图像边缘提取的简单算法及应用

图像边缘识别在实际中有很重要的应用，Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法。     

高等级公路路面裂缝类病害轮廓提取的算法研究

介绍了高等级公路路面的裂缝类病害的轮廓利用数字图像技术进行提取的方法。利用高速的黑白CCD摄像机配合光源,实时摄取公路路面的图像,并对图像进行噪声滤除、边缘检测和图像分割等操作,最后可以清晰地提取出路面裂缝的轮廓,为后期计算裂缝开裂长度、宽度和损坏密度等参数的计算提供依据。     

边缘检测技术

边缘检测是一种重要的图像预处理技术,介绍了几种图像轮廓提取技术,如Roberts、Sobel、Prewitt、LOG、Canny等边缘检测算子,比较了这几个边缘检测算子的处理结果。     

基于结构局部边缘模式的绿色植物物种识别

植物图像的边缘检测是基于图像分析植物物种识别技术的重要环节，利用边缘检测可以增强图像中的轮廓边缘、细节等信息，达到将目标植物从图像中分离出来的目的。因此，为了在绿色植物物种识别中，将图像中的目标植物与背景分离，首先利用可变局部边缘模式算子提取植物图像的边缘特征，再通过结构化局部边缘模式对边缘特征进行编码，来刻画局部边缘。实验结果表明，提出的边缘模式思想在绿色植物物种识别上能得到更高的识别率。     

彩色图像中人脸轮廓线提取技术的研究

作为人脸识别的一个重要内容,人脸轮廓线的提取是许多其它艺术影像处理的基础。该文针对复杂背景的彩色图像,提出并实现了一种图像封闭轮廓线提取的方法。该方法利用初始轮廓逐步逼近最佳轮廓,不仅将图像灰度变化的微分信息作为边缘提取的依据,同时以图像轮廓的整体几何信息作为指导,从而在保持边缘检测精度的前提下,一定程度上解决了噪声对轮廓特征提取的影响。     

形态学与RCF相结合的唐卡图像边缘检测算法

唐卡图像的内容丰富,纹理信息复杂。边缘检测在唐卡图像分析研究中具有非常重要的意义,因为唐卡图像轮廓含有大量的图像数据信息。数学形态学方法提取的边缘光滑连续,但是对复杂的边缘检测时会存在模糊不清晰的现象~([1])。卷积神经网络(CNN)可以提取很多高层的、多尺度的信息~([2])。为此提出的边缘检测方法,用优化的数学形态学算法提取原图像边缘;利用训练的RCF网络模型~([3])提取原图像的边缘。根据小波变换的分解与重构原理将以上方法得出的图像边缘融合,从而得到更加完整光滑的图像边缘。实验表明,融合后的图像边缘更加清晰连续,轮廓信息更符合人类的视觉认知,去掉了无效的细节纹理,更有利于唐卡图像后续研究。     

彩色漫画轮廓提取研究

结合漫画图像的用色特点,提出一种彩色漫画图像的轮廓提取方法。对彩色漫画图像根据其颜色信息进行区域的划分,并利用彩色形态学方法进行边缘检测,两者相结合消除噪声和提取出目标轮廓。实验结果表明该算法对彩色漫画轮廓提取效果明显,并能更好地抑制噪声。     

基于视觉点特征的图像检索技术研究

基于视觉点特征的图像检索是图像检索(Content Based Image Retrieval,简称CBIR)的一个子集,指利用图像中对图像的内容有显著影响的一些点特征对图像进行查询,试图在理解图像内容的基础上,检索出与示例相类似的图像。目前,CBIR技术在商标查询、罪犯比对等领域有着很重要的应用。本文主要集中在对图像的感兴趣点特征提取技术上,针对边缘方向直方图法存在的问题,提出一种基于Canny边缘提取及轮廓序列矩法,首先对图像进行预处理,然后采用Canny边缘提取方法提取图像的轮廓,最后,将该轮廓的3个矩作为最后的特征向量进行检索。实验证明,提出的算法检索效果较好。     

基于matlab边缘提取的几种方法的比较

简要介绍了几个基于Matlab的图像轮廓提取技术，如roberts、sobel、Prewitt、Laplacian、canny等边缘检测算子，比较了这几个边缘检测算子的处理结果．     

基于彩色图像边缘差分的运动目标检测算法

针对目前常用的运动目标提取易受到噪声影响、易出现阴影和误检漏检等情况,提出了一种基于Sobel算子的彩色边缘图像检测和帧差分相结合的检测方法。首先用Sobel算子提取视频流中连续4帧图像的彩色边缘图像,然后将边缘图像进行隔帧差分相与,提取出较精确的运动目标边缘轮廓。提取的轮廓经过一系列的形态学操作填充,可得到完整的运动目标。实验结果表明,该方法对运动目标边缘轮廓提取准确,抗噪能力强,且鲁棒性好。     

