基于边缘重构图像的边缘检测算法优选研究

边缘检测是视觉定位、零件缺陷识别、视觉测量等图像处理中的关键环节，其检测质量直接影响后续的图像目标识别与定位的精度。针对具体图像处理需选取合适的边缘检测算法的问题，提出了一种基于多方向滑动窗口线性插值重构法的图像边缘检测质量评价算法。首先，采用待处理边缘图像的最大连续非边缘矩形区域作为重构搜索窗口，设计了多方向滑动窗口线性插值图像重构法；然后，根据图像边缘的特征，建立了集成图像结构相似度和边缘错检率为性能指标的边缘检测算法的优选评价方法；最后，进行了实例应用，通过实验对重构算法的性能、优选方法的可行性和正确性进行了验证。研究结果表明：该边缘图像重构算法准确率最高，实验中重构图像的结构相似度可达到0.708 7,耗时320.902 1 s;采用该优选方法能快速地筛选出最佳的边缘处理算法，与人体视觉评价一致，便于实现边缘检测算法的智能优选和图像的智能处理目标。     

SLM彩色显微图像的亚像素边缘检测方法

微操作技术的迅速崛起迫切要求显微图像处理技术的发展。在HSI彩色模型的基础上,根据SLM视觉系统的彩色显微图像特点,基于小波变换提出了一种适用于SLM彩色显微图像的边缘检测方法。根据三次样条拟合曲线的一阶导数零点,获取精确的亚像素边缘。试验证明,该方法适用于各放大倍率下的SLM彩色显微图像,能较好地滤除噪声,检测出完整的亚像素边缘。给出了利用该算法处理噪声仿真图像和真实SLM彩色显微图像的试验结果。     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

图像边缘特征分析

图像测量技术是近年来在测量领域中形成的新的测量技术。在图像测量方法中,精确地确定图像的边缘位置极为重要。本文首先简要对图像测量系统进行阐述后,着重对图像边缘特征进行分析,并指出,边缘特征点处斜率最大,从而为实现亚象元边缘检测提供了理论依据。     

模糊图像边缘精确定位的滤波算法

图像的边缘是图像最基本也是最重要的特征之一。实际应用中,光学系统离焦和图像传感器噪声源引起图像模糊,导致边缘自动定位算法无法精确确定边缘点。从边缘检测理论出发,根据噪声及图像模糊模型,提出了基于空间域和频域的滤波方法对模糊边缘图像去噪,从而消除模糊图像对于边缘定位的影响。实验表明,各种滤波方法对于边缘点的自动提取都具有一定的效果,离焦模糊和噪声可以得到有效抑制,尤其是频域低通滤波器能够精确地提取出模糊边缘位置。     

一种改进Canny算子芯片图像边缘检测方法

采用机器视角对芯片表面封装缺陷进行检测对提高芯片生产效率意义重大。该文对传统Canny算法进行详细分析后,根据采集到的芯片图像对比度低、容易受光照不均匀和噪声污染等信息影响的特点,对传统Canny算法进行了改进,提出一种新的芯片图像边缘检测方法。通过迭代双阈值最大类间差法取得最优阈值后,再开始边缘检测。在系统自带图像和采集到的缺陷芯片图像上对2种算法进行了对比实验。结果表明,新方法能去掉冗余信息,可准确提取芯片图像的缺陷轮廓,提高后续检测的准确性。     

基于图像融合的年轮细胞边缘检测算法研究

提出一种基于图像融合的边缘检测算法。首先对源图像进行小波分解,在不同分解层用小波模极大值法对高频子图像进行边缘检测,用数学形态学对低频子图像进行边缘检测,然后采用一定的融合规则将这两个边缘检测图像融合在一起。实践结果表明,这种方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

图像亚像素边缘检测的新方法

本文提出了一种改进的基于正交傅里叶变换的新方法,提高了部分数字图像的亚像素边缘检测的准确性。首先,使用这些矩的低径向阶和旋转不变性描述图像中的小物体,其次,通过在垂直方向上设置边缘,分析在不同顺序和角度的正交傅里叶变换-Mellin矩之间的相互关系,进而充分地提取出边缘的具体特征。实验结果表明,改进的基于正交傅里叶变换的亚像素边缘检测方法提高了部分图像的边缘检测的准确率。     

微小型结构件显微图像边缘的自动识别

在前一阶段的研究工作中,针对微小型结构件的显微图像边缘提取,作者提出了一种基于工艺匹配的显微图像边缘提取算法（Micro Processing Technology Matching based Micro Image Edge Detection, MPTM-MIED）。使用MPTM-MIED提取图像边缘之前,需要手工从零件显微图像中选取边缘过渡区域,这一操作将极大影响微小型零件的检测速度,从而使MPTM-MIED不能应用在实时自动检测中。针对MPTM-MIED的这一不足,本文利用BP神经网络技术重新设计并实现了MPTM-MIED,提出了一种新的自动提取显微图像边缘的方法（An Automated Micro Image Edge Detection Method,AMIED）。为了验证该方法的有效性,本文还利用AMIED对4种工艺微小型结构件显微图像的边缘进行了提取,并对线切割工艺零件的尺寸进行了测量。边缘提取的分析结果表明：AMIED提取出的显微图像边缘与MPTM-MIED提取出的基本一致;与常用的边缘检测算法相比,AMIED提取出的显微图像的边缘线形连接程度较好。测量尺寸的分析结果表明：MPTM-MIED和AMIED测量的尺寸基本相同,与Canny测量的相比,更接近万能工具显微镜测得的尺寸。     

