基于变差函数的噪声图像的多尺度边缘检测

基于区域化变量理论,针对受噪声污染的图像,本文提出了一种基于变差函数的多尺度边缘检测新方法.该方法根据图像各个不同区域的数据的不同方向的变差函数值来判断该区域是否存在边缘以及边缘的方向性,然后根据该区域边缘的方向性,在水平和垂直方向分别进行不同尺度的小波变换,进而达到在确保边缘定位准确的同时,尽最大可能去除由于噪声以及图像灰度不均匀产生的伪边缘点.仿真实验表明,本文算法在对受高斯白噪声污染较严重的图像进行边缘检测时能有效的去除噪声对图像边缘检测的影响,从而证明了该方法的可行性、有效性.     

基于MAS小波变换的红外小目标检测方法

提出一种基于MAS小波变换多尺度相关的红外小目标检测方法.该方法通过二进MAS小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声;利用小目标与背景和云层边缘具有不同的奇异性,在相同尺度下小波变换模不同的特性加以区分,得到最终的检测结果.实验结果表明,该方法能够有效地进行红外小目标检测.     

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。     

基于小波变换的图像边缘检测算法的研究

在对经典的图像边缘检测算法深入分析的基础上,进一步完善了基于小波变换的边缘检 测算法.随尺度增加,边缘和噪声的小波幅值表现出不同变化特性,从而在低信噪比的信号中检测出噪声和边缘.实验结果表明,基于小波变换的图像边缘检测算法能够比其它算法保留更多的图边缘信息,鉴别出伪边缘,其精度能够满足基于图像处理技术的各种质量检测系统的要求.     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

基于EMD方法的多尺度边缘提取

提出了一个基于EMD方法的多尺度边缘提取方法。利用EMD方法沿水平方向和垂直方向分别处理SAR图像，得到不同尺度的图像。计算不同尺度图像的梯度，得到不同尺度图像的边缘。根据一致性条件，从不同尺度图像的边缘提出SAR图像的边缘。利用这个方法处理了合成孔径雷达图像，成功地提取了图像的边缘信息。     

多尺度边缘的轰炸光电瞄准图像融合

现役主战轰炸机在夜间及复杂气象条件下无法观测目标,需要配备光电瞄准系统。为解决轰炸光电瞄准实现过程中多尺度图像融合这一关键技术问题,本文尝试通过融合多尺度边缘来达到融合图像信息的目的,在压缩被融合数据的同时,试图减小噪声对融合结果的影响。基于多尺度边缘表示理论,提出了一种针对轰炸光电瞄准的图像融合方法,并通过实验验证了该方法的有效性。结果表明,本文提出的基于多尺度边缘的图像融合方法对失配和噪声具有鲁棒性,为实现轰炸光电瞄准提供了理论基础。     

基于形态学的超声C扫描图像缺陷边缘检测

针对传统基于形态学的边缘检测算法自适应降噪能力差、计算效率低的问题,提出了一种基于边缘比率和多结构的自适应边缘检测算法,根据超声C扫描图像的边缘比率将超声C扫描图像分为3种不同复杂度的图像,针对不同复杂度的超声C扫描图像自适应选取结构元素进行边缘检测,再根据不同边缘图像的信息熵进行融合处理得到最后的边缘。实验结果表明：该算法有效抑制噪声的干扰,且较好地保持图像边缘细节,提高了超声C扫描图像缺陷边缘检测的效率和准确率。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

一种新颖的分割算法在果业机器人视觉中的应用

传统流域变换主要依赖图像梯度,该方法并不完善。在噪声图像中,边缘提取也不能够达 到很好的效果。提出的多尺度流域变换算法主要利用一组结构元素按照一定顺序,进行腐蚀膨胀的迭代来分割灰度图像。在多尺度测地重建滤波下,不同尺度的梯度流域分割线存在严格的因果关系。实验结果证实多尺度流域分割的性能远比传统方法优越。     

基于改进多阈值小波包的去噪算法及应用

提出一种改进多阈值小波包的去噪算法,解决了单一阚值对噪声去除不完全和对一些有用信号无差别去除的问题。应用在智能交通的图像去噪中,解决了不完全及错误去除图像信息的问题。首先采用小波包分解重构算法对图像进行预处理,得到更多的边缘细节。然后针对不同能量对应不同频段的特点,自适应地合理设置阈值,对不同频段下的噪声采用不同阈值去除。实验表明,该方法有效去除噪声,保留了图像的边缘和细节。     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

基于不同空间结构Hadamard融合的图像边缘提取算法

目的针对图像边缘提取算法中噪声对边缘的影响,易导致边缘定位精度不高,出现虚假边缘与漏检等不足,设计一种不同空间结构Hadamard融合的图像边缘提取方案。方法首先,通过计算像素与相邻点之间的方差来分析像素的结构,得到边缘点的最大概率分布矩阵(MPDM),利用MPDM来表示候选边缘集。其次,通过分析邻域点之间的亮度,计算像素与其4个相邻像素之间的最大和最小差值,得到相应的差异矩阵,并引入Logistic回归分析对2种矩阵归一化处理,得到一个权重矩阵(WM)。然后,通过Hadamard乘积模型将MPDM与WM进行融合,从而设计边缘分割阈值函数。最后,通过比较WM和分割阈值,去掉非边缘点,检测出真实图像边缘。结果实验表明,与当前边缘提取方法对比,文中方法能够有效抑制噪声,得到的边缘清晰、完整,边缘细化度与平滑度良好,在客观评价FOM与ROC中具有更大的优势。结论所提算法具有良好的边缘提取精度,在图像处理与包装条码领域具有良好的应用价值。     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

An Image Edge Detection Algorithm Based on Multi-Feature Fusion

Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method.     

PCB导线上下线宽检测算法研究

针对PCB导线的上下线宽的测量,提出了快速而且精确的边缘提取算法。由于采集的显微图像中有很强噪声,一般常用除噪方法很容易破坏图像的边缘信息。采用P-M模型进行除噪,这种方法最大的优点是能够在除噪的同时保护甚至增强图像的边缘;利用Canny算子对降噪图像提取边缘点;最后进行Hough直线拟合。实验证明该方法不仅有很强的抗噪声能力,能够保持边缘信息和测量的精度,并且满足工程测量的实际要求。     

一种自适应二值化的毫米波图像边缘检测方法

针对毫米波图像分辨率较低、噪声大、成像物体边缘提取困难等问题,提出了一种基于自适应图像二值化的毫米波图像边缘检测方法。该方法通过对图像直方图的分析,自动地确定两个峰值的位置,得出阈值,对图像进行二值化,再对二值化后的图像进行边缘检测。实验表明,这种方法能较好地检测出毫米波图像中人与物体的边缘信息,同时又去掉了大多数由噪声引起的伪边缘。该方法避免了大量的方差计算,计算量仅为大津法的 50%左右,能够满足自适应性和实时性的要求。     

Edge detection in noisy images using fuzzy reasoning

A new approach to edge detection in images corrupted by impulse noise is presented. The proposed method adopts fuzzy reasoning in order to extract edges without being deceived by the noise which is present in the data. Experimental results show that the fuzzy technique performs better than other methods in the literature from the point of view of sensitivity to noise and detection of image details