改进的3D Canny算子在MRI乳腺图像分析中的应用

摘要：为了突破Canny算子普遍适用于二维图像的局限性和实现大批量三维MRI乳腺图像的精确边缘提取,结合了基于二维Canny算子和三维边缘检测方面的相关知识,提出了一种基于二维非极大值理论的三维非极大值抑制新方法和迭代法自适应双阈值选取的方法。现有的三维边缘检测算子在非极大值抑制方面选取像素点,考虑x,y,z三个轴的信息,通过比较该像素点与梯度方向上两个点的幅值大小。为了简化模型,在三维空间内寻找一个角,用它取代与三个轴的梯度方向角,在此基础上实现线性插值。根据图像二维直方图的形状,采取迭代法双阈值的方法,避免了传统的人工选取阈值的繁琐。通过主观评价对边缘检测结果进行分析,结果表明,改进的3D Canny应用在MRI乳腺图像中也能达到比较好的结果。     

小波变换三阈值多尺度融合边缘检测算法

充分利用边缘点和噪声点在梯度方向特征上的差异,提出了边缘点的梯度方向特征的概念。在不同尺度上对图像进行小波变换,得到每个像素点的梯度信息,利用双阈值的非极大值抑制法和边缘点的梯度方向特征提取每一尺度上的边缘点,最后用第三个阈值融合各尺度下的检测结果,得到图像边缘。实验结果证明,该算法与经典的Canny算子和Mallat小波算子相比,在保证边缘定位能力的同时,具有更强的抗噪声性,在强噪声干扰下仍可获得满意的边缘检测效果。     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

基于Canny改进的边缘检测算法

Canny算子受噪声干扰严重,检测噪声污染的图像边缘的效果较差。轮廓结构元素形态学变换能有效滤除图像噪声,同时能保持图像边缘细节。本算法先用轮廓结构元素形态学变换的方法抑制噪声,求取图像梯度并用非极大值抑制法求其局部模极大值,采用双阀值法二值化图像边缘并进行连接。实验表明,该算法能精确提取噪声图像边缘。     

一种改进的Canny边缘检测算法

边缘检测是计算机视觉中的研究热点,Canny算法是其中较为典型的算法。本文分析了传统Canny边缘检测算法的原理,针对传统Canny算法在非极大值抑制和高低阈值选取部分做了一定的改进。将像素的八邻域分为4个象限结合线性插值提高了边缘检测的精度;利用梯度直方图选取高低阈值,提高了算法的自适应性。实验表明该方法提高了Canny算子的边缘定位精度,也使算法具有了一定的自适应性。     

一种改进的Canny边缘检测算法

针对噪声对图像边缘检测的影响,为抑制虚假边缘,提出了一种改进的Canny边缘检测算法。该算法首先采用分数阶差分方法来计算梯度,同时利用相邻像素的梯度及其梯度差两种信息来改进非极大值抑制过程,最后通过迭代计算的方法,自适应确定梯度图像的分割阈值。试验结果表明,改进算法的抗噪声性能与传统的Canny边缘检测算法相比有明显优势,提高了图像边缘检测的准确度。     

基于细菌觅食与改进Otsu算法的自适应阈值边缘提取

针对Canny算子在阈值偏高或偏低的情况下会产生边缘丢失或伪边缘的缺陷,提出了一种基于细菌觅食算法与改进最大类间方差法（Otsu算法）相结合的自适应阈值Canny算子。根据图像的梯度幅值直方图将像素点进行分类,并基于改进的Otsu算法定义描述类间方差的适应度函数,通过细菌觅食算法自动获取使适应度函数最优的高低阈值。实验结果表明,该方法在目标边缘提取的准确性上优于传统算法。     

一种改进的Canny算子在机器人视觉系统中的应用

在对传统Canny边缘检测算子深入分析的基础上,利用统计原理研究和分析图像灰度值数据,提出一种改进型Canny算子.与传统的Canny边缘检测算子相比,改进型的Canny算子将边缘点邻域内灰度相似的像素点的灰度平均值代替原灰度值,并引进一种自适应的阈值确定方法,根据灰度值信息确定高低阈值,在保持边缘提取准确性的同时增加了双阈值设置的自适应性.最后将改进型的Canny算子应用于工业机器人视觉系统中,并与传统的Canny算子的实验结果进行比对分析.实验结果表明,改进型的Canny算子更好的权衡了噪声和边缘之间的关系,对待测物体的边缘提取效果更好.     

