,根据图像的几何特征 ,采用多结构元对图像细节进行匹配 ,既能提取精细的边缘 ,又能很好地抑制噪声 .实验结果表明这种方法效果优于经典的边缘检测方法     

复杂航空图像中的大边缘提取方法

提出一种用于在复杂的航空照片中抑制细小边缘,获取主要景物边缘信息的新方法。该方法首先对图像进行中值滤波和对比度展宽,以去除图像中的噪声,提高了图像的清晰度,为了清除图像中的细小目标,提出了一种基于最大偏差最小的领域平滑法。在边缘 取时采用了梯度算子,并引入了模糊理论来判别和跟踪边缘。     

一种新的活动轮廓模型图像分割方法

局部二值拟合模型利用图像的局部邻域信息拟合能量函数,局部二值拟合模型相当于对活动轮廓内外进行局部均值滤波,因此该模型对高斯噪声有一定的抗噪性,但是该模型对椒盐噪声污染的图像不能取得令人满意的分割结果。为了提高活动轮廓模型对椒盐噪声的鲁棒性,结合局部二值拟合模型中的局部拟合项,提出一种能消除椒盐噪声影响的新的局部拟合项。提出的拟合项的能量函数极小值是局部区域的中值,新的拟合项相当于对活动轮廓内外进行局部中值滤波,中值滤波对椒盐噪声不敏感。原模型中边缘停止函数是基于图像梯度信息,难以区分图像不同区域间模糊的弱边缘和灰度渐进图像目标,并且容易受到各类噪声的影响,抗噪声能力弱。提出一种新的边缘检测算子,重新定义边缘停止函数,进一步提高模型的抗噪性,降低高斯噪声和椒盐噪声对分割结果的影响。为了保持活动轮廓在演化过程中的稳定性,在曲线演化迭代过程中必须周期地初始化以使水平集函数重新变成带符号的距离函数,但重新初始化的计算量大。引入一个惩罚能量,解决水平集函数在演化过程中的重新初始化难题。对不同噪声污染的图像进行试验的结果表明,提出的模型可以取得较好的图像分割结果,比CV模型、LBF模型和LIF模型更具有优势。     

一种基于梯度的图像滤波算法

滤除图像的噪声有很多方法,普遍使用的均值滤波滤除噪声效果不够理想,且易使图像变得模糊;而中值滤波滤除噪声效果较好,但易使图像的细节信息丢失.文章提出了一种基于梯度的滤波算法,该算法对含有噪声的图像取3×3领域,构造4个方向的梯度算子模板,通过比较4个方向梯度大小,对噪声、图像边缘、图像内部信息点分别处理.实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比.     

基于乘性梯度的医学超声图像边缘检测算法

通过改进传统乘性梯度（MG）算子,并结合Canny算子的处理结果,准确、快速地提取了医学超声图像的边缘.通过提升乘性梯度算子模板的维度,提高对弱边缘的检测能力;综合考虑乘性梯度算子和Canny算子的运算结果,提高边缘检测的准确度.为了验证该算法的有效性,对仿真及在体超声图像进行边缘提取实验,将结果与其他抗噪性较好的边缘检测方法进行对比.实验结果表明：对于含有不同强度斑点噪声的超声图像,该算法的边缘检测准确度可达75%以上,具有较好的实时性,适用于对医学超声图像进行快速、准确的边缘检测.     

基于遗传算法阈值优化的模糊边缘检测

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失的问题,提出一种改进的图像模糊边缘检测算法。算法先使用遗传算法和Otsu得到最佳阈值参数,通过阈值定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强提高区域之间的层次,加强边缘两侧的对比度;再对图像进行灰度增强;最后用Min算子提取出图像的边缘。实验结果表明,改进算法提高了边缘检测质量。     

基于FCN的TFT-LCD表面缺陷快速检测算法

为克服TFT-LCD表面缺陷检测中边缘模糊、对比度低、图像中存在重复纹理背景等噪声的干扰,提出了种基于全卷积神经网络的端到端的快速检测算法.该算法能够通过感受域获取原图信息,并生成低对比度特征图,然后将低对比度特征图映射到高对比度特征图上,最后通过高对比度特征图上的感受域重构出高对比度缺陷图像,并将缺陷筛选出来.     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

基于形态学算子的各向异性扩散方程

针对Perona和Malik各向异性扩散方程不能保留细节边缘的缺点,提出了一个基于形态学算子的各向异性扩散方程．新的各向异性扩散方程在计算扩散系数时,不只是考虑了图像的梯度,还考虑了二阶导数,并在作用形态学闭开算子后的图像上估计各阶导数．这样,该算子不但能够有效地去除噪声,还能保持图像中的尖峰和窄边缘,从而更好地保持边缘位置．实验结果表明用该算子处理后的图像具有较高的清晰度和对比度．而且该算子对于高斯白噪声图像的处理效果也相当理想．     

一种改进的基于小波变换图像边缘检测

由于存在噪声,采用经典算子的方法,图像的边缘检测效果不好.本文首先介绍了经典的边缘检测.然后,针对上述算法的缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.鉴于此,提出改进的基于小波变换的边缘检测.通过实验结果的比较,证明了所用方法的有效性.     

基于信息测度和支持向量机的图像边缘检测

将信息测度和支持向量机结合在一起，提出了一种新的图像边缘检测方法（information measure and support vector machine edge detection method，ISEDM）．首先，基于数学测度概念构造一个描述边缘点信息测度的特征矢量，该矢量由邻域一致性测度、方向性信息测度和梯度分布3个特征分量组成，然后运用支持向量机对特征矢量数据集进行训练和分类，实现了对边缘点的检测．实验结果表明，对于含有加性噪声、乘性噪声等图像的边缘检测，ISEDM能够有效地抑制噪声，较多地保留图像边缘的细节信息，边缘图像锐利而清晰。     

一种基于Sobel算子的彩色图像边缘检测新算法

在研究灰度图像边缘检测方法的基础上,针对彩色图像的特点,提出了一种改进的Sobel算子边缘检测算法,并用MATLAB进行了仿真。仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,得到的结果图像边缘比较模糊,而本文提出的改进算法,不但图像边缘比较清晰,而且还能有效降低图像的噪声,将Sobel算子边缘检测算法从灰度图像很好地移植到了彩色图像。