一种基于高阶曲面拟合的图像边缘检测方法

提出一种基于高阶曲面拟合的边缘检测方法,首先对图像进行自适应Wiener滤波,然后用一个邻域内的像素点来拟合一个高阶曲面,由此计算该点的梯度值,再依据梯度方向对梯度值进行抑制,最后依据统计特性选取阈值,得到边缘图像.仿真实验表明,该方法计算梯度准确,定位精度较其他方法更高,适合各种类型的边缘.     

一种高效的图像边缘检测新方法

边缘检测是图像特征提取与分析的基础,其检测质量直接决定后期分析的效果.寻找一种高效、定位精确、不漏检真边缘又不引人假边缘的检测方法,一直是人们的努力目标.文中提出一种基于标准差算子的高效的图像边缘检测新方法.该方法通过计算像素点邻域的标准差值来确定图像边缘的变化程度,从而检测出边缘像素点.实验结果证明,该算法能够较为准确地检测出有用的边缘信息,是一种简单、高效的边缘检测新算法.     

SAR图像边缘的模糊检测方法

针对合成孔径雷达(SAR)图像的边缘提取问题,提出采用模糊集理论实现SAR图像的边缘检测。设计了一种模糊边缘检测器,该检测器首先计算图像中每一个像素点的边缘隶属度,然后对该隶属度进行非线性变换以增强原始图像的对比度,最后对增强后图像进行阈值化处理得到原始图像的边缘。将模糊边缘检测器与经典的极大似然边缘检测器进行SAR实测数据的仿真试验对比,结果证明了模糊边缘检测器的有效性和优越性。     

基于图像边缘和USAN区域的角点检测方法

在景象匹配技术中,利用角点来建立特征空间越来越受到研究者的亲睐.本文提出了一种新的基于图像边缘和USAN区域的角点检测方法:首先用二维Gabor小波提取图象的边缘,然后再利用基于同值分割吸收核(univalue segment assimilating nucleus)区域角点检测模型进行角点提取.此算法很好地解决了噪声对角点提取的干扰,同时该算法也为存在较大角度旋转的图象进行匹配提供了高质量的特征空间.     

一种基于多分辨率图像融合的边缘检测算法

边缘检测是图像处理中的一个重要环节。文章提出了一种基于小波变换的图像融合边缘检测方案。该方案具体考察了Log算子、Canny算子和小波变换边缘检测算法,通过提取图像边缘对其特点进行了讨论和比较,再将三种算法边缘检测的结果进行图像融合,得到一幅新的边缘检测图像。仿真实验结果表明,此种方法效果要优于单独采用某种算子获得的边缘图像,是一种有效的图像边缘提取方法。     

一种基于边缘的相位相关景像匹配算法

提出了一种基于边缘的相位相关算法，利用困像的边缘进行相位相关。对比了传统的灰度相位相关与所提出的算法对几幅图像进行匹配的结果。所提出的算法在运算时间上与友度相位相关基本相同，但处理效果明显优于友度相位相关，这种算法易于硬件实现，易于组成飞行器的实时处理系统。     

一种基于图像信息的微小型飞行器姿态测量方法

提出了一种基于图像信息的微小型飞行器姿态测量方法.该方法综合运用Laplacian-Gauss边缘检测、OTSU算法以及Hough变换等数字图像处理技术,从机载摄像机图像中识别出地平线或者海天线.根据得到的直线信息可以迅速地测量出飞行器的滚转角与俯仰角.实验表明,该方法可以有效地识别出复杂背景中的地平线和海天线,计算得到的滚转角与俯仰角精度满足飞行器的姿态控制要求.     

尺度独立MAS小波算法检测目标图像边缘

通过分析图像中不同类型的奇异点,进而区分目标图像的不同类型边缘,由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号（噪声）良好的处理效果,在图像处理的研究中大大优于传统的Fourier变换,并广泛应用于图像去噪和边缘提取方面。在小波理论中,Lipschitz指数可以刻画不同的奇异点,从而区分出图像的边缘和背景噪声。在此基础上,提出了一种独立于尺度的有效算法,并应用于模角分离（modular—angle—separated,MAS）的小波函数。用该算法处理二维图像的边缘,效果优于同类方法,且特别适用于有噪声背景的图像边缘提取。     

