一种精确的自适应图像边缘提取方法

针对传统Canny算子需要人为指定参数和阈值等问题,提出一种自适应图像边缘提取方法。该方法使用改进的自适应中值滤波对图像去噪;用8点邻域梯度计算方法自适应计算滤波后图像梯度的幅值;根据图像的梯度信息特征,用梯度的熵和标准差自适应地调整高低阈值。实验结果表明,与传统Canny算子相比,该算法在滤除图像噪声、保留细节边缘和保持边缘连通性方面都获得了不错的效果,提高了边缘检测的自动化程度,更具有实用性。     

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。     

自适应Canny算子电池极片瑕疵边缘检测

瑕疵边缘是极片图像的最主要特征, 本文研究了Canny算子提取极片瑕疵的边缘特征,并针对传统Canny算子进行电池极片瑕疵边缘检测存在假边缘的同时还丢失了灰度变化缓慢的局部边缘问题,利用像素8邻域计算图像梯度,并根据图像边缘梯度特征信息,用二维最大熵来自适应确定Canny算子的高、低阈值.试验结果表明:自适应Canny算子是一种十分有效的方法,适合于计算机视觉的电池极片瑕疵检测过程.     

一种改进的Canny算子在机器人视觉系统中的应用

在对传统Canny边缘检测算子深入分析的基础上,利用统计原理研究和分析图像灰度值数据,提出一种改进型Canny算子.与传统的Canny边缘检测算子相比,改进型的Canny算子将边缘点邻域内灰度相似的像素点的灰度平均值代替原灰度值,并引进一种自适应的阈值确定方法,根据灰度值信息确定高低阈值,在保持边缘提取准确性的同时增加了双阈值设置的自适应性.最后将改进型的Canny算子应用于工业机器人视觉系统中,并与传统的Canny算子的实验结果进行比对分析.实验结果表明,改进型的Canny算子更好的权衡了噪声和边缘之间的关系,对待测物体的边缘提取效果更好.     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel 算子基础上,增加了45°和135°2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

灰度图像的自适应边缘检测

提出利用灰度图像的均方差直方图实现自适应多尺度高斯滤波,实现在去噪的同时保留图像边缘特征,并通过灰度图像梯度特征信息,自适应生成动态阈值,对边缘进行自动检测,克服了传统Canny算子参数需要人为设定的不足。实验结果表明,与传统Canny算子相比,该方法可有效保留边缘信息,更具实用性。     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel算子的基础上,增加了45°和135° 2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

基于概率估计的Sobel算子医学图像边缘细化方法

针对存在大量噪声和目标边缘模糊的医学CT图像难以提取精确边缘的难点,提出边缘检测精确定位算法。该算法利用Sobel梯度图以及一阶微分期望阈值,从概率分布的方法进行定位估值,从而获得较高的定位精度。实验结果表明,本文算法比传统Sobel等算子对提取医学CT图像边缘更有效。     

基于R-L分数阶微分梯度算子的边沿检测

在处理数字图像中处理中,为了提取更加细微的边缘信息,克服经典梯度算法的不足,根据R-L分数阶微积分的定义和边缘检测的基本原理,推导出一维离散分数阶微分梯度算子,并且推广到二维,提出了一种基于R-L分数阶微分的新算子模板,并在实验中得以实现.实验结果表明,这种算子更能提取细节信息,使得边缘更加突出,与经典1阶和2阶的边缘检测算子相比,在处理以低频信号为主的图像时有一定的效果提升,而在处理以高频信号为主的图像时有较大的效果提升.     

分层遗传算法实现图像边缘检测

提出一种基于分层遗传算法和梯度算子图像边缘检测的方法得到最优边缘算子,利用分层遗传算法优化设计灰度梯度算子,通过对样本图像的训练,在最小均方误差准则下获得最优灰度梯度算子。最优梯度算子增加了对噪声的抗干扰能力,并使得到的边缘更准确。     

基于深度学习的卫星遥感图像边缘检测方法

为解决卫星遥感图像边缘模糊噪点过多,导致图像清晰度过低的问题,提出基于深度学习的卫星遥感图像边缘检测方法;利用Softmax分类器结构,提取边缘图像节点处的数据信息参量,遵循深度学习算法完成对图像信息的卷积与池化处理,基于CV算法实现基于深度学习的卫星遥感图像识别;根据尺度空间定义原则,确定边缘检测特征点所处位置,再联合梯度信息熵计算结果,完成对卫星遥感图像的拼接处理;分别计算一阶微分边缘算子、二阶微分边缘算子的具体数值,确定梯度幅值的取值区间,总结已知数值参量,建立完整的双阈值表达式,完成基于深度学习的卫星遥感图像边缘检测方法的设计;实验结果表明,应用所提方法后卫星遥感图像边缘节点处信噪比指标在55.1～62.7 dB范围内,图像模糊噪点个数最大为1.32×10⁵个,可获得较为清晰的遥感图像,在卫星遥感图像边缘精准检测方面具有较强的实用性。     

基于多稀疏分布特征和最近邻分类的物体识别方法

摘 要: 为提高物体识别性能,提出了一种基于多稀疏分布特征和最近邻分类的目标识别方法。首先,提取图像的梯度模值和方向特征,构建梯度模值和方向图像;然后,分别对灰度图像、梯度模值图像和梯度方向图像进行稀疏表示,提取稀疏分布特征,得到融合后的多稀疏分布特征;最后,依据最近邻分类方法进行特征分类,实现物体识别。通过在国际公认的COIL-100和PVOC-2007两个公共测试数据集下进行对比实验,对本文方法的参数选择、鲁棒性和识别性能进行综合评价。实验结果表明,采用本文方法进行物体识别的识别率高于目前经典的SIFT、SURF和ORB方法,是一种有效的物体识别方法。     

