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。     

自适应图像边缘检测算法

对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷，提出了依据图像友度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法，成功抑制了图像中的大部分噪声；并通过用图像友度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值，实现了图像边缘的自动提取。     

一种基于提升方案的边缘检测方法

提升方案是构造双正交小波的新方法，本文把这种提升的思想用于图象边缘提取上，提出了一种基于提升方案的边缘检测算法；最后，通过仿真验证了该算法的有效性和快速性。     

改进的自适应阈值方法用于文字图像边缘检测

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界.上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取同一阈值,那么微弱边缘将会随着因灰度不均匀、噪声等被滤除.针对这一问题提出了改进的自适应阈值方法,并将此阈值方法代替固定阈值,在文字图像边缘检测中取得了较好的效果.     

基于灰度共生矩阵的自适应图像边缘检测

纹理分析是图像处理中一种十分重要的方法。通过纹理分析,利用灰度共生矩阵惯性矩特征值能够反映图像灰度空间复杂度的特性,成功获取了LOG边缘检测算子最佳空间系数,抑制了图像中的大部分噪声。并通过基于TMS320C6000专用信号处理器的图像处理系统实现了图像边缘检测的自动提取。实验结果表明,采用这种方法可以取得很好的噪声抑制效果,并且检测出的边缘精度高,实时性强,便于实现。     

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。     

基于冗余提升不可分离小波的图像边缘检测方法

根据“五株排列”的不可分离小波构造方法,把基于矩形栅格的数字图像进行冗余提升,从而构造了“最大-提升”小波,由此提出了图像边缘检测的新方法,并将其与传统的B样条小波边缘检测方法进行比较,通过数据试验证明了新方法的优越性。     

图像边缘检测

图像边缘是图像最基本的特征之一,它包含了图像上目标物体的主要信息。所谓边缘是指一组相连的像素的集合,这些像素周围灰度具有显著变化的部分,即在灰度级上发生急剧变化(灰度突变)的区域。边缘检测是从图像中提取感兴趣对象的边缘信息,同时尽量去除不需要的图像信息,是在图像的局部区域上针对像素点的一种运算,在图像处理中有着重要的作用。边缘作为图像的一种基本特征,包含着有用信息,因此边缘检测通常成为了图像分析和图像理解中特征提取的主要手段,在一些预处理算法中有着重要的作用。随着科技的迅速发展,边缘检测技术也越来越多运用到生产和生活中。因此,对边缘检测的理论与应用研究很有必要。本文叙述了边缘检测的基本步骤,对灰度图像的几种边缘检测算法,作了简单的介绍、评价与分析。     

多层次自适应空间系数高斯小波图像边缘检测

为了在有效抑制噪声的同时,能更准确定位边缘,根据高斯函数平滑图像不因信噪比而异这一特点,提出了一种自适应选择σ（空间系数）的算法。该算法首先利用灰度共生矩阵的惯性特征值来计算适合当前图像的σ值;然后根据该值计算相应的高斯高、低通滤波器,再计算所得低通图像的σ值,并以此类推,直至噪声基本去除;最后将用不同σ值得到的各层次边缘图像按一定准则进行融合来得到单像素宽度的边缘检测结果。实验结果证明,该算法与经典算法、B样条小波算法比较,在去除噪声和准确定位边缘两方面均有提高。信噪比可提高0.47%～6.07%,运算时间增加了0.29%～6.36%。尤其对于分辨率较低的图像（256×256）的边缘检测效果更加明显。     

基于自适应边缘检测的小波包图像去噪

为了在滤除图像噪声的同时能很好地保持图像的细节，提出了一种基于自适应边缘检测的小渡包图像去噪方法，先用自适应滤波多尺度边缘检测方法检测出图像的边缘，小波包去噪时就可选用全局闽值而不必担心损害图像的边缘特征。实验结果表明，谊方法不但可以保持图像的边缘信息，而且能够提高去噪后图像的信噪比。     

基于边缘信息的图像自适应插值算法

通过将图像分为非边缘部分和边缘部分,得出了一种基于图像边缘信息的图像插值算法.根据边缘部分映射点邻域图像的复杂程度,自适应地调节插值权值的图像插值方法.应用该算法插值后的边界清晰、自然, 忠实地反映了原始图像的面貌,与传统的插值算法相比,其边界处理效果好且易于实现,实验也验证了该方法的有效性.     

