基于FPGA硬件实现的图像边缘检测及仿真

图像边缘检测是图像分割,目标提取等数字图像处理领域中关键的步骤,对于性能和处理时间制约着后续图像处理的性能和整体的处理时间。提出一种FPGA的实时图像边缘检测系统。该系统以FPGA为平台,用VHDL硬件描述语言设计并实现了一种自适应的Canny边缘检测算法。在设计过程中,通过改进算法和优化系统结构,在合理利用硬件资源的基础上采用了流水线技术。之后通过ModelSim软件进行仿真,仿真结果表明,在FPGA中实现算法能够有效实时地检测出复杂图像的边缘。     

基于自适应柔性形态学边缘检测算法研究

在深入研究柔性形态学边缘检测算法的基础上,提出自适应柔性形态学边缘检测算法,该算法是柔性形态学和自适应技术的结合.通过多方向结构元素的使用,取得其梯度的最大值,从而达到边缘检测较好的效果.通过比较移动结构元素窗口的信噪比和整个图像的信噪比,来实现该算法中自适应的特点.实验结果表明,该算法在边缘检测和抑制噪声方面,要比传统边缘检测算法有较好的效果,同时有较好的鲁棒性.     

Prewitt图像边缘检测及边缘细化的FPGA实现

针对实时图像处理的要求,使用FPGA对图像数据流进行在线Prewitt边缘检测。针对传统算法需要人工给定阈值和产生的边缘较宽的不足,用基于FPGA的自适应阈值算法和非极大值抑制方法对边缘检测的结果进行细化处理,提高了边缘检测的精度。     

货车车轮踏面区域分割方法研究

为了实现踏面损伤的定位,提出了一种基于自适应阈值平稳小波的货车车轮踏面区域分割算法。首先采用基于自适应阈值平稳小波边缘检测算法检测踏面候选边缘线。最后利用踏面边缘线搜索算法获取踏面区域。实验结果表明：基于自适应阈值平稳小波边缘检测算法能检测到完整踏面候选边缘线,踏面边缘线搜索算法实现了踏面区域的分割。因此,该方法是一种有效的踏面区域分割方法。     

基于自适应提升方案的图像边缘检测

图像边缘是由于灰度的不连续所致,是图像信息的一个最基本特征,也是图像处理中探讨的热点问题之一.分析传统的图像边缘检测算法及其存在的问题.通过采用自适应提升小波分析,根据处理图像信息的局部特征自适应地调整预测滤波器和更新滤波器,从而实现与处理信息的准确匹配;同时,改进了小波边缘检测算子,实现了一种适用于自适应提升小波分析的图像边缘检测的算法,并将此算法应用于医学图像的边缘检测.仿真结果表明,该算法比传统的图像边缘检测算法效果更优.     

一种自适应梯度幅值的边缘检测算法

提出了一种基于Otsu自适应梯度幅值的边缘检测算法。鉴于传统基于梯度幅值的自适应边缘检测算法中单阈值所带来的边缘断裂问题,分别使用传统Otsu算法和迭代Otsu算法进行自适应阈值,能保证图像梯度幅值的方差最大的情况下求得最优阈值,从而准确的检测边缘像素;针对梯度幅值边缘检测算法中边缘较宽的问题,在Otsu自适应梯度幅值检测算法检测到的边缘图基础上,使用经典的并行细化算法进行了边缘细化;最后,通过实验结果与对比分析,验证了算法能准确定位边缘和获得完整的边缘信息,实现了较好的边缘检测效果。     

基于边缘的实时图像缩放算法研究

传统的基于图像边缘的插值算法由于自身的复杂性而很少用于实时图像处理,而不基于边缘的插值算法由于低通滤波的效应通常会使插值后的图像出现边缘模糊,影响视觉效果。针对上述问题,提出了一种基于边缘的自适应图像插值算法。该算法以相邻像素的二阶差分为基础,自动选择与目标像素点相对应的源像素组进行插值运算。在Matlab环境中实现了各种图像插值算法,然后对插值结果进行了主客观评价,并对各种算法获得的图像进行了边缘检测及复杂度分析。同时,设计了本文算法的硬件实现结构,并用Verilog语言进行描述,综合出目标代码,最后通过FPGA验证。研究表明,运用该算法插值获得了边缘清晰的目标图像,且该算法复杂度低,便于硬件实现。因此,该算法能有效地实现图像插值,适应于实时条件下的图像缩放。     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

自适应Canny算法的植物叶片图像边缘检测应用

研究一种自适应阈值的Canny算法并应用在植物叶片图像边缘检测上,利用中值滤波替换掉经典Canny算法里的高斯滤波,将通过梯度方向进行非极大值抑制,而后采用OSTU方法计算高低阈值并连接边缘,从而实现自适应植物图像边缘检测。实验结果表明,该方法能对叶片图像自适应检测,且检测边缘清晰连贯,能较好突出叶片边缘特征。     

利用人眼感知视觉模型的车型动态定位

通过对实时汽车图像的大量研究，提出基于人眼感知视觉模型的自适应汽车车体定位算法。在HSI彩色图像空间，根据人眼分辨率的视觉感知模型分别在色度、亮度和饱和度空间进行自适应的边缘检测，将3个空间得到的图像边缘合并以得到整个车体在实际影像序列中的边缘，最后利用投影知识原理，分别利用边缘的垂直投影图和水平投影图来定位车体的左右边界和上下边界。实验结果表明，该算法具有较快的速度和较好的准确性，能满足实时的车型识别系统的要求。     