图像增强中分数阶阶次自适应模型的构造

为了解决分数阶微分算子在图像增强中需要人工寻找最佳阶次,缺乏阶次自适应的问题,构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型,以图像的梯度信息、局部信息熵、亮度和对比度为自变量,建立了微分阶次与图像局部信息之间的关系,从而可以根据图像的局部信息特征自动计算图像中各个像素点的最佳阶次,并将该模型应用在分数阶微分Tiansi算子的图像增强中。为了验证该模型的有效性,选用标准图像库中的多幅纹理图像进行实验,对实验结果进行了定性和定量分析,在定量分析中采用图像信息熵、平均梯度、清晰度和对比度四个评价指标衡量图像增强的效果,并与二阶微分Laplacian算子、Tiansi算子进行比较。理论分析和实验结果均表明建立该模型的有效性,对灰度图像可以得到连续变化的增强效果,接近于最佳分数阶微分增强效果,符合人们的视觉感受。     

结合核函数与非线性偏微分方程的图像去噪方法

传统的非线性扩散滤波方法在图像去噪时使用传统的梯度算子,易导致细节缺失。针对该缺点,以非线性偏微分方程和图像结构信息为基础,构造一类带有自适应权值的非线性扩散滤波去噪方式。这种方式选用多方向的拉普拉斯算子模板,结合核函数,自适应地调节权重系数;利用非局部信息选取合适的搜索窗宽,以减小图像噪声的影响。实验证明,该方法既能较好地保存图像纹理细节,又可以达到很好的去噪效果。     

自适应梯度幅值和形态学组合滤波算法

针对传统梯度幅值滤波算法中阈值需人工确定而无法正确判断噪声点和产生新噪声点的问题,提出了一种自适应梯度幅值和多结构元素形态学组合滤波算法。首先使用梯度幅度均值与方差的和作为阈值,以及Otsu算法自适应阈值两种自适应滤波算法对图像进行滤波,以自动确定滤波阈值,最大限度滤除噪声点,保持图像细节;然后使用多结构元素组成串联形态学复合滤波器对自适应梯度幅值滤波后的图像进一步滤波,以解决在自适应滤波过程中产生的新噪声问题。通过实验结果对比与分析,该算法滤波后的图像视觉效果明显好于传统滤波方法,从而验证了该算法既能保持图像细节,又能实现较好的图像滤波效果。     

基于改进Canny算子与图像形态学融合的边缘检测方法

传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.     

基于时域梯度相似度的视频质量评价模型

频质量评价有助于多媒体网络系统优化和视频编解码算法改进,近年来已成为图像质量评价领域的热门研究方向。在图像质量评价模型(FSIM)的基础上,结合视频局部多帧之间的时域相关性,通过采用新型的三维梯度算子计算原始视频序列与失真视频序列间的梯度相似度矩阵,提出了一种基于时域梯度相似度的视频质量评价模型(TGSM FSIM)。在LIVE视频数据上的测试结果表明,所提模型与视频主观评价有较好的一致性,SROCC与PLCC指标优于VSSIM和VQM两种广泛使用的视频质量评价算法。     

Multispectral image segmentation by a multichannel watershed‐based approach

Watershed transformation in mathematical morphology is a powerful morphological tool for image segmentation that is usually defined for greyscale images and applied to the gradient magnitude of an image. This paper presents an extension of the watershed algorithm for multispectral image segmentation. A vector‐based morphological approach is proposed to compute gradient magnitude from multispectral imagery, which is then input into watershed transformation for image segmentation. The gradient magnitude is obtained at multiple scales. After an automatic elimination of local irrelevant minima, a watershed transformation is applied to segment the image. The segmentation results were evaluated and compared with other multispectral image segmentation methods, in terms of visual inspection, and object‐based image classification using high resolution multispectral images. The experimental results indicate that the proposed method can produce accurate segmentation results and higher classification accuracy, if the scales and contrast parameter are appropriately selected in the gradient computation and subsequent local minima elimination. The proposed method shows encouraging results and can be used for segmentation of high resolution multispectral imagery and object based classification.     

基于局部期望阈值分割的图像边缘检测算法

传统图像边缘特征检测通过梯度算子卷积计算获取梯度图,并根据梯度变化情况设定阈值得到边缘信息,但图像的各局部区域梯度变化不均匀,采用统一阈值分割边缘信息往往会造成获取的边缘信息不准确。本文提出一种基于图像局部区域期望的自适应阈值方法,首先采用Sobel算子获取图像梯度矩阵,然后将梯度矩阵分割为多个子区域,并计算每个子区域的局部期望作为该区域阈值,进行边缘特征提取。实验表明,提出的方法提高了图像主要目标物边缘特征的识别度,区域边缘信息划分准确。     

基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型, 模型中的正则项刻画了理想图 像在框架系统下的稀疏性先验, 保真项度量其在退化模型下与观测信号的一致性, 同时分析了最优解条件. 进一步, 基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法, 每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步, 从而大幅度降低了计算复杂性; 分析了算法的收敛性, 并采取序贯策略提高收敛速度. 针对可见光与红外图像序列进行了数值仿真, 实验结果验证了本文模型与数值算法的有效性.