基于Laplacian算子的扩大比对范围的边缘检测算法

针对常规边缘检测算法中存在的图像细节轮廓损失问题,本文提出一种基于Laplacian算子的扩大比对范围的边缘检测算法。该算法在对像素点使用Laplacian算子进行边缘检测处理时,扩大了处理的范围,后由所有像素点的差值和可以组成一个新图像,选定合适的域值对新图像进行二值化处理可以得到二值化的图像边缘信息。实验证明,该算法可有效地解决图像中色调变化较小、边缘变化缓慢区域的边缘轮廓检测丢失问题。     

基于灰模型白化响应的边缘检测算法

为获得更好的图像边缘,提高机器视觉的检测精度,提出一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法.该算法用原图相邻的若干像素点值构建GM(1,1,C)模型,计算出相应像素点的白化值,得到原图像素点的像素值与相应白化值之间的误差.依据边缘像素点的像素值与非边缘像素点的像素值相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值出现较大误差的特点,实现图像的边缘检测.实验证明:该算法在无噪声和有噪声的情况下均有效;建模像素数量越少,抗噪能力越强,但对边缘的检测能力会下降;建模像素数量越多,边缘的检测能力越强,但抗噪能力下降.     

基于局部多结构元素数学形态学的灰度图像边缘检测算法

提出了一种边缘检测算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多个结构元件，利用基于视觉模型的边缘阈值选择策略确定灰度图像中梯度变化中的像素点，并对其采用二值形态学的腐蚀操作，选择出图像的边缘，滤除噪声，与传统的形态学方法相比，该算法只对梯度发生变化的像素点进行操作，减少了运算量，得到了与人的主观视觉更为一致的边缘。实验表明，与经典的边缘检测算子相比，该算法不仅具有很好的边缘提取能力，而且具有很强的抗噪能力。     

基于灰模型白化响应的边缘检测算法研究

边缘检测是图像分析与处理的重要基础，一直是视觉领域研究的活跃课题。本文深入研究了一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法。该算法用原图相邻的若干象素点，构建GM(1,1,C)模型，算出相应象素点的白化值，得到原图像素点亮度值与相应白化值之间的误差。依据边缘像素点其亮度与非边缘像素点亮度相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值误差大的特点，实现边缘检测。实验证明该算法的有效性和具有一定的抗噪能力。     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

基于圆邻域和环算子的抗噪边缘检测方法

针对噪声图像的边缘检测问题,提出了一种基于圆邻域和环算子的边缘检测方法.首先,在像素点的一个适当的圆邻域内取若干个同心圆环,将这些圆环上的灰度值按径向进行加权平均,得到该像素点周围一圈各等距点上的平均灰度值,这些灰度值可构成一个周期序列;然后根据Sobel和Prewitt等算子的设计思想,构造出一类高通的环算子,利用离散傅里叶变换计算周期序列与环算子的循环卷积,其最大值则作为像素点是否为边缘点的判据.实验结果表明该算法对于含有噪声的图像具有较强的鲁棒性.     

基于灰关联分析的储粮害虫图像边缘检测算法

提出了一种基于灰关联分析的图像边缘检测算法,首先确定参考序列和比较序列,然后计算各像素点为中心形成的比较序列与参考序列之间的关联系数,通过比较关联系数的大小来确定该像素点是否为边缘点,这样就可以进行图像的边缘检测.该方法计算量较小,简便实用.将其应用于储粮害虫图像的边缘检测,实例表明采用Sobel算子和Robert算子进行边缘检测的噪声较大,提取的边缘较模糊,而采用基于灰关联分析的方法能够清晰、连续地检测到储粮害虫图像的有效边缘信息.     

基于多映射块的二值文本图像认证水印算法

针对二值文本图像存在较多均匀区域的情况,本文提出了一种基于多映射块的认证算法.该算法将每个图像块中的不可翻转像素点Hash加密生成水印信息,并将其替代三个映射块中的可翻转像素点完成水印嵌入.篡改检测时设计了结合映射块邻域篡改特征的检测方法来认证图像内容的真实性.实验结果表明,该算法不仅可以有效保护二值文本图像的均匀区域,而且能够准确定位图像的内容替换和拼贴攻击.     