结合无下采样Shearlet变换和改进尺度积的边缘提取

为了解决遥感图像边缘提取中的伪边缘现象,提出了一种基于无下采样Shearlet变换模极大值和改进数学形态学的边缘提取算法。首先,通过无下采样Shearlet变换对目标遥感图像提取高频分量和低频分量;针对小尺度边缘系数受噪声影响过大,对相邻2个尺度较大的高频系数进行改进,得到尺度多方向的高频系数。然后,采用非模极大值抑制方法对高频系数进行处理,提取高频分量的目标边缘;采用改进的数学形态学方法对低频分量进行处理提取低频目标边缘。最后,将高低频边缘提取结果加权融合,并使用区域连通法去除孤立噪声点,得到最终边缘提取结果。实验表明,与Canny算法、基于NSCT模极大值+Canny算法、基于NSCT模极大值+数字形态学3种算法相比,该算法提取的目标边缘轮廓不仅完整清晰,连续性好,还具有较强的抗噪性。     

基于LOG和Canny算子的边缘检测算法

针对传统Canny算子抑制噪声和检测低强度边缘能力不足的问题,提出一种将LOG算子和Canny算子相结合的边缘检测方法。采用LOG算子对图像进行噪声过滤,从以下3个方面改进Canny算子实现边缘检测：(1)设计高斯滤波核对过滤掉噪声的图像进行边缘增强,使低强度边缘更容易被检测;(2)在M×N邻域中计算梯度幅值和方向;(3)将梯度方向结合梯度幅值计算,使梯度幅值在边缘检测中更具依据性。对增加椒盐噪声的图像进行实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘。     

Edge connection based Canny edge detection algorithm

Double threshold method of traditional Canny operator detects the edge rely on the information of gradient magnitude, which has a lower edge connectivity and incomplete image information. Aiming at this problem, we proposed an edge detection algorithm based edge connection—the Hough Transform based Canny (HT-Canny) edge detection algorithm. HT-Canny algorithm guided by high threshold image, which obtains edge direction through calculating edge endpoint gradient and connects the edge by using the Hough Transform instead of traditional double threshold method. It avoids the limitation of traditional Canny algorithm, which must set the double threshold manually and protect the low intensity edge especially. The experimental results show that HT-Canny algorithm has stronger edge connectivity and can distinguish edge points and non-edge points effectively, which not only retain the advantages of the traditional Canny algorithm but also make the detection result more complete and comprehensive.     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。     

基于粒子群优化算法的金刚石砂轮磨粒边缘提取

为了实现对金刚石砂轮磨粒边缘的有效提取,将基于粒子群优化算法的Canny 算 子应用在金刚石砂轮磨粒的边缘检测上。用最大类间方差作为目标函数,优化Canny 算子的阈 值,实现边缘的有效提取。分别对实测的单颗磨粒和多颗磨粒进行了边缘提取,实验结果显示 该算法可以较好地提取金刚石砂轮磨粒边缘。该方法不需要人为设定阈值,可以实现阈值的自 动获取和优化。最后,利用四连通成分和八连通成分与像素总数的比值,将阈值可优化设定的 Canny 算子与传统的Canny 算子以及最大类间方差的方法做对比,结果表明所应用的方法有效 地提高了检测的准确性。     

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

基于改进边缘检测的视觉注意计算模型

本文主要针对传统Itti视觉注意计算模型,引入边缘特征信息,优化视觉注意计算模型.在引入边缘特征信息的过程中,本文对Canny边缘检测算法进行改进：以改进后的双边滤波算法代替高斯滤波从而更好的保持边缘,借鉴Sobel算子从4个方向计算梯度幅值来代替原方法中的从2个方向来计算的过程,利用改进的OTSU算法选取双阈值代替手动设置阈值,从而降低图像分割时的误检、漏检现象.在实验中,我们发现,该方法相较于建立在普通Canny算法基础上的Itti视觉注意计算模型,对显著区域的提取效果上有很大的提高.     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

基于改进Canny算法的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声图像的去噪效果不佳,以及双阈值需要预先设定的问题,提出了一种基于改进Canny算法的噪声图像的边缘检测。首先构建自适应高斯滤波器对曲度算子进行改进,得到优化的二值边缘图;然后基于最大类间方差法构建了灰度梯度映射函数,确定最佳的双阈值;最后对二值边缘图进行双阈值检测以及边缘连接。实验结果表明,改进算法与现有Canny算法相比,在不同类型噪声和不同浓度噪声的环境下,改进算法提高了对噪声图像边缘检测的性能,其中PSNR值平均提高了1.9%,MSE值平均降低了1.6%,且具有自适应性强、运行效率高的优点。     

Accurate object contour tracking based on boundary edge selection

In this paper, a novel method for accurate subject tracking, by selecting only tracked subject boundary edges in a video stream with a changing background and moving camera, is proposed. This boundary edge selection is achieved in two steps: (1) removing background edges using edge motion, and from the output of the previous step, (2) selecting boundary edges using a normal direction derivative of the tracked contour. Accurate tracking is based on reduction of the effects of irrelevant edges, by only selecting boundary edge pixels. In order to remove background edges using edge motion, the tracked subject motion is computed and edge motions and edges having different motion directions from the subjects are removed. In selecting boundary edges using the normal contour direction, the image gradient values on every edge pixel are computed, and edge pixels with large gradient values are selected. Multi-level Canny edge maps are used to obtain proper details of a scene. Multi-level edge maps allow tracking, even though the tracked object boundary has complex edges, since the detail level of an edge map for the scene can be adjusted. A process of final routing is deployed in order to obtain a detailed contour. The computed contour is improved by checking against a strong Canny edge map and hiring strong Canny edge pixels around the computed contour using Dijkstra's minimum cost routing. The experimental results demonstrate that the proposed tracking approach is robust enough to handle a complex-textured scene in a mobile camera environment.