分层遗传算法实现图像边缘检测

提出一种基于分层遗传算法和梯度算子图像边缘检测的方法得到最优边缘算子,利用分层遗传算法优化设计灰度梯度算子,通过对样本图像的训练,在最小均方误差准则下获得最优灰度梯度算子。最优梯度算子增加了对噪声的抗干扰能力,并使得到的边缘更准确。     

一种改进的低对比度灰度图像边缘识别方法

低对比度图像的边缘比较模糊,传统的基于微分算子边缘检测方法通过梯度算子虽增强了边缘信息,但同时也强化了噪声影响.针对以上问题,首先考虑对低对比度图像进行预处理,用直方图均衡化方法提高对比度,以便准确完整地定位图像边缘;其次考虑用计算灰度比值而不是传统的计算灰度差值来检测图像对象的边缘,以最大限度地降低噪声的影响.测试结果表明,基于灰度比值的边缘检测方法弱化了噪声影响,更有利于清晰准确地识别低对比度图像的边缘.     

基于C#的模板算子法数字图像边缘检测技术分析与实现

边缘检测是图像处理中的重要内容,边缘是图像中灰度值不连续或突变的结果。边缘检测的方法有很多,本文仅就典型的模板算子法进行分析并对原Sobel算子、Prewitc算子边缘检测方向模板进行扩展,然后用C≠编程语言实现这些算法。     

基于数学形态学的显微图像边缘检测技术分析

根据微生物显微图像中微生物形态各异、容易重叠、边缘灰度接近等特性,利用数学形态学方法的思想,用灰度形态学作初步边缘处理,用二值形态学的方法进行边缘修复。并对原始图像用其它微分算子进行边缘检测,实验结果表明基于数学形态学的边缘提取算法对于微生物显微图像边缘检测有很好的效果,能够满足后期识别处理的需求。     

基于形态学滤波结合LOG算法的边缘检测

边缘检测是一种尝试从图像中提取有效部分的方法,主要捕获图像像素的急剧变化和检测重要的区域。为了更有效地进行边缘检测和抑制噪声,文章中对常规形态学边缘检测进行了改进,采用了多阈值分解对灰度图像进行二值化处理和分解,之后对图像进行了基于二阶拉普拉斯算子的LOG边缘检测,在初步提取出图像边缘后,又进行了多结构形态学滤波来实现对图像边缘进行进一步边界增强。实验结果表明,该法保留了更完善的边缘信息,有效消除了叠加噪声。     

基于数学形态学的显微图像边缘检测技术分析

根据微生物显微图像中微生物形态各异、容易重叠、边缘灰度接近等特性，利用数学形态学方法的思想，用灰度形态学作初步边缘处理，用二值形态学的方法进行边缘修复。并对原始图像用其它微分算子进行边缘检测，实验结果表明基于数学形态学的边缘提取算法对于微生物显微图像边缘检测有很好的效果，能够满足后期识别处理的需求。     

新的噪声污染灰度图像边缘检测统计方法*

针对传统算子进行边缘检测时易丢失边缘信息和在非边缘处增强噪声的缺陷,提出一种基于非参数变点统计分析的噪声图像边缘检测方法,该统计方法不但不需要图像数字特征的任何先验信息,而且对噪声污染的图像不作任何滤波处理.实验结果表明,提出的算法优于Sobel算子,并能抑制信噪较低的高斯噪声和密度较高的椒盐噪声对分割结果的影响,是一种有效的噪声污染灰度图像边缘检测方法.     

简单的图像边缘检测和增强方法

针对灰度图像的边缘检测问题,不同于传统的或是流行的模糊图像处理方法,利用Matlab的滑动邻域块和Robert梯度算子相结合的方法提出了一种简单的灰度图像边缘检测思想,实验结果证明该方法能够快速且有效地检测出图像的边缘信息,为计算机进一步识别奠定了基础.同时,为了使图像的轮廓更加清晰,引入高斯型函数对结果再进行增强处理,并通过对高斯函数的两个参数的对比分析,获得了显著的增强图像边缘效果.     

基于改进的Sobel算子边缘检测算法

为了解决传统的Sobel算子算法存在的斜向方向不敏感问题,提出了一种改进的Sobel算法。该算法在Sobel 算子基础上,增加了45°和135°2个方向模板,并且以斜向边缘为主重新分配了算子模板的权重。算法先将图像转换为灰度图像,然后用改进的Sobel算子得到梯度图像,再采用局部梯度阈值对梯度图像进行细化处理,最后结合斜向边缘方向域值进行二值化,得到边缘图像。仿真实验表明,与传统Sobel算法相比,该算法提高了检测精度,使得边缘细节更丰富、更连续。     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

基于斜Haar类变换的图像边缘检测

图像边缘检测是图像处理和计算机视觉中的基本技术。提出了一种新的基于斜Haar类变换的图像边缘检测方法。实验表明,该算法具有较好的边缘检测能力,不仅方法简单、计算速度快,而且对于处理灰度渐变图像是有优势的。     