图像测量技术在桥梁变形检测中的应用研究

为了提高桥梁变形检测的精度,文章提出了一种基于像素点灰度值插值的边缘检测方法。该算法首先对桥梁结构表面灰度图像进行插值运算,然后利用经典边缘检测算子检测结构变形。通过仿真实验证明该方法有效,变形精度满足工程检测要求。     

基于多重分形频谱分析的图像边缘检测

提出了一种基于多重分形频谱分析的图像边缘检测方法．该方法首先计算出图像像素点的粗粒化Hǒlder指数,并用核估计方法估计出图像与该粗粒化指数相对应的多重分形奇异频谱,然后根据图像的多重分形频谱值就可以检测出图像的边缘点．实验结果表明该方法是有效的,而且与传统方法相比具有更好的局部性．     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

基于霍夫变换的烧结矿粒度识别研究

针对烧结矿生产时无法直接得到粒度大小和分布,人工检测的准确性和即时性不高等问题,提 出了一种基于图像增强和霍夫变换的烧结矿粒度识别方法。 该方法首先使用形态学开操作、图像像素点分 割、拉普拉斯图像锐化算子等方法进行图像增强,然后应用高斯滤波和图像边缘检测算法,最后用霍夫圆检 测算法进行烧结矿粒度检测,实时处理获取的图像,并检测出烧结矿的粒度大小和分布。 该方法可以快速检 测出图像中的烧结矿,其中图像像素点分割方法是根据烧结矿和背景的像素值设置分段函数进行分割,大幅 度减少图像中的噪声,提升了烧结矿和背景的对比度以及亮度,并且检测的准确性和即时性高,克服了人工 检测的弊端,准确率可达到 98%以上。 通过实验表明:该方法对提高烧结矿的生产效率、改善资源的利用、 降低人员成本具有积极作用。     

基于Laplacian算子和灰色关联度的图像边缘检测方法

结合Laplacian算子与灰色关联度提出了一种新的图像分割技术,即以Laplacian变形算子作为参考序列,计算每个像素点及其8-领域的灰色关联度,从而辨别该点是边缘点还是非边缘点.实验结果证明,该方法可以有效地提取图像边缘,而且可以通过调整关联度的阈值和分辨系数来控制边缘信息量.     

基于图像处理技术的量表验定系统的研究

随着数字图像处理技术的发展，图像检测的应用逐渐成为许多工程应用中的关键技术。对原有的图像采集、检测系统——量表验定系统深入分析的基础上，调整了系统的结构。提高了系统运行速度。在对图像边缘检测上应用了亚像素插分，提高了精度。投入实际应用中，取得了良好的效果。     

亚象元边缘定位的实现

亚象元方法能够突破离用象素采样的限制，使边缘定位精度高于图象分辨率。基于连续的理想边缘模型，利用邻域空间矩拟合来计算象素中可能存在边缘的参数，从而获得边皆的亚象元一位。这种方法精度高，抗噪声，而且具有多尺度性和目标外形拟合简便等特点。     

基于统计的显微图像边缘检测阈值分析方法

针对复杂噪音干扰的显微图像, 提出一种新的基于统计原理的边缘检测阈值分析方法. 应用统计函数提取图像中梯度大的一个区域, 再由非极值抑制算法提取边缘像素. 在选择阈值前, 对每一像素的梯度值进行局部标准化, 去除模糊和全局阈值选择的不合适性. 所做分析的统计特性使得输入参数的选择对噪音图像具有鲁棒性, 能有效处理图像中的随机噪音. 实验结果表明, 所提出的算法具有稳定性强、 鲁棒性好的 特性.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于Alpha稳定分布模型的彩色图像边缘检测新算法

 在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

Image Edge Detection Based on Oscillation

IntroductionArtificial neural networks can be dividedintotwo classes :rate code neural networks and pulse-based neural networks .Inrate code neural networks the outputs of the neurons arecontinuous , whereas in pulse-based neural networks theneurons emit pulses . Although rate code neural models havebeen well studied, researchers continue to find the evidencerecently that in many cases the brain may accomplishcomputations on pulses(action potential) . Great effort hasbeen devoted towards the a…