基于FPGA的图像轮廓提取

文章采用4个不同方向的Sobel算子模板和阈值比较方法来解决经典Sobel算子的检测精度不高和易出现虚假轮廓的现象;详细介绍了在FPGA中利用Sobel算子对图像边沿进行检测,并最终通过图像二值化将图像轮廓提取出来的具体过程;使用Modesim9.0仿真,验证了FPGA中轮廓提取算法模块的功能正确性.     

利用Gabor方向导数相关矩阵的角点检测

为了提高角点检测的准确率,提出了一种使用图像的Gabor方向导数构建相关矩阵来进行图像角点检测的算法。算法首先通过Canny边缘检测算法提取检测图像的边缘轮廓;然后使用Gabor滤波器对图像进行平滑,利用每一个边缘像素和其邻近像素的Gabor方向导数构建相关矩阵,若相关矩阵的归一化特征值的和大于预定阈值并且是局部极大值,则标记该像素为角点。算法利用邻近像素Gabor方向导数之间的相关信息提取角点,与传统的基于轮廓的角点检测算法相比,检测性能更加稳健。实验结果表明：在含噪声和无噪声情况下,提出的算法检测到的真实角点更多,而错误角点更少,整体性能有明显提升     

基于形态学算子的各向异性扩散去噪方法

针对相干增强扩散模型采用高斯线性滤波做图像预处理的不足,及扩散张量特征值的选取不适合平坦区域的去噪,易在平坦区域产生虚假边缘,文中提出了一个基于形态学算子的各向异性扩散去噪方法.该方法首先利用形态学闭开算子代替高斯滤波做预处理,然后结合二阶方向导数设计结构张量,且依据自适应的梯度阈值设计扩散张量的特征值.数值实验结果表明,改进后的方法在有效去除噪声的同时,还能很好地保持图像的细节特征和消除平坦区域的虚假边缘     

消除图像伪轮廓的各向异性自适应滤波

摘要：目的：图像反差增强、重复量化、有损压缩等操作容易造成伪轮廓瑕疵,使原本平滑的区域呈现不真实的亮度和颜色跳变,损害图像质量。针对这一问题提出一种各向异性自适应滤波方法,用于消除伪轮廓．方法：首先检测图像中的边缘和平坦区,若边缘位于平坦区域则判定其为伪轮廓,得到一幅伪轮廓分布图．对伪轮廓上每一点计算两个特性：伪轮廓走向和分布密度,量化为8个方向和6种尺度,据此确定不同方向特性和不同尺度的滤波参数,选择相应的滤波器．为保护目标边缘不受损伤,在含有伪轮廓的图像中提取强度超过指定阈值的边缘,对其进行膨胀生成模板用以屏蔽滤波效果．结果：该方法能有效消除伪轮廓并保护真实边缘不受损伤。实验中采用峰值信噪比（PSNR）和结构相似度（SSIM）评估图像质量,结果表明,各向异性自适应滤波器特性优于其他方法．结论：消除伪轮廓的自适应图像滤波方法能消除因过度增强或不当量化造成的伪轮廓瑕疵,并保留真实边缘,提高图像的视觉质量.     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

结合背景差分和闭合轮廓拟合的运动人体检测

假定图像序列的背景图像已经获得,提出一种结合时空背景差和闭合轮廓拟合的运动人体目标检测算法。算法以较小的阈值获得当前帧的背景差分图像,并搜寻最大连通域为初始前景目标;构造加权高斯滤波器,提取初始前景目标边缘;拟合前景目标轮廓,提出2 bit区域选择法提取不连续弧段的端点,根据类间最小距离准则构造闭合轮廓,结合帧间差分提取最终前景轮廓,标注运动目标位置。仿真实验表明,该算法能准确提取出运动目标,并标注目标位置,在背景环境发生变化时同样可以准确检测到运动目标,具有较好的鲁棒性。     

