一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。     

基于Sobel的多方向算子模板边缘检测算法

针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

基于Sobel算子的医学图像边缘检测研究

边缘检测是图像处理过程的关键技术.由于医学图像的特殊性,检测边缘的准确性对疾病的诊断和治疗有着重大的影响.针对传统Sobel算法存在定位不精确、提取边缘较粗等不足,提出了一种改进算法.算法在传统Sobel算子模板基础上增加了45°方向和135°方向两个模板,提高了边缘定位的精度,采取局部梯度均值作为阈值对初始梯度图像进行局部梯度筛选,局部弱边缘得到增强,然后对处理后梯度图像进行细化和提取,得到边缘图像.实验证明,算法获取的图像边缘与传统Sobel算法相比,具有定位准确、边连续性好和边缘较细等优点,在医学图像处理中具有一定的实用性.     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法.该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像.最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果.     

基于八方向卷积模板的边缘检测算法

针对传统图像边缘检测算法存在的边缘方向性不强及边缘较粗等问题,提出了一种基于八方向卷积模板的边缘检测算法。算法采用0°、22.5°、45°、67.5°、90°、112.5°、135°和157.5°八个方向的卷积模板进行边缘检测,模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小,能够较好地检测出图像不同的方向边缘。对梯度图像采用了改进的非极大值抑制方法进行细化,可得到单像素的图像边缘。实验结果表明,该算法获取的边缘图像边缘较为完整,方向性强且边缘较细,整体效果明显优于传统Sobel算法。     

边缘梯度算法在LED晶片定位的应用研究

为解决LED晶片分拣机图像处理较慢、无法识别晶片旋转角度等问题,应用基于边缘梯度的算法对晶片定位。使用Canny算子提取图像边缘点,保存边缘点对应的梯度。通过归一化互相关匹配法计算模板和待搜索图像梯度的相关性,最后根据相关性大小获取晶片的旋转角度与中心,并且提出了多LED晶片的快速识别方法。实验表明,应用该算法平均3.2ms完成一个晶片角度的识别与定位,速度优于HexSight,且精度和识别率与HexSight相当,满足LED晶片高速识别与定位的需求。     

基于多级滤波的感兴趣边缘检测算法

针对边缘检测过程中阈值难确定和提取干扰边缘较多的问题,提出了一种基于多级滤波的感兴趣边缘检测算法。该算法分为四个步骤:首先对图像进行平滑滤波;之后计算水平方向和垂直方向的梯度幅值图像和梯度方向图像;然后根据梯度方向图像对梯度幅值图像进行噪声边缘滤波,并对梯度幅值图像进行非最大值抑制;最后对滤波后的梯度幅值图像进行分割,对得到的边缘映射图进行边缘跟踪,获取所有的边缘段及其特征,并滤除不满足特征约束的边缘,得到感兴趣的边缘。试验结果表明本文算法有很好的适用性。     

一种Sobel算子的抗噪型边缘检测算法

边缘检测在图像处理过程中占有重要的地位,Sobel算子是在数字图像边缘检测中常用的一种方法。经典Sobel算法简单、速度快,但也存在着边缘定位不精确、提取的边缘较粗、噪声干扰情况下抑制能力差等问题,针对这些问题,提出了一种抗噪声的Sobel边缘检测算法。算法先对图像采用多子窗口进行滤波,去除图像中存在的噪声;然后采用改进的Sobel算法对图像进行边缘检测,算法结合边缘方向计算梯度图像,并对梯度图像在3×3邻域内采用统计信息结合梯度阈值进行了2次边缘细化处理。与经典的Sobel算法及其他文献算法进行了对比试验,结果表明,该算法对噪声具有较强的抑制能力,在去除噪声的同时能够准确地检测出图像的边缘,而且得到的边缘更细,定位更精确。     

矿坝输送带实时图像探伤方法

长期工作在艰苦的环境下,钢丝绳芯输送带易发生断裂故障,对运输生产造成影响。提出一种基于模糊聚类算法的图像识别方法对输送带的损伤与接头进行检测,据背景差分法与阈值分割,分离出输送带前景、背景视频图像得到目标。利用Sobel算子检测得到损伤与接头处边缘关系,消除冗余信息,最后用模糊聚类算法对图像分类,从而对输送带是否有损伤作出判断。实验结果用以验证算法的有效性。     

