一种基于DexiNed改进的红外图像边缘检测算法

相对于可见光图像边缘检测,目前针对红外图像边缘检测的研究较少,且大多基于传统方法,如边缘检测算子、数学形态学等,其本质上都是只考虑红外图像局部的急剧变化来检测边缘,因而始终受限于低层次特征.本文提出了一种基于深度学习的红外图像边缘检测算法,在DexiNed(Dense Extreme Inception Network...     

基于边缘引导的光场图像显著性检测

针对光场图像显著性检测存在检测目标不完整、边缘模糊的问题，本文提出了一种基于边缘引导的光场图像显著性检测方法。利用边缘增强网络提取全聚焦图像的主体图和边缘增强图，结合主体图和焦堆栈图像所提取的特征获得初始显著图，以提高检测结果的准确性和完整性；将初始显著图和边缘增强图通过特征融合模块进一步学习边缘特性的信息，突出边缘细节信息；最后，使用边界混合损失函数优化以获得边界更为清晰的显著图。实验结果表明，本文所提出的网络在最新的光场图像数据集上，F-measure和MAE分别为0.88和0.046，表现均优于现有的RGB图像、RGB-D图像和光场图像显著性检测算法。所提方法能够更加精确地从复杂场景中检测出完整的显著对象，获得边缘清晰的显著图。     

红外图像边缘检测算法综述

为填补红外图像边缘检测算法综述性研究的空白,使更多研究者较为全面地了解目前成果,并为后续研究提供有价值的参考,遴选了近十年国内外红外图像边缘检测技术研究的相关文献.首先概述了红外成像与边缘检测技术,进而阐述了红外图像边缘检测技术的难点与挑战,接着总结了主要的红外图像边缘检测算法,将相关算法分为了4类——基于经典边缘检测...     

改进RCF网络在建筑物边缘检测中的应用

建筑物边缘检测是提取建筑物信息最直接有效的方法,近几年,卷积神经网络被广泛应用于建筑物边缘检测研究,其中RCF网络被证明是应用于建筑物边缘检测的效果较好的卷积神经网络。然而,RCF网络在建筑物边缘检测的过程中,上采样过程采用一步双线性插值算法,上采样结构过于简单,导致产生了在深层网络特征层小尺寸图像特征直接上采样至大尺寸图像的条件下误差过大的问题。文章提出了阶梯式上采样结构以改进RCF网络,该方法能够有效减少一次双线性插值算法带来的误差,实验证明该方法能够有效提高RCF网络在建筑物边缘检测上的结果精度,显著增加输出结果图像的清晰度。     

一种改进的医学图像边缘检测算法

医学图像边缘检测是医学图像处理领域的核心技术之一,寻求既能精确定位图像边缘,又能有效抑制图像噪声的算法一直都是医学图像处理领域的热点和难点。结合小波分析理论,在经典边缘检测算法的基础上提出了一种改进的基于小波分解的医学图像边缘检测算法。算法的实质就是在图像边缘检测前利用小波分析理论对图像进行特定的预处理。实验结果证明,此算法的性能要优于经典边缘检测算法的性能。     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

一种混合神经网络在颗粒图像边缘检测中的应用

本文提出了一种应用混合神经网络进行颗粒图像检测的方法。混合神经网络由用于对边缘候选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ＡＳＣＳＮＮ）和用于获取颗粒图像边缘矢量信息的ＢＰ子网络（ＢＰＳＮＮ）组成,边缘候选图像是通过采用基于灰度极小值算法提取的边缘候选象素获得。神经网络以边缘候选图像中的边缘候选象素及其邻域象素的二值模式作为训练样本。对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性好、边缘描述真实,抗干扰能力较强,适用于颗粒图像的边缘检测。     

一种基于神经网络图像边缘检测的方法

本文提出一种采用组合神经网络对图像边缘检测的方法,该组合神经网络由自组织竞争型神经网络和BP神经网络所组成,结合遗传算法,通过学习与训练,可实现对图像的边缘检测。     

一种应用Tsallis熵的红外图像边缘检测算法

提出一种基于Jensen-Tsallis熵的红外图像的边缘检测方法,通过分析红外图像的成像特点,利用红外图像的局部的熵信息,计算滑动窗口内图像的Jensen-Tsallis散度-方向对,由Jensen-Tsallis散度确定候选边缘像素,再利用Jensen-Tsallis的方向信息细化并连接边缘像素,实验结果表明,该算法可以有效地检测红外图像边缘.     