一种基于边缘匹配的前视红外目标识别算法

红外目标识别是影响精确制导武器命中精度的重要因素。针对因基准图与实时图存在差异导致模板匹配性能下降的问题,提出了一种基于边缘匹配的前视红外（FLIR）目标识别算法。在模板匹配的基础上,利用目标的邻域信息排除虚警,计算基于匹配代价矩阵的匹配置信度对候选匹配点进行排序,利用前面连续多帧图像的识别结果为当前帧识别提供信息,从而提高目标识别的准确性和鲁棒性。在2组不同目标类型的红外视频序列上所做的实验表明,该算法具有较好的识别性能。     

一种新的度量证据相似性测度方法

当证据强冲突时,D-S证据理论会因其归一化过程产生与常理相悖的结果.针对该问题,通过引入相似性测度,对证据源进行特征提取,提出了基于证据相似性测度的目标识别方法.仿真实验表明在传感器受干扰时新方法比别的方法能更快的识别出目标,并且提高了合成证据的可靠性和合理性.     

基于小波变换的图像边缘检测方法

基于小波变换的图像边缘检测,其图像平滑度与尺度增大成正比:尺度增大,高频受到强抑制,输出图像的信噪比提高,图像边缘平滑变粗,定位精度降低;反之边缘定位精度可提升.小波基函数的选取应保证检测精度,故用大尺度滤波器抑制原图像噪声.同时用小尺度滤波器为图像边缘精确定位,即依据边缘检测的小波母函数一般准则,构造二次B样条小波,并采用自适应阈值图像边缘检测法检测图像边缘.     

基于红外图像差值图的模糊边缘检测方法

针对红外图像边缘检测这一难题,提出了一种基于红外图像差值图的模糊边缘检测方法。首先通过计算图中每个像素点与其邻域8像素点灰度值的差值,然后寻找这些差值的最大值得到图像的差值图,接着对差值图像的边缘区域和平滑区域进行模糊划分,利用差值直方图模型确定红外图像差值图的分割阈值,从而实现边缘提取。实验结果表明,该方法用于红外图像边缘检测能获得较好的效果。     

基于改进蚁群算法的红外图像边缘检测方法

蚁群算法应用在红外图像边缘检测方面具有良好的效果,但个体蚂蚁的参数需要针对不同图像进行手动配置,这种情况既不利于工程化应用,又降低了算法的效率。针对该问题,提出了一种基于改进蚁群算法的图像边缘检测方法,该方法采用估计个体蚂蚁的分布区域来代替以往全局随机分布的方式,提高算法在敏感区域的搜索效率;同时根据图像边缘复杂程度给出个体蚂蚁的移动步长、禁忌列表长度等参数用于算法迭代,促进算法在边缘丰富区域搜索的同时抑制了算法结果早熟。多组仿真结果证明该方法能够自动给出较为合适的参数,同时在不影响边缘检测效果的前提下缩短运行时间。     

基于Mean Shift聚类的边缘检测方法

噪声图像中的边缘检测是图像处理中一项很困难的任务。基于Mean Shift的图像平滑能够有效地去除图像中的高斯噪声,同时保持图像的边缘,然后通过ADM掩模算法检测边缘。经过实验证明,能够很好地提取图像的边缘,与其他经典方法相比具有比较好的效果。     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

基于边缘强度特征的景像匹配算法比较分析

设计实现了多种景像匹配算法,经试验分析发现其中Laplacian Nprod和LOG Nprod匹配算法性能优异,从而为研究设计景像匹配算法提供了重要参考.围绕基于边缘检测的多源图像特征提取问题展开研究,重点介绍了Roberts、Sobel、Prewitt、Laplacian和LOG 5种实用的边缘检测算子;设计了多种基于边缘强度特征的景像匹配算法,通过试验分析比较了MAD、MSD及NProd等算法的性能.试验结果表明,Laplacian及LOG边缘强度匹配算法性能最优,具有更高的可靠性,且算法简单、易于实现.     

基于脉冲耦合神经网络提取图像边缘的新方法

基于脉冲耦合神经网络(PCNN,PuIsc Coupled Neural Network)是一种依据动物大脑视觉皮层上的同步脉冲发放现象而提出的新型神经网络,提出了一种实用的用PCNN直接提取灰度图像边缘的新方法,从而可直接对256色灰度图像进行边缘提取,解决了文献[4]只能提取二值图像边缘的局限,扩大了该方法的应用范围.仿真结果表明,该方法是行之有效的.