一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

基于VC++的改进的图像边缘检测算法研究

对4种常用的图像边缘检测算子的特点进行了分析和比较。在此基础上,针对LOG算子存在的一些缺点,运用选取阈值的方法,将Sobel算子和LOG算子结合起来,提出了一种新的图像边缘检测方法。基于VC＋＋语言,研究了该方法的设计并得以实现。实验结果表明,相对于单纯的LOG算子,该方法更具有实用性和有效性。     

边缘检测算法在小目标提取中的应用

文章采用拉普拉斯边缘检测算子对图像进行边缘检测,比较三种拉普拉斯算子模板提取小目标的效果。试验表明:Laplacian算子对噪声具有无法接受的敏感性,它的幅值产生双边缘,不能检测边缘的方向;LOG算子具有较强的抗造能力,定位精度较高得到的边缘检测连续性较好。     

一种改进的自适应各向异性LOG算子

针对经典各向同性高斯-拉普拉斯(LOG)算子在具有方向性差异的场合中不适用的问题,引入多尺度,多角度参量,使之能对各个方向的边缘更加有效地检测,进而提出一种自适应各向异性LOG算子。该方法由独立强度传播(DS)模型调整长轴尺度,由像素的邻域平滑度决定长短轴的比例,然后通过8邻域一阶偏导决定长轴方向。实验表明,与传统LOG算子相比,该算法很好地解决了不同方向边缘的提取,还完全保留了经典LOG算子原有的优点。     

基于自适应PCNN与PCA的遥感影像感知哈希认证算法

针对现有遥感影像感知哈希认证算法存在的鲁棒性不足的问题,本文利用PCNN在边缘检测过程中能够抑制噪声的特点,提出一种基于自适应PCNN与PCA的遥感影像感知哈希认证算法.首先,对遥感影像进行四边形隐形格网划分之后,根据格网单元的信息熵自适应地决定PCNN的时间衰减参数.然后,通过PCNN提取格网单元的边缘特征,进而构造格网单元的特征矩阵.接下来,对特征矩阵进行基于PCA和信息熵的自适应摘要化,得到的序列进行加密处理后就是该格网单元的感知哈希序列.实验表明,该算法在保持篡改敏感性的同时,对无损压缩和LSB水印嵌入具有近乎100%的鲁棒性,对有损压缩的鲁棒性在95%以上,相比于现有算法有了较大提高.     

基于D2样条插值和LOG算子的亚像素边缘检测

提出了一种基于 D2 样条插值和 LOG算子的亚像素边缘检测方法 .将被检测的图像块在 1 /2 p精度上行列分离分别进行一维 D2 样条插值 ,得到亚像素图像 ,然后将不同尺度的 LOG算子与之卷积 ,所得边缘图像经过边缘融合后得到亚像素边缘     

高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的,对各个角度方向的图像边缘检测的力度是相同的特性,对经典LOG边缘检测算子引入了角度信息参量进行推导,使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称,并且可以在坐标轴旋转任意角度的边缘检测算子,增强了其边缘检测的功能,使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验,对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子,不仅增强了边缘检测算法功能,而且完全保留了经典LOG算子原有的优点．     

基于LOG算子的起球织物切面轮廓线提取

LOG算子对起球织物切面轮廓线的提取进行了分析。首先介绍LOG算子的基本思想和离散LOG算子的构造，然后比较了LOG算子和经典算子边缘检测的效果及如何选定LOG算子的平滑程度，最后利用零交叉检测和线性插值提取轮廓线的高度。实验征明这种方法是非常有效的。     

一种用于遥感影像完整性认证的感知哈希算法

为了实现遥感影像的完整性认证,提出了一种基于边缘特征的遥感影像感知哈希算法.首先,对影像进行格网划分,并对格网单元进行自适应的预处理.其次,采用Canny算子提取格网单元的边缘特征,进一步生成边缘特征矩阵.然后,对边缘特征矩阵进行奇异值分解,选择较大的奇异值作为格网单元的特征,并采用Hash函数进行归一化.最后,串联所有格网单元的归一化特征,得到影像的感知哈希散列.在影像接收端,计算待认证影像的感知哈希散列,并与收到的感知哈希散列进行匹配,实现遥感影像的完整性认证.实验结果表明,该算法能够有效检测遥感影像的局部细节篡改,对于保持影像内容不变的操作具备较好的鲁棒性,且运行效率较高,为遥感影像的内容完整性认证提供了一种高效途径.     

一种基于粗糙度估计的红外小目标检测算法

根据红外图像的特点，提出了一种基于红外图像背景粗糙度的自适应小目标检测快速算法，该算法首先通过对背景的粗糙度的估计来自适应调节LOG算子的两个关键参数；高斯分布因子σ及强度因子k的值，用经过参数调整后的LOG算子进行边缘检测，检测出目标的大致轮廓，根据目标轮廓定出目标的中心点（即种子点），然后由中心点开始进行区域生长，最后得到比较理想的目标分割图像，实验结果表明了该算法的有效性及实用性。