一种改进的SAR图像边缘检测方法

加权指数平均比率(ROEWA)边缘检测算子是一种较好的适用于SAR图像的边缘检测算子,但使用传统的计算梯度方向的方法却无法正确确定边缘点的方向。针对ROEWA算子存在的问题,该文根据Gabor滤波器具有的优秀的方向选择性这一性质,提出利用Gabor滤波器确定边缘方向的方法,完善了ROEWA边缘检测方法。实验结果证明,改进的ROEWA算子检测边缘及边缘方向的性能很好。     

基于迁移学习的红外图像多目标检测技术

针对用传统方法难以解决城市背景下红外图像多目标检测的问题,采用迁移学习技术把深度学习中可见光域的目标检测框架迁移到红外域中。利用该方法建立的模型的小目标检测性能非常好,在制作的测试集上平均精度mAP（IoU=0.50）为0.858。还对训练数据与模型检测性能之间的关系进行了初步研究。制作了大数据量和小数据量2个训练集,对模型进行训练,然后在相同的测试集上进行测试。通过小数据量训练的模型在制作的测试集上的平均精度mAP(IoU=0.50)为0.615。实验结果表明,数据的多样性、数量、质量等都会影响模型的好坏。     

基于小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,将小波变换看作是用小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的小波分维数.应用小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子.     

基于最大模糊熵的红外图像边缘检测算法

针对红外图像边缘检测这一难题,结合红外图像及其梯度图像的特点,在红外梯度图像模糊划分的基础上,提出了一种基于最大模糊熵的红外图像边缘检测方法.首先通过改进传统Sobel算子构造出红外图像的梯度图并研究其直方图特点,然后对其进行自然模糊划分,最后根据最大模糊熵准则确定最优模糊参数,进而确定梯度图像的最佳分割阈值,从而实现边缘提取.与传统的基于梯度的边缘检测算法进行对比实验,结果表明,该方法用于红外图像边缘检测能获得更好的效果.     

基于红外图像特征与K-means的边缘检测

为解决红外图像边缘模糊导致边缘提取困难的问题,提出一种基于边缘特征与K-means结合的红外图像边缘检测方法.首先将人眼视觉特性与红外图像边缘点处的灰度分布特点结合,构造出反映其结构特征的数据集;再利用K-means将数据集分为边缘点和非边缘点,提取出图像边缘;最后利用二步法将边缘进行细化,以便实现红外图像边缘检测.实验结果表明:该方法能够通过自适应阈值提取出红外图像的完整外部轮廓,并保留内部边缘信息,对弱边缘起到良好的提取效果,并有效抑制噪声干扰.     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

基于线调频小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,以及线调频小波理论原理,提出一种以线调频小波作为标尺来定义分维数的思想,将线调频变换看作是用线调频小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的线调频小波分维数.应用线调频小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子.     

基于深度学习的远程视频监控异常图像检测

针对复杂场景下远程视频监控图像异常检测困难、传统算法功能单一(仅针对某种特定场景或某种异常图像进行检测)等问题,提出一种基于深度学习的全自动远程视频异常图像检测方法。首先采用Xavier方法对自行设计的卷积神经网络(Convolutional Neural Network,CNN)的参数进行初始化,然后将标准化后的视频差分图送入CNN的输入层,通过特征提取及下采样,最后在CNN的输出层获得远程视频异常图像检测结果。实验结果表明,该方法可以对远程视频监控中突然出现遮挡、模糊和场景切换等多种异常同时进行实时在线检测,准确率可达88.75%。     

基于Tsallis熵的自适应红外图像边缘检测方法

针对红外图像边缘检测这一难题,结合红外图像的特点,提出了基于Tsallis熵的自适应红外图像边缘检测方法.该方法分别计算图像子空间的边缘与非边缘的Tsallis熵,根据子空间最优Tsallis熵,构造出子空间最佳阈值的评价函数,根据评价函数,选择不同方向的边缘检测模板,增强了图像的边缘信息,从而避免了单一模板造成的边缘丢失现象.实验结果表明,与传统的边缘检测方法相比,该方法对于红外图像可以最大程度上抑制噪声,有效地提高图像的边缘检测效果.