基于多尺度边缘和局部熵原理的前方车辆检测

提出一种基于多尺度边缘和局部熵原理的前方车辆的检测算法。该算法利用车辆图像的边缘和纹理等视觉特征,根据摄像机参数得到远、中、近距离的三个尺度的图像,用一种改进的边缘检测算法分析每幅图像的边缘,得到车辆的感兴趣区域ROI,最后通过应用局部熵原理来排除错误的结果。对同一帧序列用文中算法和传统算法进行测试,文中算法提高了检测的正确率,并减少了误检的数量,该算法同时适用于静止和运动的车辆,并且对中远距离车辆有较好的检测效果。     

一种改进的小波自适应边缘检测算法*

为合理选择小波变换尺度,解决抑制噪声和边缘定位之间的矛盾,提出了一种基于局部熵的自适应尺度选择方法,采用局部熵预处理图像,根据熵值大小自适应地选择小波变换的尺度,各区域分别按照相应的尺度进行小波变换检测图像边缘。实验结果表明,此方法比基于均方差的小波自适应算法检测到的边缘更清晰,定位更准确。     

基于小波多尺度和熵在图像字符特征提取方法的改进

提出了一种基于小波和熵提取图像字符特征的方法。该方法利用小波变换对图像字符进行多尺度分解,用Marr零交叉边缘检测算子提取边缘;用基于判别熵最小化提取每一尺度图像的边界特征,小波的“数学显微镜”的优点与熵能确切地表达各类的交叠状况且能直接表达错误率的特征相结合。与其它方法相比,该方法提取的特征向量稳定、识别率高、算法快,非常有利于分类,且特征提取的方法有人类视觉的特点。     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于数学形态学的边缘检测方法

针对图像的边缘检测问题,提出了一种基于顺序形态变换和局部熵相结合的边缘检测方法。该检测方法构造了基于百分位顺序形态变换的边缘检测算子,根据不同结构元素的尺度大小与结构元素的类型,选择不同的形态变换的百分值,从而使变换结果图像的局部熵最小,利用局部熵的特性,有效地锐化了图像边缘。实验结果表明,与传统的边缘检测方法相比,该方法具有很强的抑制噪声能力和良好的边缘检测性能。     

基于多尺度形态学的红外图像边缘检测方法

提出了一种基于数学形态学算子的多尺度边缘检测方法。首先选取几个有代表性的结构元素对灰度图像进行边缘检测得到边缘图像。改变结构元素的尺寸大小可得到多尺度下的边缘图像，根据局部边缘生存期的长短将不同尺度下的边缘图像合成。对噪声大、边缘较模糊的红外图像进行了边缘检测与比较，实验表明该算法抗噪能力强，能得到更精细准确的边缘。     

自适应权重形态学边缘检测算法仿真研究

提出了一种自适应权重的多刻度形态学边缘检测算法。该算法首先在同一尺度下用多个结构元素分别进行边缘检测,并得到该尺度下的边缘图像,利用形态学结构元素“探针”原理和不同尺度结构元素抗噪性能来确定加权值的大小,然后对不同尺度下的边缘图像进行加权求和,再经过二值化、去噪等处理,得到最后的边缘检测结果。仿真结果表明,该方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整。     

基于数学形态学的多尺度熵权边缘检测方法

提出了一种基于数学形态学的多尺度熵权边缘检测方法。信息熵为图像的内在特性,由它来决定不同结构元素所提取的边缘在最终合成边缘中所占的比重,是自适应的和客观的。通过实验对多尺度熵权边缘与多尺度均权边缘作了对比,证实多尺度熵权边缘有更强的边缘信息。将多尺度熵权边缘与多尺度均权边缘相减得到的差图像定义为强边缘,在强边缘中消除了弱小细节的影响,保留了灰度值较强的主要边缘,有助于图像的分割和目标的识别。     

融合提升小波和形态学熵权的医学图像边缘检测

为了提高医学图像边缘检测定位的精度,结合基于小波变换和数学形态学边缘检测算法的优点,提出一种融合提升小波和多尺度形态学熵权边缘检测算法。首先应用提升小波边缘检测算法提取边缘,再由多尺度形态学算子进行边缘检测,依据各尺度下边缘图像的信息熵确定权值进而求和得到边缘图像,最后对两种方法得到的边缘图像进行融合。实验结果表明,与传统边缘检测算法相比,该算法融合规则简单,边缘精度高并且定位准确,是一种有效的图像边缘检测算法。     

基于模糊熵和分形维度的边缘检测算法

当图像中噪声与边缘强度相差不大时,用LFFD算法检测边缘时会扩大噪声。针对该问题,给出一种抗噪声的边缘检测算法(EFFD)。该改进算法通过使用模糊熵来抑制噪声扩大,用分形维度来描述图像的局部特征。通过对不带噪声和带有椒盐噪声的图像的边缘检测,说明EFFD在带噪声的图像中可以抑制噪声扩大,获得较好的边缘特征。