一种脑启发式的边缘检测模型

边缘是物体的基础特征,传统边缘检测方法具有一定的局限性。鉴于人类视觉系统能高效准确地感知物体的边缘信息,根据大脑侧膝体（Lateral Geniculate Nucleus,LGN）和初级视皮层（primary visual cortex,V1）简单细胞的感受野特性,提出一种脑启发式的前馈LGN-V1（Feedforward LGN-V1,FLV）视觉感知模型。首先用高斯函数之差模拟单个LGN细胞的同心圆式感受野,再通过同类LGN细胞的联合构建细胞组,最后将两类细胞组分别共线排列并平行放置模拟得到特定偏好朝向V1简单细胞。通过多简单细胞响应的整合获取全体V1简单细胞的响应。实验结果表明,FLV模型能体现真实简单细胞的生物特性。较传统的边缘检测方法而言,所提模型效果更优,具有更好的鲁棒性。     

一种基于Gabor小波的局部特征尺度提取方法

图像的局部特征尺度在进行特征提取和构造尺度不变量时非常重要。提出了一种基于Gabor小波的局部特征尺度提取方法,该方法利用视皮层简单细胞的2维Gabor函数模型,构造了一个Gabor尺度空间核函数,利用该核函数计算图像的Gabor尺度空间分解,并在尺度空间中搜索局部极大值作为特征点的固有尺度。实验结果表明,该方法可在不同对比度条件下有效地提取各类特征的局部尺度,并且相比高斯拉普拉斯(LoG)方法有更好的适应性和可靠性。     

具有边缘局部化的边缘检测小波研究

小波变换能够有效地检测出图象的边缘。为了使检测出的图象边缘局部化，本文在构造边缘检测小波的基础上，通过对小波迭代滤波且的特性分析，给出了边缘检测小波迭代滤波器组的选择原则，并通过实例进行了验证。     

模拟初级视皮层注意机制的运动对象检测模型

视频监控的广泛应用使运动对象检测成为研究热点,但运动的不确定性增加了检测难度。鉴于人类视觉系统能高效地感知运动对象,研究者从神经生理学和心理学的角度提出了运动检测的生物学模型。根据上述研究成果,提出模拟初级视皮层的运动对象检测模型。使用三维Gabor时空滤波器模拟人类初级视皮层中简单细胞的经典感受野,通过非线性组合获取复杂细胞对运动对象刺激响应的运动能量,应用细胞的中心环绕作用及相关性运动检测增强运动信息并抑制环境干扰,采用信息融合获取运动对象的显著性图,并利用WTA神经网络模型实现对运动目标的感知。实验结果表明,该模型能有效检测到视频中的运动目标,运算速度较其他仿视神经加工的视觉注意模型更快。     

用DOG函数进行边缘检测的硬件网络模型

根据视觉计算理论,如果用一组不同大小的运算子对成象在视网膜上外界场景的二维图象进行光强度变化的检测可以获得原始图象的零交叉表象,即原始要素图.本文在讨论这一方法的基础上,提出了一种基于DOG函数的网络模型.模型满足了空间平移不变性,可实时并且平行地对输入信号进行边缘检测.模型中引入了时间维来构成尺度空间的零交叉表象的图谱,使得网络在简单有效的基础上实现.     

基于优化设计Gabor滤波器的边缘提取方法

基于Gabor滤波器在空间和频率域上都显示良好的局部性能,提出一种用于边缘检测的优化Gabor滤波器的设计方法,并用Canny边缘检测准则对其性能进行了评测．实验结果表明该方法具有良好的边缘检测效果．     

基于交叉视觉皮层模型的边缘检测算法

交叉视觉皮层模型(ICM)在处理图像时,会因连接矩阵权值设置不当而产生错误。为此,提出一种新的连接矩阵设置方式,介绍基于交叉视觉皮层的边缘检测算法,确定神经元点火范围。将该算法应用于模糊医学图像的边缘提取中。实验结果表明,与其他边缘检测算法相比,该算法能够较好地提取模糊医学图像边缘,具有较高的精度。     

基于Gabor滤波器的图像边缘检测算法

采用Canny算子进行边缘检测时,需人工设定高低2个阈值.对不同的图像采用相同的阈值,边缘检测效果差异很大,这一点限制了Canny算子在实际中的应用.针对这一问题,提出了一种基于cabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为地设定任何参数.实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷.而且能有效去除图像中的伪边缘.     

