基于断层图像的内部缺陷边缘检测

针对结构件内部缺陷形状复杂、随机性大及其计算机断层图像噪声严重等特点,提出了一种新的基于统计学和数学形态学原理的边缘检测算法。为了自动提取每一像素点的梯度阈值,选择以该点为中心的3×3区域为研究对象,并考虑到人的视觉对灰度的分辨能力限制,进而得到缺陷图像的预边缘。然后应用多个结构元素对预边缘进行形态学腐蚀操作,以滤除噪声并细化边缘。实验结果表明,所提出的算法不仅具有很好的边缘提取能力,而且抗噪性、稳定性强、鲁棒性好。     

一种基于局部多结构元素形态学的边缘检测的修正算法

在前期工作的基础上 ,提出了一种基于局部多结构元素形态学的边缘检测的修正算法 .该算法根据图像中噪声和边缘形态的不同 ,建立了多个结构元素 .利用基于视觉模型的边缘阈值选择策略确定图像中梯度变化的像素点 ,并对其采用二值形态学的腐蚀操作 ,在进行腐蚀操作时 ,放宽了结构元素中相同灰度像素点的判别条件 ,从而更好的选择出图像边缘 ,滤除噪声 .实验表明 ,本文算法不仅具有很好的边缘提取能力 ,而且具有很强的抗噪能力     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

基于非线性滤波的万有引力边缘检测方法

将非线性滤波算子融入到万有引力边缘检测算法中,提出了一种新的边缘检测方法。通过计算图像中每个像素点的非线性梯度值,构造以该梯度值为自变量的归一化函数,用该函数值代替中心像素点灰度值对图像进行万有引力边缘检测。实验结果表明,同传统的边缘检测算法相比,此方法不仅边缘定位准确,而且对于各种噪声图像也具有良好的边缘检测效果。     

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘检测效果。     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘俭测效果。     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

灰阶边缘的细化

本文提出了一种改进了的灰阶图象Sobel边缘细化新方法,通过对灰阶边缘图多次Sobel边缘细化结果的叠加使边缘点的数值拔高、变陡,再通过灰阶边缘图中各3x3邻域内取数值最大的三个点作边缘,得到单点宽的边缘-其中后者也适用于其它边缘检测算子.此方法处理简单、效果明显,为从图象中提取模糊边缘和微弱边缘、提高定位精度,提供了一种有效的手段.     

小波边缘分布及边缘融和算法研究

小波变换是图像边缘检测的重要算法之一,为了综合大尺度下边缘抗受噪声强和小尺度下边缘定位准确的优点,提出一种基于多尺度小波边缘分布的边缘检测算法.研究小波边缘检测中的边缘分布,提出有效边缘包络带,讨论了不同类型边缘包络带的有效范围;在有效边缘包络带内采用融和算法进行边缘检测.对合成和自然图像的试验表明算法的有效性.     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

一种JPEG图像边缘检测算法

提出了一种针对JPEG压缩图像的边缘检测算法。该算法首次推导出了DCT域中8×8DCT块到2×2DCT块的直接变换矩阵,并以2×2DCT块为单位进行边缘检测。实验结果表明,与已有的方法相比,该算法简单易行,且提取出的边缘特征具有较高的分辨率。     

网络边布局技术研究综述

网络边布局技术是网络可视化研究的重要内容,良好的边布局能够有效地展示网络的整体结构并从中揭示出某些隐含的信息模式.为了全面地总结和分析现有网络边布局技术,首先归纳了网络边布局的主要任务,回顾了指导网络边布局的美学标准.然后将网络边布局技术归纳为3类:边路由技术、边融合技术和边集束技术,分别阐述了各类技术中典型布局方法的主要原理和特征,并重点对边集束技术进行了分类分析.最后总结了目前研究中还存在的一些问题,展望了网络边布局技术的发展前景和面临的挑战,以期为相关领域的研究者提供有益参考.     

复杂边缘目标的亚像素定位

在已有的亚像素边缘定位方法中,从复杂度和运算时间等角度考虑,二次曲线拟合边缘定位是一种较好的方法,然而目前只能应用在直线边缘的亚像素定位中.为此提出了一种针对非直线边缘的复杂图像进行亚像素级边缘定位的算法,依据细化后边缘上前后像素的邻接关系将二次曲线拟合亚像素定位应用到二维情况.实验验证了对直线边缘图片以及具有非直线边缘的实际物体图片进行亚像素级边缘定位的正确性及可靠性.结果表明,不仅可以检测直线,而且对较复杂边缘目标的定位精度达到了亚像素级.     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

自适应模糊边缘减宽增强算法

针对形态边缘减宽增强算法的不足,提出了一种自适应模糊边缘减宽增强算法。它对非边缘区采用局部均值滤波来抑制噪声;对于边缘区域,根据梯度方向及当前点在斜坡边缘的位置,自适应的采用边缘方向均值、边缘梯度方向的高灰度均值和低灰度均值来代替当前像素灰度值,从而缩短斜坡边缘的宽度来达到增强图像边缘的目的。采用模糊策略决策,推理合成得到增强结果,在增强的同时,抑制噪声。实验结果表明,该算法能有效地增强边缘并平滑噪声,明显地改善视觉效果。     

基于显著闭合边缘的图像检索方法

为提高基于内容的图像检索查准率,研究基于显著闭合边缘的图像检索方法.设计显著闭合边缘提取算法,利用人类视觉注意机制获取显著图,根据原始边缘图确定显著边缘图,连接显著边缘间的断裂,得到显著闭合边缘,结合边缘梯度和角度值的直方图实现图像检索.实验结果表明,该方法具有较高的查准率.     

基于边缘特征和模糊理论的阴影检测

阴影检测在图像处理中是一个十分重要的课题。该文提出了一种基于边缘特征的阴影边缘检测方法。对于阴影边缘检测的结果,利用文献所提出的基于模糊理论的边缘连接方法来进行连接,并在此基础上提出了一种基于模糊理论的边缘闭合方法将未闭合的离散边缘点或曲线段连接成闭合边缘。最后,利用局部均值和直方图获取阴影区域。实验结果表明,本文提出的方法在定位精度和去除噪声等方面都取得了较好效果。