基于边缘检测和自动种子区域生长的图像分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,提出一种基于边缘提取和自动区域生长相结合的分割算法,即先利用Canny算子对图像进行边缘提取,得到边缘像素点集,再利用灰度直方图从点集中选取自动种子点,结合平均相似度,采用区域生长法进行图像分割。该算法能够实现阈值和种子的自动选取,在传统算法中很难实现。实验结果表明该算法有效。     

基于边缘检测终止条件的区域生长算法

提出了一种边缘检测和区域生长分割算法相结合的病灶区域提取的新方法.通过最大最小曲线流保留边缘算法对图像进行平滑去噪,利用区域生长算法对图像进行分割.采用Canny算子做为分割的终止条件.实验证明,该方法能够精确的提取出病灶区域.     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

基于非线性四阶图像插值的亚像素边缘检测算法

为提高数字图像边缘检测的精度,提出了基于ENO的非线性四阶插值和Canny算子的亚像素边缘检测算法。本算法应用经典Canny算子检测图像边缘信息,对灰度图像进行处理得到梯度图像,然后在梯度图像上沿目标边缘的梯度方向进行基于ENO的非线性四阶插值,进行亚像素细分计算,对目标边缘进行亚像素精确定位。用所得到的边缘检测算法与基于正交多项式插值检测算法和基于三次多项式插值检测算法性能进行比较,仿真结果表明本文给出的基于ENO插值的检测算法不仅提高了图像的边缘检测能力,而且可以一定程度地克服噪声干扰。     

基于多特征支持向量机和弹性区域生长的膝软骨自动分割

为了从膝关节磁共振图像(MRI)中分割出膝软骨,提出一种基于多特征支持向量机(SVM)边缘定位和弹性区域生长的自动分割算法。首先,采用自适应Canny边缘检测算法提取图像主要边缘;再对边缘提取多个图像特征,结合SVM算法对边缘进行分类,完成软骨边缘定位;然后,在软骨边缘的基础上进行种子点及软骨像素区域的选择;之后基于选择的结果采用弹性区域生长进行初步软骨分割;最后,基于先验知识和形态学获得最终膝软骨分割结果。实验结果表明:该算法能够准确、快速地自动分割出膝关节MRI中不同的膝软骨,其中股软骨、胫软骨、髌软骨的平均评价重要指标(DSC)分别可达0.8543、0.8280、0.8703,与手工分割结果具有较高的一致性。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

自适应Canny算子边缘检测技术

采用Canny算子进行边缘检测时,梯度图像需要进行模非极大值抑制,然后求取双阈值提取边缘,但目前双阈值的求取无法避免人工设定的影响,试验表明,针对不同的图像采用相同的阈值,边缘检测效果差异很大.这一点限制了Canny算子在实际中的应用.针对这一问题,提出基于梯度幅度直方图和类内方差最小化自适应的确定高低阈值的方法,可针对不同的图像,实现双阈值的自适应提取,不需要人为设定任何参数,采用模糊控制技术提取边缘像素,实验结果证明了该算法的有效性.     

压缩感知的指静脉图像去噪

基于压缩感知理论的梯度投影稀疏重建(GPSR)算法对合成指静脉图像进行去噪预处理,运用Canny算子提取指静脉边缘验证了GPSR算法的去噪效果。实验结果表明,与全变分去噪算法(ROF去噪算法)相比,运用GPSR算法可以得到更高信噪比的指静脉图像、更清晰的指静脉边缘轮廓,解决了红外传感器提取指静脉信息时存在的静脉边界模糊、不易分割及提取边缘等问题。     

基于数字图像处理的条形码识别预处理算法研究

针对以摄像头为图像采集设备获取的条形码图像,研究了几种常见的条形码预处理算法,包括二值化算法、条形码区域的定位算法及条形码的校正算法.对条形码图像中的灰度背景用大津阈值法进行分割;利用形态学腐蚀的方法将条形码区域划分为几个连通域,提取最大连通域即可定位条形码区域,完全滤除其他与条形码识别无关的背景信息;对于有一定倾斜角度的条形码,首先利用Canny边缘检测算子提取条形码的边缘,再结合Hough变换找到条形码水平与竖直的直线及其倾斜角度,将条形码旋转该角度即可得到校正后的边缘识别的条形码图像.实验证明,该预处理算法有较好的处理效果.     