基于广义B样条滤波器的图像边缘检测

为了更准确有效地提取图像边缘,提出一种基于广义B样条数字滤波器的边缘检测算法.首先由线性微分方程推导出广义B样条的一般形式.其后,利用广义B样条函数组建了边缘检测微分算子模板,该模板继承了广义B样条尺度因子α,通过调节α,可以改变边缘算子滤波器的幅值特性和带通特性,进而获得边缘表征的最佳效果.而后,结合变分公式和广义B样条函数构造广义B样条光滑滤波器,该滤波器实现了在光滑滤波意义下的直接样条变换,与边缘检测模板算子配合使用可提高边缘检测的抗噪能力.实验证明：该边缘检测算法能有效地检测出图像边缘,无论是边缘提取效果还是抗干扰能力都优于传统的差分算子.     

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广     

基于模板缩放的小脑与脑干组织的图像分割

提出了一种基于模板缩放的分割方法,用于数字人切片图像中小脑与脑干组织的分割.算法首先将图像序列分段.通过在每一段中采用边缘检测的方法获得单张分割模板,然后进行形态学运算控制模板缩放实现图像的连续自动分割.实验结果表明,该算法的分割结果与图像分割的"金标准"符合很好,分割相似指数(DSI)大于70%,且分割效率高,有助于...     

基于改进边缘检测算子的图像特征点提取算法

介绍了边缘检测算子的原理,对算法中灰度差阈值的选择方式进行了改进。在图像中每个像素的SUSAN模板中首先计算阀值t的初值,再利用迭代法获得终值,使其在各种不同的对比度下仍能正确检测兴趣点,最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较。实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点。     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

面向引线框架缺陷的图像配准算法

为了降低引线框架缺陷识别的误检率,比较了基于灰度的模板匹配和基于特征的匹配算法之间的优缺点,并针对引线框架缺陷检测中参考图和检测图存在差异的特点,提出基于区域定位和不变矩的特征匹配算法。该算法通过边缘检测定位出特征区域,并用不变矩进行区域特征描述。在缺陷识别试验中,相比于模板匹配算法,该算法表现出更快的结算速度,更高的配准精度,更低的配准失败概率。结果表明,该配准算法适用于引线框架缺陷识别,降低误检率。     

基于可变形模板的视频对象分割

提出一种基于原型的可变形模板进行图像分割的算法，从而可以将感兴趣的视频对象从静止的复杂背景中提取出来，首先定义一个原型模板来特征化感光趣的视频对象，得到一个先验概率密度函数的一个将运动信息与边缘方向结合起来的似然函数，然后应用贝叶斯准则将两者结合起来，得到后验概率密度函数。求它的最大值，从而确定对象的位置。     

复杂光照条件下的图像边缘提取算法的改进

边缘是数字图像中的一个重要的局部特征。在复杂光照条件的情况下,图像分辨率较低,传统Sobel算子利用卷积计算出来的灰度梯度较为平缓,边缘不能有效的识别。通过改进Sobel算子的模板,平衡图像的亮边缘与暗边缘,尽可能地避免暗边缘信息的丢失。与此同时,通过分析数据建立相应的数学模型,优化子区域大小,把图像划分为多个子区域,在子区域内利用大津法进行边缘的检测与提取,最后使用Hilditch细化算法将图像的边缘提取出来。通过MATLAB仿真结果表明,与传统So bel算子的边缘提取算法相比,文中算法简单易实现,对于复杂光照条件下的图像,边缘信息提取更完整,自适应能力更强。     

一种新的参数优化相关匹配方案

用一组可变参数表示目标的可变模板，结合目标图像的边缘信息和模板的边界信息，定义一边缘相关能量函数，利用外部惩函数法，建立相关切配问题的总目标函数，然后用改进的模拟退火（ＳＡ）算法求得最佳匹配位置。实验结果显示，这种方案具有良好的匹配效果和较大的应用价值。