基于分数阶微分的噪声图像NSCT域边缘检测

针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换(NSCT)域边缘检测方法.该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增...     

分数阶微分在图像纹理增强中的应用

为了实现对模糊图像边缘及纹理的增强,使图像的细节信息更加清晰,需要对图像进行锐化增强。现有的增强方法一般是整数阶微分锐化及高通滤波,由于这些方法的处理效果仍不理想,文中引入了分数阶微分算子。分数阶微分不仅可以很好地增强图像的边缘和纹理信息,还可以保留平滑区域信息,抑制较大噪声。研究并分析了Tiansi分数阶微分算子的原理及特点,并对其进行了改进,提出了一种新的分数阶微分算子,可以更好地增强图像的边缘和纹理信息,同时保证图像的亮度不产生大幅度变化,而且可以抑制较小噪声的影响。从定量的角度分析,改进的分数阶微分算子的平均梯度最大可比原图像提高3.8倍。从而验证了改进的分数阶微分算子比整数阶微分算子如Laplace算子及Tiansi分数阶微分算子具有优越性,且算法简单易于实现,可应用于工程中的实时图像处理系统中。     

非局部多尺度分数阶微分图像增强算法研究

为了更好增强图像中的有用信息,改善图像视觉效果,该文提出了一种基于非局部多尺度分数阶微分图像增强算子(NMFD)。该算子首先将图像分成若干块子图像,计算每一块子图像的边缘强度系数、熵值和粗糙度等细节特征,将得到的特征数据在全局图像范围进行统一尺度的归一化,然后对这些归一化的数据进行加权求和作为图像的非局部特征值,最后利用指数函数建立图像细节特征和分数阶微分算子阶次之间的非线性量化关系,在不同的图像子块区域,确定不同尺度的分数阶微分阶次,实现图像的非局部多尺度增强。     

基于分数阶微分的图像增强算法

相比传统的基于整数阶微分的图像增强算子,分数阶微分增强算子能提升图像的高频边缘信息,且非线性保留图像纹理细节和平滑区域的中低频信息。文中根据Riemann-Liouville分数阶微分定义,构造了5×5大小的分数阶微分增强算子模板,同时采用传统的整数阶图像增强算子Sobel算子、Prewitt算子和Laplacian算子,分别对灰度图像和彩色图像进行图像增强处理实验。最后,引入图像熵的计算,对图像增强的结果进行熵值大小的计算与分析。随着分数阶微分阶次的增加,分数阶微分增强算子处理后的图像熵值呈上升趋势,说明图像的纹理细节信息得到了加强。     

基于分数阶微分的遥感图像边缘检测方法

边缘保持是单幅遥感图像的超分辨率重建的关键步骤,边缘检测的精度直接影响着遥感图像边缘保持的效果。针对传统边缘检测算子对噪声敏感,边缘检测效果不理想的缺点,采用经典的分数阶微分G-L定义推导出的差分定义方程,构造了该文的分数阶掩模算子。通过与传统边缘检测算子检测结果的对比试验,结果表明:该算子可以有效地提取遥感图像的边缘信息、对噪声有较好的抑制作用和能获得更高的信噪比。     

基于分数阶微分算子与高斯曲率相结合的自适应图像去噪

文中提出分数阶微分算子和高斯曲率相结合的自适应图像去噪方法。将高斯曲率引入偏微分方程模型中,由图像梯度进行边缘检测,再结合高斯曲率和分数阶微分算子的性质,由图像的局部方差建立分数阶微分算子,构建基于分数阶微分算子的自适应图像去噪模型,进行自适应地扩散去噪。结果表明,新算法性能优异,内部信息保护更具完整性,有利于实际应用。     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。     

分数阶微分算子增强图像边缘和纹理

为了提高增强图像边缘和纹理的能力,分析了分数阶微分算子频域特性,大幅提升信号高频成分同时增强信号的中频成分以及非线性保留信号的甚低频成分,据此可增强图像的边缘信息和纹理细节信息。从分数阶微分定义出发,构建了近似微分算子模板及线性滤波算法。考虑到边缘和纹理具有方向性、空间邻域内像素的关联性以及相邻像素灰度值的相近性,提出在3×3模板窗口内,取中心点四个方向最大值为增强值。实验结果表明,本文提出的分数阶微分算子能明显地增强图像的边缘和纹理信息,增强后图像清晰度提高,视觉效果明显。     

基于高斯平滑压缩感知分数阶全变分算法的图像重构

针对全变分(TV)算法梯度效应造成图像纹理细节丢失和单像素成像系统中的环境噪声问题,该文给出基于高斯平滑压缩感知分数阶全变分(FOTVGS)算法的图像重构.分数阶微分损失图像低频分量的同时增加了图像的高频分量,达到增强图像细节的目的,高斯平滑滤波算子更新拉格朗日梯度算子滤除了微分算子导致的加性高斯白噪声高频分量的增加.仿真结果表明,对比其他4种同类算法,在相同的采样率和噪声水平下,该算法能取得最大的峰值信噪比(PSNR)和结构相似度(SSIM).采样率为0.2时,对比分数阶全变分(FOTV)算法,在无噪声(测量值SNR=∞)和有噪声(测量值SNR=25 dB)情况下提高的最大峰值信噪比和结构相似度分别是1.39 dB(0.035)和3.91 dB(0.098).可见,此算法在无噪声和有噪声情况下均能提高图像的重构质量,尤其是在有噪声情况下对图像重构质量有较大提高.该算法为单像素成像等计算成像系统中由于环境造成的噪声的图像重构提供了可行的解决方案.     