不同彩色空间的彩色图像边缘检测研究

边缘信息是图像处理中的一种重要信息，通常的边缘检测研究是基于灰度图像的，然而彩色图像比灰度图像包含有更加丰富的边缘信息。彩色图像的边缘检测可以在不同的彩色空间中进行，目前大多数研究集中在RGB空间中。使用基于扩展的SUSAN边缘检测算子，将彩色图像在空间中的各分量分别进行边缘检测，对结果进行综合得到彩色图像的边缘检测结果，然后采用主观评价准则对若干不同的彩色空间中（包括RGB、YUV、YIQ、YCbCr、HSV、HSI）的试验结果进行了分析比较。试验结果表明，在HSV空间进行的边缘检测具有更好的性能。     

基于HVS的彩色图像边缘检测算子

边缘检测是数字图像处理中的基本预处理方法之一，由于利用检测出来的图像边缘可以对图像做进一步的处理，因此它是图像处理中的基础算法。大家知道，边缘检测问题，其本质上是颜色差分的计算问题。尽管边缘检测在灰度图像处理当中得到了深入的研究，但对于彩色图像仍然是一个难题。为了能够较好地对彩色图像进行边缘检测，结合人类视觉系统(human vision system，HVS)的特点，通过分离颜色的亮度信息和色度信息，并通过压制次要信息来强调其中的重要信息，提出了一种新的彩色图像边缘检测算法。该算法先分别计算两个颜色的亮度距离和色度距离，然后将这两个距离的加权平均值作为最终的颜色距离。由于它能较好地检测出图像边缘，因此是一种实用有效的彩色图像边缘检测方法。     

灰度位图背景杂质剔除算法的优化

本文主要针对目前痕迹识别中采集的具有背景杂质的灰度位图（.bmp）,通过离散区域与连通区域的数目统计,然后不同灰度级区域进行标识,设计出了两种更为优化的灰度位图（.bmp）背景杂质剔出的算法,并提出了两种算法整合使用的设计思路,算法实现了更高效高准确性的图像结果,在痕迹识别系统、人脸识别系统等应用领域中大大提高了整体程序的运算速度、更高效更准确的剔除图像背景杂质,得到最优化的图像结果.     

在VC环境下对位图图像的处理过程

数字图像处理是利用计算机技术对数字图像进行处理的技术,它有着广泛的应用前景。本文研究了位图图像的原理及存储方式,在VC环境下研究并实现了256色位图转灰度图,灰度图二值化和位图的旋转操作。     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

基于BZX-1系统的自适应图像处理快速算法设计

提出了基于BZX-1系统的实时图像处理的快速自适应算法本算法由快速图像分割、快速弹孔识别和快速成绩计算3个模块组成。快速图像分割模块的功能是用削波投影算法，从靶位图中分割出胸环靶；在快速弹孔识别模块中，基于图像区域聚类，设计了自适应模糊弹孔识别算法；快速成绩计算模块是利用从参考圆心到弹孔点的灰度跃变计算环数。     

一种基于边缘检测及纹理分析的水坝图像分割算法

针对边缘检测算法的局限性及灰度水坝图像的特点,提出了一种基于边缘检测及纹理分析相结合的灰度图像分割算法,首先利用边缘检测算法对待处理图像进行边缘检测得到图像的粗分割,然后在原灰度图像中对得到的边缘位置点进行纹理分析,去除检测到的非目标对象的边缘从而得到分割图像,即细分割。将该算法应用到河坝监测系统中,实验证明该算法达到了很好的分割效果。     

一种图像边缘检测算法的改进和实现

边缘检测是图像分割和模式识别的必要工作。首先分析了传统的导数算子Sobel和Canny的检测原理及其优缺点。然后针对图像边缘检测的特点,从模糊聚类角度出发,提出一种改进的蚁群算法。根据图像灰度和梯度特征设置初始聚类中心,改进启发式函数,将蚁群算法得到的聚类中心作为模糊C均值聚类的初始中心,再进行FCM聚类,实现基于目标函数的模糊聚类。最后对文中提到的各种算法的实验结果进行比较与分析,结果表明文中改进算法是有效的。     

液位定位算法

液位定位是液位检测中的重要环节。圆形容器中的液位由于受到摄像头架设角度和容器的影响,在图像中是一条近似于抛物线的曲线。提出了一种圆形容器中液位定位算法。该算法合理运用了边缘检测、灰度投影、Hough变换等方法实现了对液位的粗定位和精定位,并在检测过程中,根据液位线的特点,利用坐标变换将液位线变为标准的抛物线,减少了Hough变换参数空间的维数,提高了检测速度。该算法与传统的算法相比较,简单易行,适用范围广。实验证明了该算法的有效性。