基于Sobel的边缘检测方法

使用二种方法进行边缘检测。第一种方法为传统方法;第二种方法为新方法。第一种方法:先用Sobel算子做边缘检测,再用Ostu方法二值化边缘,最后用多像素边缘细化算法进行细化;第二种方法:先用Sobel算子做边缘检测,再用Sobel算子对边缘进行细化,最后用自适应的动态阈值计算方法进行二值化。结果表明:第二种方法在结果和时间上都要优于第一种方法。     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

基于FPGA联合Sobel算法的实时图像边沿检测系统的设计与实现

边沿检测技术作为数字图像处理领域的重要一支,在目标匹配,交通管控,国防安全等多个领域有着广泛的应用,能够精确高效地实现边沿检测对于后续进行更高层次的图像识别以及图像处理有着密切的联系;为了实现实时有效的图像边沿检测提出了基于FPGA结合Sobel算法的实时图像边沿检测系统,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度;算法设计采用Sobel算法,不但简化了运算同时获得了不错的检测效果;实验结果显示,系统可高效地达成实时图像边沿检测的设计目的,而且提升了图像的处理效率与边沿检测的效果,便于满足后续图像处理的要求。     

基于巴特沃斯滤波的改进型Sobel算子边缘检测

In order to solve the defects of single calculation direction, inaccurate positioning and poor edge connectivity in traditional Sobel operator image edge detection, this paper proposes an image edge detection algorithm that combines Butterworth high-pass fil- tering and improved Sobel operator, and uses the combination of the two techniques to perform edge detection and feature extraction on images. Firstly, the image is pre-processed by the Butterworth high-pass filter, then the improved Sobel operator that adds six - direction templates is used to the traditional Sobel operator for edge detection. Through experimental simulation, compared with the traditional algorithm, this algorithm has the following advantages: prominent edge, good connectivity, low sensitivity to noise, high positioning accuracy.     

基于Otsu算法和Sobel算子的连接件图像边缘检测

着重研究基于机器视觉的薄片连接件检测系统中的图像边缘检测方法。该方法首先采用Otsu算法对CCD工业相机获取的连接件灰度图像进行阈值分割,然后再用Sobel算子进行边缘检测。整个流程采用MatLab进行仿真测试。测试结果表明,该方法改善了单一采用Sobel算子检测的准确性,能提高边缘检测的整体性能,检测精度较好,该方法是实用可行的。     

基于双边缘检测的目标定位技术

为了提高目标定位的准确性,在传统的高斯差分边缘检测和Sobel算子边缘检测的基础上,提出将二者相结合的双边缘检测算法。对原始图像进行2次标准差不同的高斯模糊求高斯差分来代替原本边缘检测图像预处理中的高斯平滑过程;对实验结果较好的高斯差分参数,进行Sobel边缘检测并进行目标定位。实验结果表明,在算法时间开销增加较少的情况下,使用高斯差分算子与Sobel算子相结合进行边缘检测的结果优于Sobel算子单独检测,检测效果较好。     

基于边缘检测的图像分割方法及其在机器鱼中的应用

针对仿生机器鱼在目标识别、追踪任务中的需求，结合基于阈值的图像分割算法和基于Sobel算子的边缘检测技术，给出了一种基于目标图像阈值自适应调整策略的图像分割方法．克服了基于固定阈值的图像分割算法不能适应环境光照变化的缺点．该方法应用于仿生机器鱼的水下目标识别任务中，实验结果表明了该方法是有效的．     

基于改进Canny算子的煤矿井下物体图像边缘检测方法研究

针对传统的Canny 算子检测井下物体低强度边缘能力不足的问题,提出了一种改进的边缘检测算法。该算法从以下三个方面进行改进：（1）采用一种新的四阶偏微分方程的降噪算法对图像去噪,进一步提高降噪效果,且在降噪过程中较好地保留图像细节,使井下物体更容易被检测。（2）采用自适应阈值的方法对图像边缘进行检测,实现了双阈值的自适应提取,能够较好地提取真实边缘。特别是在低对比度图像的边缘提取上,此方法更具有优势。（3）基于模糊判决的理论,在传统的Canny算法的基础上提出了一种有效的边缘连接方法。为了验证Canny边缘检测算子的效果,分别用Prewitt 、Robert 、Sobel、传统的Canny算子对井下图像进行边缘检测实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘,为井下煤矿探测机器人图像辨识奠定了基础。     

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算子的基础上,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。     

一种在低照度情况下自适应滤波牌照定位算法

提出一种在低照度情况下进行自适应滤波牌照定位算法.该方法首先设计一种×字形窗口的自适应中值滤波改进算法,对车牌灰度图像进行中值滤波滤除噪声.接着采用Sobel边缘检测器进行车牌边缘检测;再将Sobel算子卷积结果采用最大类间方差法阈值分割算法对图像进行预分割,将图像分割为目标和背景;接着采用模糊分割方法求得最终分割阈值...