基于分数阶微分的Kinect传感器深度图像阴影检测方法

深度图像作为Kinect传感器的重要组成部分,其获得的深度图像往往伴随着不可避免和无法预知的阴影噪声,这也极大地影响并制约其在三维可视化等方面的应用及研究。因此,针对深度图像提出了一种基于分数阶微分的阴影检测方法。在研究分数阶微分定义的Tiansi模板基础上,设计并实现了一种非线性拉伸算子。该算子在0.6阶次可以增强阴影区域边界信息的同时实现阴影的有效检测。通过分析比较发现,该方法在F测度的评价体系中可以达到0.971,而其他传统的检测方法均小于0.7。实验结果证明文中提出方法可以有效实现深度图像的阴影检测。     

基于视觉感知模型修正的彩色图像边缘检测

在彩色图像边缘检测过程中,准确检测低照度区域的细节边缘是一个难题.提出了一种基于视觉感知模型修正的彩色图像边缘检测方法.由于视觉感知彩色空间中的色调分量具有圆形特性,导致伪边缘问题,利用色调距离计算色调图像的梯度以去除伪边缘,并根据饱和度的非线性函数控制色调分量的梯度,最后利用修正的视觉感知模型计算矢量梯度以获取彩色图像的边缘.实验结果表明,新的彩色边缘检测方法较现有方法能提高彩色图像的边缘检测精度,尤其对于低照度区域的细节边缘具有较好的响应.     

基于CCS的图像边缘检测和提取设计

Matlab对数字图像的处理在工程化方面存在一定的不足。针对这一不足,利用硬件仿真平台CCS,采用数字图像灰度梯度最大值法、Sobel算子边缘检测算法对数字图像进行检测,实现了数字图像的边缘提取。实验表明,Sobel算子边缘检测算法对数字图像进行边缘检测和提取的效果比较理想,且为图像处理提供了一种硬件实现方法。     

Research on high-precision hole measurement based on robot vision method

A high-precision vision detection and measurement system using mobile robot is established for the industry field de- tection of motorcycle frame hole and its diameter measurement. The robot path planning method is researched, and the non-contact measurement method with high precision based on visual digital image edge extraction and hole spatial circle fitting is presented. The Canny operator is used to extract the edge of captured image, the Lagrange interpolation algorithm is utilized to determine the missing image edge points and calculate the centroid, and the least squares fitting method is adopted to fit the image edge points. Experimental results show that the system can be used for the hi gla-precision real-time measurement of hole on motorcycle frame. The absolute standard deviation of the proposed method is 0.026 7 mm. The proposed method can not only improve the measurement speed and precision, but also re- duce the measurement error.     

基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

HHT在眼底图像边缘检测中的应用

在眼底图像处理中,边缘检测技术是许多研究领域的重要预处理手段,如眼底图像特征提取和基于图像特征的图像配准方法等等。将希尔波特-黄变换（HHT,Hilbert-Huang Transform）方法应用于眼底图像边缘检测,提出了基于二维经验模式分解的图像边缘检测算法。实验结果表明,利用HHT方法的自适应多分辨特性,可以有效提取出眼底图像的细节信息,又不会检测出过多的虚假边缘。该方法为眼底图像的其它处理方法提供了有效的预处理手段。     

基于B-样条插值的分数阶模板的应用

数字图像的增强以及边缘检测是数字图像处理中的重要内容。根据B-样条函数插值公式,对图像灰度点像素值进行三次B-样条插值运算,提出了基于三次B-样条插值的分数阶增强模板以及分数阶CRONE边缘检测模板。通过对比实验表明,所设计的模板能根据对图像的需求而改变阶次,在图像增强方面能较好地提升图像边缘并且加强纹理细节,在边缘检测方面有良好的边缘定位能力,优于基于Sobel算子的传统方法。     

基于小波的方向自适应图像插值

图像插值是图像处理的一项重要技术,经典的插值算法会产生细节模糊和边缘锯齿现象。该文提出一种基于小波的方向自适应图像插值方法,将小波变换思想和局部方向自适应插值方法结合。为了获得清晰的细节部分,对图像实施改进的方向自适应双线性插值;结合小波方法,提高插值图像的高频细节信息,并进行相关后处理,增强视觉效果。实验结果表明,该文方法插值后的图像边缘清晰光滑,有效抑制了边缘模糊和锯齿现象,相比较传统方法,插值图像的客观质量和视觉效果都得到明显增强,更加适合人眼视觉系统。     

An adaptive color plane interpolation method based on edge detection

In this letter, an adaptive interpolation algorithm based on edge detection is proposed. With this algorithm, all the missing green values can be reconstructed in Bayer pattern image by using edge detection interpolation method. Reconstructed images composed of green pixels are classified according to the high frequency components in image, and the threshold T needed for all kinds of green images in the edge detection is determined through experiments. The edge detection is carried out based on the one Dimensional （1D） gradient operator. If the gradient value is greater than T, this pixel is located on the edge; otherwise the pixel is in the smooth area of the image. Finally, the simple bilinear interpolation is used for the smooth area while the Laplacian interpolation with the second-order correction term is adopted to reconstruct the other red/blue values on the edge. This algorithm resolves effectively the conflicts between reconstructing high quality color image and reducing computational complexity, and thus largely enhances the processing speed for the reconstructed color image.