图像边缘检测技术研究现状

本文首先回顾了经典的边缘检测算子,主要分析了各种算法的特点和处理性能,并对它们自身的优缺点进行了论述。接着对近年来出现的新的边缘检测方法进行了介绍,较全面地阐述了图像边缘检测技术的研究现状。     

基于变尺度形态学的遥感图像边缘检测算法

针对遥感图像的噪声问题,在数学形态学的基础上提出了一种利用结构元素尺度变换的边缘检测算法。首先利用腐蚀运算对图像降低噪声,然后利用膨胀运算填补腐蚀产生的空穴,在这个过程中采用不同尺度的结构元素,最后通过检测算子得到图像的边缘图。实验结果表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素的尺度能明显降低噪声对检测结果的影响,准确检测出大多数遥感图像的边缘。     

基于非线性扩散滤波的边缘检测和图像测量

提出了一种基于自适应非线性扩散方程滤波的边缘检测方法, 以提高图像测量的精度。首先对原始图像实施一种非线性扩散处理,即沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘, 而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像; 然后应用经典的微分算子来检测边缘。实验结果表明,相对于经典的边缘检测算子, 本算法得到了尖锐而平滑的单像素宽的图像边缘,较好地定位了边缘, 相对误差为0.03。当图像边缘模糊和存在附加噪声时, 测量结果将会受到很大影响。本方法较好地定位了边缘像素, 对于微小尺寸测量显示出它的优越性.     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于主轴分析和EDISON—Zernike矩的彩色图像亚像素边缘检测

本文分析了目前常见的亚像素边缘检测方法,提出了一种综合运用主轴分析法、Zernike矩和嵌入置信度的彩色图像亚像素边缘检测算法。首先获取影像三维空间中的主轴,然后利用嵌入置信度的边缘检测算子快速检测出所有可能的边缘点,再利用Zernike矩算子以亚像素精度重新定位边缘。实验表明本文算法优于其它的边缘检测算子,充分利用了图像的彩色信息,定位精度能够达到0.13个像素,并且该方法还具有良好的抗噪声干扰性和处理效率。     

ICT图像实体重建技术中的边缘检测和特征识别

在ICT图像实体重建技术中，需要进行实体轮廓的边缘检测和特征识别。本文采用Sobel算子对图像进行边缘检测，得到图像的边缘点，通过多次过滤进行边缘细化；然后根据轮廓跟踪准则对边缘点进行排序，将图像数据转化为具有单像素宽的轮廓线；最后对轮廓线加以识别，用线段来表示实体的同一特征体素。     

机载仪表图像边缘检测算法的优化

针对机载仪表视频图像存在边缘模糊,字符不清,传统算法难于识别的缺点,提出了一种基于梯度锐化的图像边缘检测的优化算法。实验表明,该优化算法能较好地解决传统算法所造成的图像变暗的问题。在不破坏原始背景的情况下,满足对图像的边缘增强及根据需要增强边缘的需求。     

一种基于梯度和零交叉点的图像边缘检测新方法

本文提出了一种基于一阶导数局部极大值和二阶导数零交叉点的图像边缘检测方法。许多传统的边缘检测方法，尤其是一些基于二阶导数零交叉点的方法，对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来，而本方法可以较好地解决这些问题。本文提出的算法是先计算出像素一阶导数的局部极大值以及二阶导数对应的零交叉点，将两者进行比较，删除那些二阶导数是零交叉点但一阶导数不是局部极大值的像素点，最后把剩下像素连接起来，即是图像边缘。实验研究结果表明该方法具有良好的边缘检测效果和鲁棒性。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

基于线段扫描的碎纸片边界检测算法研究

提出了基于短线段扫描的碎纸片图像边缘检测算法,该算法用一系列短线段拟合碎纸片的边缘,这些短线段首尾相连,组成碎片边缘拟合曲线;在碎片边界拟合过程中,使用直线插补方法获得线段离散点,通过点的属性来判断线段与碎片边缘的拟合程度,同时使用圆插补方法旋转扫描线段,以保证线段扫描方向连续而没有间断;还分析了碎片图像噪声分布特点,提出了噪声点去除方法;同时提出了多碎片图像边缘检测方法.根据所提出的算法,研制了碎纸片边缘检测程序,并利用这些程序对两实际例子进行了分析,分析结果表明所提出的碎片边缘检测方法是可靠和有效的.