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。     

激光雷达含噪图像边缘检测算法比较

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响整个雷达系统的精度和性能。对Sobel、Kirsch、LOG、Canny、参数检验算子等边缘检测算法原理及其性能参数进行了分析和比较,并且对含有散斑噪声的激光雷达图像边缘检测进行了实验研究,结果表明,参数检验算法在受散斑噪声影响的图像中的检测性能较好。     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

结合数学形态学和图像融合的边缘检测算法

工业CT图像边缘检测是工业CT图像处理中一项十分重要的工作和预处理步骤,图像的最终处理结果取决于边缘检测的优劣程度。本文首先介绍了几种经典的图像边缘检测方法,并用这几种算法对工业CT图像进行了计算机仿真。通过对仿真结果的对比和分析,作者提出了基于数学形态学和图像融合相结合的图像边缘检测算法MDY并在ImageJ软件上编程实现。实验结果表明该算法能够有效地抑制噪声,完整的检测边缘,且优于其他传统边缘检测算法。     

图像目标边缘形态检测方法研究

基于数学形态学的边缘检测方法对处理光学经纬仪实际拍摄的含噪声图像与其它常规边缘检测方法相比,具有明显的优势。将空域滤波和Prewitt边缘算子与数学形态学相结合的目标边缘检测方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于CP神经网络的边缘检测

边缘检测是图像分析识别必不可少的环节，是一种重要的图像预处理技术。虽然传统的算子算法对边缘的检测速度快，但其得到的往往是断续的，不完整的边缘信息，且这类检测方法对噪声比较敏感，在检测噪声污染图像时会得到许多虚假的边缘。利用CP神经网络对灰度图像的边缘进行检测，但考虑到神经网络训练量过大的问题，先利用传统算子对图像进行边缘处理，将处理后的图像做为神经网络的输入。实验结果表明，该方法得到的边缘图像边界封闭性好，具有较好的抗噪特点。     

基于融合技术的图像边缘检测方法

提出一种融合柔性形态学方法与Sobel算子的边缘检测方法。利用全方位结构元素对图像进行重复柔性形态学处理，提高了运算速度并抑制了大量的噪声。建立相应的融合原则，对形态学运算获得的边缘和Sobel算子检测的边缘进行融合，得到清晰、连续的边缘图像。该方法对噪声具有很好的鲁棒性，处理含噪声图像能得到准确可靠的边缘检测结果。     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

含噪声且较模糊的印刷电路板光电图像边缘检测研究

针对印刷电路板(PCB)光电图像在获取过程中 含有噪声和较模糊的边缘等各种原因,提出 了一种基于图像融合的含噪声且较模糊PCB光电图像边缘检测方法。首先,讨论了基于小波 变换 及Canny边缘检测算子的图像边缘检测法,分析了其基本原理。然后,结合两种方法的优点 ,提 出了基于图像融合检测方法的PCB光电图像边缘检测基本原理及中值滤波、增强去模糊、小 波分解、图像融合、图像去噪等步骤。最后,将由CCD成像系统及显微镜获取的主要含有高 斯噪声且较模糊的PCB光电图像用三种检测方法进行了主观实验对比,采用本文融合方法得 到的边缘图像效果最好,在抑制噪声的同时得到了连续的边缘;为了客观地评价PCB光电图 像边缘检测的效果,用峰值信噪比及图像边缘信息熵作为评价指标,采用本文方法的峰值信 噪比及信息熵的实验结果值都是最大的。     

基于融合的红外图像预处理技术

介绍了一种基于图像融合的红外图像预处理技术。分析了红外成像过程中引入的噪声类型,采用修正的阿尔法均值滤波方法来抑制噪声并利用边缘检测来增强目标的边缘成分,通过融合的处理方法来合并处理后的红外图像。实验表明该方法能够有效地增强复杂背景下的红外图像,从而有利于后续的目标识别处理。     

基于分数阶微分的图像边缘细节检测与提取

图像边缘细节包含重要的视觉感知信息,是进一步进行图像理解与场景感知的基础.针对常用的边缘梯度检测方法难以有效提取类似于分形纹理结构的复杂图像边缘问题,提出一种基于分数阶微分的图像边缘检测方法.该方法首先基于分数阶微分的性质进行图像拐点检测,并进一步结合拉格朗日多项式插值和Grumwald-Letnikov(G-L)分数阶微分的定义,推导出具有非整数步长像素信息的图像边缘检测算子.实验表明,该方法能有效提取图像中的边缘细节(拐点)特征.对被噪声严重污染的具有复杂边缘细节的图像,该算子同样具有较好的边缘细节检测能力,获得更好的视觉效果.     