一种结合sobel算子和小波变换的图像边缘检测方法

提出了一种基于数据融合的边缘检测方法.该方法对原始图像分别采用sobel算子和基于离散小波变换两种方法提取边缘,然后将两种方法的检测结果进行数据融合,得到一幅新的边缘图像.实验证明,融合后的图像边缘集合了两种检测方法的优点,是一种有效的图像边缘检测方法.     

基于自适应形态学边缘检测的时频检测算法

针对通信对抗中跳频信号的检测问题,提出一种基于自适应形态学边缘检测的时频检测算法。该算法把跳频信号的时频谱图SP(Spectrogram)视作一幅图像,首先利用多尺度结构元素对其滤波,再根据图像边缘方向自动选择相应方向的结构元素进行边缘检测,最后通过与设定的阈值比较判决跳频信号是否存在。仿真结果表明,此算法可以有效去除噪声和干扰信号,增强跳频检测系统鲁棒性、提高检测效率。     

基于支持向量机的彩色图像边缘检测

提出了一种新的基于支持向量机的彩色图像边缘检测算法.将彩色图像像素3×3邻域内像素的RGB值表示为一个27维的向量,作为该像素的特征,利用支持向量机直接判断其是否为边缘点.针对实际图像的边缘检测实验表明,支持向量机可以有效地进行彩色图像的边缘检测,其检测效果可以和传统的Sobel等边缘检测算子相当.     

基于腐蚀算法的图像边缘检测的研究与实现

边缘提取与检测在图像处理与识别中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能.现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待进一步的改进和发展.提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,并给出仿真实例,与传统的边缘检测算子Laplacian-Gauss算子、prewitt算子和canny算子相比较,算法具有检测精度高和抗干扰能力强的优点.     

基于多分辨率分析的肺部边缘检测

针对医学数字X光(DX)胸片,提出了一种基于多分辨率分析的肺部边缘检测方法.该方法结合了数学形态学和小波变换技术,构造图像的塔式分解,从低分辨率边缘图像开始,逐步向高分辨率前传、搜索、精提,自动定位肺部边缘.实验结果表明,算法计算速度快,检测出的边缘准确、连续光滑.     

基于自适应形态学的医学图像边缘检测

针对人体医学图像组织结构复杂、模糊、噪声大的特点,提出一种新的多尺度结构元的自适应边缘检测算法,给出新算法中计算各结构元权值的方法,并将其与传统的算法进行比较。实验结果表明,新方法能克服传统边缘检测算法抗干扰能力小的缺点,较好地实现了噪声图像的弱边缘检测。具有检测灵活性强,获得边缘信息平滑、丰富的特点,而且,算法编程实现容易。     

基于形态学的边缘检测

提出假高帽变换和多尺度形态学结构元素相结合的方法进行边缘检测.首先说明假高帽变换的基本原理,接着结合多尺度结构元素进行边缘检测,最后依据不同尺度下的图像标准差确定的权值进行边缘融合,得到理想的边缘.该方法有效克服了传统边缘检测方法和经典形态学边缘检测方法的局限性,具有一定的通用性和实用性.     

基于LOG滤波器的图像边缘检测算法的研究

边缘检测是图像处理技术研究中的一个重要领域。本文在深入分析LOG滤波器边缘检测方法及多尺度特性的理论基础上,提出了一种改进的算法,实验结果表明,该算法在计算量增加不大的基础上提高了检测精度。     

基于多尺度小波的Roberts边缘检测法

在Roberts交叉梯度算子边缘检测框架基础上,提出一种小波增强的多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过Roberts梯度算子对各子图像进行空间一次微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合及差影运算得到最终的边缘图像。实验结果表明,该算法实现简单,能有效地抑制噪声,补偿弱边缘,可以有效获取多个尺度下的边缘信息,对边缘信息定位精度高,是一种可行、有效的图像边缘检测的方法。