基于形态滤波和分水岭算法的硅片缺陷提取

针对硅片表面缺陷的特点,对其缺陷的提取技术进行了研究,采用了多结构元素的广义形态闭-开和形态开-闭滤波器,结合改进分水岭算法进行缺陷提取.滤波器对输入图像及滤波后图像的梯度图像进行平滑,实现消除噪声、简化图像、保持细节的作用.为了克服分水岭的过度分割问题,提出了改进的分水岭算法,利用区域强度准则和边界强度准则对过分割区域进行合并,很好的解决了过分割问题.实验表明,该方法可以提取精确且封闭的缺陷边缘轮廓,为进一步的缺陷特征量的提取与选择奠定了基础.     

高速公路路侧景观量化方法

将路侧景观量化分成图像分割与特征提取两个阶段。第一阶段为路侧景观图像分割。对比分析了标记分水岭算法、Canny算子边缘检测算法及纹理分析算法的分割效果,选定了鲁棒性较强的纹理分析算法进行高速公路路侧景观分割。第二阶段为景观色彩特征与连续性特征的提取。在景观色彩特征提取方面,利用k均值聚类分析法提取了景观的RGB向量值,借鉴蒙赛尔色系划分法建立了色彩划分体系,对景观的宏观色彩进行了判别。结果表明:该方法可客观准确地表征景观的宏观色彩。在景观连续性特征表征方面,选取昆元高速公路部分路段景观提取了基于时间序列的HSV值。HSV值与路侧景观构成及连续性的量化分析表明两者相关性很强,方法快速有效。     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

一种基于双曲线模型的车道线检测算法

针对目前车道线检测算法识别率不高、弯道检测不准确的问题,提出了一种基于双曲线模型的车道线检测算法.算法首先运用Canny算子对道路边缘进行检测;采用Hough变换提取道路边界点,并使用扩展的Kalman滤波进行预测跟踪来减小道路扫描范围;最后通过左右车道边界参数与双曲线模型参数进行匹配,利用最小二乘法来求解模型参数,完成车道边界重建.实验结果表明,该算法的准确率达到93.4%,每帧图像的处理速度为87.4ms,有效克服抛物线模型和直线模型在直道与弯道连接处不连续的问题,而且在车道线模糊、对比度较低的情况下也能快速准确的识别出车道线.     

基于方向空间的边缘检测

提出了一种基于方向空间的边缘检测方法．首先建立方向差分级空间,沿方向差分级函数方向,通过逻辑判断的方法分别提取方向Ridge边缘像素和方向Valley边缘象素,构成方向Roof边缘映射图;然后再沿方向差分级函数方向,在所有相邻的方向Ridge边缘和方向Valley边缘之间提取方向Step边缘,构成方向Step边缘映射图;最后将几个不同方向获取的方向：Ridge边缘映射图、方向Valley边缘映射图和方向Step边缘映射图,分别通过逻辑“或”的方法合成为相应的Ridge边缘映射图、Valley边缘映射图和Step边缘映射图．将该算法与经典算法、Marr—Hildreth算法和Canny算法进行的比较实验结果表明,提出的算法除了不需要复杂运算之外,在边缘定位准确度方面具有优势。     

带几何约束的彩色图像选择性分割

为了解决彩色图像分割任务中有选择性的定位感兴趣区域的具体需求,基于Lavdie-Chen的灰度图像单水平集选择性分割方法,提出带几何约束的彩色图像选择性分割方法。该试验方法将彩色图像作为一个整体,求其梯度及边缘检测函数,借助边缘检测函数、目标物体约束点确定的距离函数以及形成的多边形内外面积,共同决定曲线演化进程中的方向与速度。区域信息的加入克服了边缘函数依赖单一图像梯度的缺点;正则化优化算法的引入克服了凹陷处分割效果不理想的缺点;加法分裂算子算法可以快速求解模型的Euler-Lagrange方程。试验结果表明,本研究提出的彩色图像选择性分割方法具有有效性强和正确性高的特点。     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

基于信息融合的车道检测算法

提出了一个基于图像区域分割和边缘检测信息融合的车道检测算法,首先在HSV颜色空间内进行基于区域的分割,得到车道边界的模板;接着将车道边界模板和道路边缘检测结果进行操作,得到车道边界点;最后对车道的边界点使用Hough变换进行处理,得到车道的方向和位置.算法将基于区域分割的信息和边缘检测的信息相互补充,提高了车道边界提取的精度.仿真实验结果表明,对于多种复杂的道路环境算法都可以鲁棒的检测出准确的车道.