基于V1细胞特性的边缘检测

针对均衡边缘检测精度和抗噪性能难度大的问题,借鉴初级视皮层（V1）细胞的动静态感知特性,建立具有方位选择性的V1细胞模型应用于图像边缘检测。采用时空滤波器来模拟简单细胞的感受野,通过使用能量模型和归一化来整合简单细胞的响应得到V1细胞模型,从而利用V1细胞静态感知特性来检测自然图像边缘。仿真结果表明,所提V1细胞模型能够基本拟合生物数据,具有生物上的普适性;与传统的边缘检测算子相比,该模型的性能更优,鲁棒性更强。依据生物实验结论来构建生物视觉模型并用于图像处理,对生物视觉和计算机视觉的融合进行了有益的探索。     

基于Gabor滤波器的图像边缘检测算法的研究

采用Canny算子进行边缘检测时,需人工设定高低2个阈值,对不同的图像采用相同的阈值,边缘检测效果差异很大。这一点限制了Canny算子在实际中的应用。针对这一问题,本文提出了一种基于Gabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为的设定任何参数。实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷,而且能有效地去除了图像中的伪边缘。     

一种改进的CHNN图像边缘检测方法—Weighted CHNN

针对文献[1]中提出的CHNN图像边缘检测算法缺乏足够的参数来调节边缘检测的灵敏度以及检测结果图像边缘过宽的缺陷,提出一种改进的CHNN方法,称之为Weighted CHNN(加权的CHNN,简称WCHNN)方法。该方法在CHNN神经网络元的n个连接上施加权值,可以通过各种局部搜索、优化算法,使用指定的样本输入、样本输出等方法来训练该WCHNN网络从而确定各权值,使得WCHNN在保留了CHNN的优点的同时,还可以根据不同的样本输入输出图像来调节边缘检测的灵敏度,从而提高检测结果质量并避免检测结果中出现边缘过宽的情况。实验结果表明,训练后的WCHNN网络,比起CHNN有着更低的边缘检测错误率,并可检出原来CHNN方法漏检的边缘。     

多尺度MRF边缘检测

本文提出一种改进的多尺度MRF边缘检测方法．基于图像的八邻域结构在MRF模型 中引入了Gibbs分布的线过程,有效地改善了MRF边缘检测算子的方向灵敏性．给出了对应于 八邻域线过程结构的能量函数．基于该算法对检测边缘的精确定位性能,提出了一种容易的 多尺度检测边缘合成规则．     

基于区域一致性测试的多尺度边缘检测方法

在多尺度边缘检测方法中,滤波器的滤波尺度的选取非常重要,该文提出了区域一 致性测度的概念以度量当前像素点所处的区域是平滑区还是边缘区,并以此测度来自适应调 整滤波尺度.实验结果和分析表明,这种方法可以得到令人满意的结果,同时具有较好的抗噪 能力.     

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。     

一种医学图像的边缘检测算法

提出一种改进的医学图像边缘检测方法.利用图像四叉树分解技术和模糊形态学的思想,根据图像像素点方向的不同性,构造不同方向不同尺度的结构元素对边缘像素进行模糊形态学运算,进而检测到图像边缘.实验结果表明,算法提取的边缘能够精确地显示物体的内部细节信息,较好地解决了抑制噪声和保留精细边缘之间的矛盾,与其它边缘检测算子相比是一种较实用的边缘检测算法.     

一种新的非线性边缘检测滤波器

本文提出一种除噪滤波与边缘检测同时进行的方法——非线性检测滤波器法.该方法基于中值滤波器和非线性Laplace算子数学方法.理论与实验表明:该非线性滤波器很少损失边缘信息,而且速度快.     

一种基于形态学的边缘检测算法

在对含有噪声图像进行边缘识别时,为了提高识别精度,提出一种基于形态学的边缘检测算法。准备两种不同尺度的形态学结构元素,并对图像进行形态学降噪处理;用不同类型的形态学结构元素对处理后的图像进行边缘检测,获得不同结构元素下的边缘图像;根据每张边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行合成。这样,即使在有噪声干扰的条件下也能获得较为理想的图像边缘。实验结果展示了该算法相对于其他边缘检测算法的优势,突出其在保持图像边缘清晰的同时还具有较强的噪声去除能力,有力地说明了该算法的有效性和实用性。     

基于矩的三维图象边界检测

本文提出了一种基于矩的三维边界检测方法。在三维图象中取球形窗口，用旋转曲面拟合边界曲面，通过计算图象的零至二阶矩，从而获得边界的形状、位置、强度和方向等参数。对于非均匀的三维医学图象，得出了一组通用的，隐含线性插值过程的矩计算模板。可以直接从三维非均匀数据计算各阶矩，方法简便且计算量大为减少。     

一种基于梯度极值的边缘检测算法

分析了经典微分边缘检测算法存在的问题，提出了一种基于局部区域微分极值的边界检测算法，该算法的特点是在局部区域边界检测窗口内内直接提了以边界象素，分割的边界为真实边界，边界连续性好 ，适合于照度不均匀图象的分割。     

基于随机模型的边缘检测

在图象处理和计算机视觉中图象分割是一个非常重要的步骤，分割的好坏将直接影响很多后续处理的结果。虽然目前已有很多不同的边缘提取算法，但是这些方法很少考虑图象结构上的特点，而且从某种意义上讲所有基于差分的方法都是病态的。本文提出了一种边缘检测的随机模型方法，在这种方法中建立了两个模型，成象模型和基于磁引力模型的先验模型。在这两个模型的基础上我们分别采用模拟退火和贪心法进行求解，并将结果与其它基于差分的