基于边界和梯度特征的图像识别

提出了一种基于边界和梯度特征的图像识别方法。在相差仿射变换的图像识别过程中，将边界点和其对应的梯度特征组合，既使特征具有仿射变换下的不变性，又提高了识别的效率。严格的数学推导证明了算法在理论上的可行性，实验结果表明了该算法在实际应用中取得了较好的效果。     

基于一种新的目标识别的边缘爬行算法

针对机器人目标识别的实时性、快速性和鲁棒性特点,依据物体边缘大部分区域的方向缓变原理,提出了一种基于记忆的边缘爬行改进算法.爬行搜索方法的一个明显缺点是"爬虫"容易掉进"陷阱",即围绕某个局部小区域重复爬行.记忆搜索方法则有效克服了爬行搜索方法容易掉进"局部陷阱"的不足.在边缘爬行的同时,通过标号将颜色相近的不同物体分割出来.实验结果表明,与传统方法比较,该方法的边缘线更加完整、清晰,而且缩短了处理图像的时间,使目标识别的实时性和鲁棒性得到了优化.     

应用几何矩和边缘检测的手势识别算法

提出了一种结合几何矩和边缘检测的手势识别算法。手势图像经过二值化处理后,提取手势图像的几何矩特征,取出几何矩特征7个特征分量中的4个分量,形成手势的几何矩特征向量。在灰度图基础上直接检测图像的边缘,利用直方图表示图像的边界方向特征。最后,通过设定两个特征的权重来计算图像间的距离,对30个字母手势进行识别,识别率为90％。     

基于矩不变理论的车型识别技术研究

车型识别是智能交通系统中的一个关键技术。采用二值数学形态学对目标图像腐蚀、区域填充，得到仅含“0”、“1”的二值车型图像，其中“1”即亮点对应全部车体，而背景为暗点“0”，然后提取车体内部图像七个不变矩的特征值，使用欧氏距离法进行车型的特征匹配。通过实验证明，该方法优于其它的常用算法。     

人脸图像边缘检测的方法研究和应用

如何确定人脸特征并对这些特征进行有效的提取是非常关键而且复杂的。人脸边缘和轮廓是人脸非常重要的特征。该文研究了边缘检测的原理和各种算法，通过试验验证各种检测方法在人脸图像中对边缘的检测效果，讨论选用在不同阈值下检测的边缘，以及影响检测效果的因素。最后通过实例研究了人脸边缘检测在人脸检测和识别中的具体应用。     

基于欧氏距离图的图像边缘检测

图像边缘检测技术直接影响以目标识别为目的的后续图像处理操作,有效地提取出图像中所携带的目标信息是图像边缘检测的主要目的.为了实现目标轮廓的有效提取,提出一种基于欧氏距离图的图像边缘检测算法.该方法计算图像内像素点之间的欧氏距离,得到图像的距离图,距离图很好地描述了图中景物的外部轮廓;对距离图进行改进的Canny算子边缘检测,可以有效地得到图中物体的轮廓.与一般的边缘检测算法相比,本文算法能够抑制过于细小和琐碎的细节,并能够准确地提取目标的整体轮廓信息,为后续目标识别奠定了良好基础.     

基于边缘学习的低分辨率图像识别算法

由于受光照条件、拍摄角度、传输设备以及周围环境的影响,刑侦视频图像中的目标物体往往分辨率较低,难以识别。针对低分辨率图像识别问题,在经典LeNet-5识别网络的基础上,提出了一种基于边缘学习的低分辨率图像识别算法。首先由边缘生成对抗网络生成低分辨率图像的幻想边缘,该边缘与高分辨率图像边缘相近;再将该低分辨图像的生成边缘信息作为先验信息融合到识别网络中对低分辨率图像进行识别。在MNIST、EMNIST和Fashion-mnist三个数据集上分别进行实验,结果表明,将低分辨图像的幻想边缘信息融合到识别网络中可以提高低分辨率图像的识别率。     

基于Zernike矩的亚像素边缘检测算法

随着对图像处理精度要求的不断提高,传统的图像边缘检测算法已经不能完全满足要求,利用Zernike正交矩来检测亚像素边缘的方法能精确定位边缘,而且对噪声不敏感,在实验中取得了良好的效果。     

基于腐蚀算法的图像边缘检测的研究与实现

边缘提取与检测在图像处理与识别中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能.现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待进一步的改进和发展.提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,并给出仿真实例,与传统的边缘检测算子Laplacian-Gauss算子、prewitt算子和canny算子相比较,算法具有检测精度高和抗干扰能力强的优点.