第二小方向导数信息熵的兴趣点检测

目的 为了提高兴趣点检测的定位准确性和对噪声的鲁棒性,提出利用图像轮廓线及其邻域内像素点方向导数信息熵检测兴趣点的方法.方法 首先利用多方向Gabor虚部滤波器提取图像灰度变化信息得到第二小方向导数.然后利用Canny边缘检测器提取边缘映射,并填补断裂边缘映射提取边缘轮廓线.最后求解图像边缘轮廓线及其邻域内像素点对应的第二小方向导数所对应的信息熵归一化值并作为新的兴趣点测度.和直接由灰度变化信息及分析边缘轮廓形状或曲率提取兴趣点的方法相比,本文算法结合了两种算法的思想,利用轮廓线上及其邻域内的像素点梯度方向信息熵值作为兴趣点测度.同时不同于同质及边缘区域的梯度方向变化,兴趣点处的梯度方向变化信息呈现各向异性的特性,利用兴趣点第二小方向导数(第一小方向导数可能为零)对应的信息熵值作为新的兴趣点测度可提高算法的定位准确性.结果 通过对检测图像进行仿射变换和加入高斯噪声处理后,分别利用Harris算子、CSS算子、He&Yung算子和本文算法提取图像兴趣点,并比较各算法在仿射变换和高斯噪声情况下检测到的兴趣点的平均重复率和定位误差两个性能指标的平均值.其中本文算法的性能指标平均值为1.625,远高于Harris(3.25)、He&Yung(2.625)和CSS(2.5)三大兴趣点检测算子.结论 通过与典型的3种算法相对比,本文算法具有较好的平均重复率及噪声鲁棒性,尤其是图像在外界干扰的旋转变换和尺度变换下对兴趣点的定位性有着更好的检测性能.     

基于图论的边缘提取方法

针对传统边缘方法提取的边缘具有不连续、不完整、倾斜、抖动和缺口等问题,提出基于图论的边缘提取方法。该方法视像素为节点,在水平或垂直方向上连接两个相邻的节点构成一个边,从而将图像看作无向图。它包括三个阶段：在像素相似性计算阶段,无向图的边上被赋予权值,权值代表了像素间的相似性;在阈值确定阶段,将所有权值的均值（整幅图像的相似度）确定为阈值;在边缘确定阶段,只保留权值小于阈值的水平边的左边节点与垂直边的上边节点,从而获得了图像的边缘。实验表明,该方法适用于具有明显目标与背景的图像的边缘提取,能够克服不连续、不完整、倾斜、抖动和缺口等缺陷,并且对Speckle噪声和高斯噪声具有抗噪性能。     

基于特征流的抽象线条画绘制

为了将照片图像转换为具有一定艺术美感的线条画图像,文中设计了3种基于特征流的各向异性滤波器:FGsD滤波器、FGaD滤波器和FLSM滤波器.这些滤波器的主要任务是提取图像的边缘信息,并将其显示为光滑连续的风格化线条.前两种滤波器是在分析数字图像中基于一阶微分和二阶微分边缘检测算法的性能后,将高斯一阶导滤波结果和高斯差分滤波结果进行适当的混合作为边缘检测的微分响应,然后对混合的微分响应值进行柔和阈值化处理提取边缘点.第3种滤波器是专门针对图像中的线型边结构提出的,通过计算局部亮度相似度质量来判断该像素是否属于边缘点.如果将FGsD滤波结果和FLSM滤波结果进行叠加,还可以得到明暗对比度增强的抽象线条画效果.与已有的线条画绘制算法相比,采用文中算法所生成的线条画视觉特征更鲜明、风格化效果更突出、艺术表现力更强烈.     

CT冠脉造影中冠状动脉中心线的提取

提出了一种冠状动脉中心线的提取方法,该方法以FastMarching(快速行进)算法为基础,首先对图像进行下采样,接着使用血管增强滤波器对图像进行滤波,然后利用FastMarching算法提取下采样图像中初始点之间的最短路径,并使用最短路径在原始图像上计算冠状动脉中心线。在公共数据集上的验证实验表明,该方法具有较好的鲁棒性和准确性。