一种新的红外热像仪图像边缘检测方法

针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点,提出了一种基于数学形态学对LOG算子改进和Roberts算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波,接着运用拉普拉斯算法边缘检测,然后再采用Roberts算子提取边缘信息,建立相应的融合规则及阈值条件,将两种方法检测出的影像边缘信息融合,得到最终的融合影像。最后,对增加椒盐噪声的影像用MATLAB进行仿真实验,结果表明,该方法结合了两种检测算子的优点,定位精度高,有很强的抗噪性,获得了比较理想的检测效果。     

基于多结构多尺度形态学梯度的医学图像边缘检测

边缘检测在医学图像处理中占着至关重要的位置,检测的准确性将直接影响诊断和治疗。本文针对传统边缘检测算子对噪声敏感的不足,结合医学图像的特点,提出了一种形态学梯度运算的修正算法。首先由闭一开运算完成图像预处理以滤除噪声,再作闭运算平滑图像,最后对平滑的图像作多尺度的形态学梯度运算,得到噪声存在下的理想边缘,并将其用于医学图象的边缘检测。实验结果表明,该算法具有良好的边缘提取能力,抗噪性能良好,具有一定的实用性。     

基于绝对关联度的图像目标边缘提取方法

针对传统边缘检测方法对光学经纬仪实际拍摄的含噪声图像边缘检测效果不理想的问题,将灰色系统理论引入图像边缘检测,通过绝对关联分析与边缘检测算子相结合,提出一种利用二阶微分算子作为参考序列,图像像素作为比较序列,通过计算灰色绝对关联度来检测图像边缘的方法。实验结果表明,该方法与现有方法相比,边缘检测效果更好,检测的边缘清晰、连续,对噪声图像边缘的检测精度较高,抗噪声能力强。     

自适应SAR图像边缘检测算法

边缘检测是图像分析的基础,在对SAR图像进行边缘检测时,由于SAR图像存在很强的相干乘性斑点噪声,几乎没有一种方法既能有效地检测边缘又能排除斑点噪声的影响而不产生较多的虚假边缘,特别是在低视数SAR的情况下,该文指出了在低视数情况下应当如何对Touzi ratio边缘检测方法和最大似然(ML)边缘方法的检测窗口进行改进,在对SAR图像进行边缘检测时,引入了自适应窗口的方法,并将其应用到Touzi ratio边缘检测和最大似然 (ML)两个恒虚警边缘检测算法中,取得了很好的改进效果,引入自适应窗口的方法也适用于其它的SAR图像边缘检测算法。     

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。      

印制电路板光电图像边缘信息提取

针对印制电路板(printed circuit board, PCB)光电图像模糊且含噪声的具体情况,提出了改进的边缘信息提取算法。首先分别对自适应模糊集增强算法与数学形态学边缘检测算法(edge detection algorithm of mathematical morphology, EDAMM)实施改进,并分析了其基本原理。然后结合这两种算法对PCB光电图像进行预处理及边缘信息提取。最后对两幅由不同成像系统获取的PCB光电图像进行了边缘信息提取实验。结果表明：用本文算法获得的PCB光电图像明暗对比度较高,并提取了精确且清晰的图像边缘信息,明显减少了噪声,所得图像的优质系数较高,两幅图像的优质系数分别是0.885 2、0.874 9,均高于本文中所提到的另外4种算法的结果。可见,采用本文算法可以更好地去除PCB光电图像中的模糊与噪声,并精确地提取出PCB光电图像的边缘信息。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。     

An efficient method for impulse noise reduction from images using fuzzy cellular automata

Impulse noise reduction from corrupted images plays an important role in image processing. This problem will also affect on image segmentation, object detection, edge detection, compression, etc. Generally, median filters or nonlinear filters have been used for noise reduction but these methods will destroy the natural texture and important information in the image like the edges. In this paper, to eliminate impulse noises from noisy images, we used a hybrid method based on cellular automata (CA) and fuzzy logic called Fuzzy Cellular Automata (FCA) in two steps. In the first step, based on statistical information, noisy pixels are detected by CA; then using this information, the noisy pixel will change by FCA. Regularly, CA is used for systems with simple components where the behavior of each component will be defined and updated based on its neighbors. The proposed hybrid method is characterized as simple, robust and parallel which keeps the important details of the image effectively. The proposed approach has been performed on well-known gray scale test images and compared with other conventional and famous algorithms, is more effective.