基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

一种曲面拟合图像边缘特征提取算法

针对传统最小二乘支持向量回归函数曲面拟合边缘特征提取算法推广性差的问题,提出首先在模糊特征平面对图像进行模糊去噪增强,使图像各种边缘信息凸显,弱化非边缘信息;然后对图像进行最小二乘支持向量回归函数曲面拟合,对拟合函数求导确定边缘.在对每个点采用相同惩罚因子时,保证了图像中每一像素的邻域最佳函数拟合.仿真实验表明,该算法边缘提取质量清晰细致,效果较好,且各种参数的选择不需人为调节,适合图像预处理阶段应用.     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

蚁群算法在二维Otsu图像分割中的应用

提出了一种基于蚁群算法和二维Otsu的图像分割方法,利用蚁群算法快速寻优的特点,求出二维Otsu图像分割的阈值分割点,对图像进行分割。根据源图像和邻域平滑后图像的灰度,以及灰度频数进行聚类。通过灰度直方图的峰值点设置精确的初始聚类中心,解决了蚁群算法运算次数多、计算量大的问题;针对具体应用,对聚类半径、信息激素和启发引导函数进行了修正。实验表明该算法速度快、划分特性好、抗噪声能力强,可以准确地分割出目标。     

提取B超病灶的尺度分解小邻域统计水平集方法

在区域水平集方法基础上,利用小波变换将图像分解成多尺度子图像,对不同尺度子图像进行边缘提取并经过数学形态学算子修正,得到接近目标边界的水平集初始轮廓,解决了区域水平集方法对初始轮廓要求高的问题;接着运用小邻域统计方法计算并判断各像素点小邻域统计信息,筛选出该邻域内有效点集作为本次参数代入水平集公式进行迭代运算。实验表明:与几种现存的水平集方法相比,小邻域统计水平集方法能够较好地抑制B超图像噪声,快速地确定病灶边界,对模糊边界的捕获效果好。     

基于宽度细化的图像过渡区提取

利用中心像素邻域灰度信息，提出一种新的图像边缘宽度细化算法，使斜坡边缘的细化效果有明显提高．采用新的灰度加权梯度算子对细化后的图像提取过渡区，能较好地抑制图像噪声．实验结果表明，结合灰度加权梯度算子和宽度细化算法提取的过渡区效果更佳．     

基于伪极傅里叶变换和ROA融合的SAR图像边缘检测算法

提出了基于伪极傅里叶变换和融合的SAR图像边缘检测算法.首先采用伪极傅里叶变换提取较弱的图像边缘特征,并利用Ratio边缘检测算法抑制相干斑噪声对SAR图像边缘特征的影响.然后利用两种算法所得到系数的幅值、方向和角度信息构建置信指派函数,引入D-S证据理论实现两种边缘检测算法的最优融合,获取了SAR图像最佳的边缘特征.仿真结果表明,该算法所提取的边缘特征完整、定位准确.     

基于遗传算法阈值优化的模糊边缘检测

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失的问题,提出一种改进的图像模糊边缘检测算法。算法先使用遗传算法和Otsu得到最佳阈值参数,通过阈值定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强提高区域之间的层次,加强边缘两侧的对比度;再对图像进行灰度增强;最后用Min算子提取出图像的边缘。实验结果表明,改进算法提高了边缘检测质量。     

一种改进的轮廓提取评估算法

针对带有Ground Truth图的自然图像轮廓评估算法的轮廓提取准确率低并且不精确的问题,本文提出了一种邻域匹配算法,并且与原算法相结合,再将评估的准确率公式进行修改,得到了本文的轮廓提取评估算法。通过对Canny算子处理的轮廓提取图进行评估,并与原算法相比可知,本文算法提高了评估的轮廓提取准确率。     

基于GM(1,1)图像边缘检测改进算法研究

由于传统的边缘检测算法会产生信息漏检以及伪影等问题,为了更有效地检测出图像边缘信息,提出了改进的基于灰色预测模型的图像边缘检测方法.该方法首先在图像考察点邻域选择建模数据,对建模数据进行平移与对数变换的预处理,通过引入增强因子p的GM(1,1)模型对建模数据进行处理,得到原始图像的预测图像,通过对预测图像与原始图像做差得到边缘检测结果.为了统一标准,将图像库中图像转换为256*256的bmp格式图像,使用改进后的方法对转换后80幅图像进行边缘检测,其结果表明该算法可以清晰地检测出图像的边缘信息,同时图像的细节也很好地保留下来.说明该改进方法的性能较未改进方法有了大的提高.     

一种Sobel黑片图像亚像素边缘检测

提出一种基于Sobel和多项式插值法结合的改进的黑片图像亚像素边缘检测算法.算法在经典Sobel算法的基础上增加了两个方向模板,并使用对边缘梯度图像加上合理的权值和阈值的方法得到准确的单像素边缘.在单像素梯度边缘上进行有方向的多项式插值计算得到更精确的亚像素边缘定位.该方法的检测精度高,能够应用于黑片的在线检测.     

基于小波分析边缘检测技术研究

边缘检测是图像分割的基础,小波分析技术可以进行图像的边缘检测。本文提出利用模极大值与自适应阈值相结合的算法进行图像的边缘检测,并仿真得到边缘检测图像。与传统的方法比较,本文采用的方法效果较好,能够检测较弱的图像边缘。     

一种新的堆积颗粒图像边缘检测方法

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法,混合神经网络由用于对边缘侯选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ASCSNN）和用于获取颗粒图像边缘矢量信息的BP子网络（BPSNN）组成,边缘侯选图像是通过采用基于灰度极小值算法提取边缘倏选像素获得,神经网络以边缘倏选图像中的边缘侯选像素及其邻域像素的二值模式作为训练样本,对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实、抗能力较强、适用于颗粒图像的边缘检测。     

提取图像边缘过程中抑制噪声的随机启发搜索算法

常用的边缘提取方法对噪声的抑制能力不强,导致了大量不连续边缘的产生。中提出了一个随机启发式搜索算法,它能够有效地抑制噪声,从而连接到连续的边缘,同时,介绍了随机启发式搜索算法,讨论了起始点的选择准则和扩展点的选择方法,最后介绍了终止点选择的方法。一个起始点,一个终止点和许多扩展点就形成了一个候选边缘,通过候选边缘的随机积累进行自增强,达到抑制噪声,提取清晰边缘的目的,中使用加入高斯噪声的“Lena”图像作为实验图像,实验结果初步证明了该算法能够提取到连续,清晰的边缘。     

基于边缘检测的深度图与单视图配准算法

为解决由单视点图像和相关深度数据所创建的立体图像部分存在的重影问题,提出基于边缘检测的深度图与单视图配准算法。对单视图和深度图进行边缘检测得到各自的边界后,以单视图的边界为基准,配准深度图的边界及其邻域的深度数据。实验结果表明,该算法与已有的算法相比,匹配质量明显提高,使在立体图像中的重影现象得到了缓解。     

肝脏CT图像三维分割研究

针对肝脏CT图像的特征,提出了一种将种子区域生长算法和改进Snake模型相结合的策略,实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的Snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片。实验表明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集。     

高斯插值哑像素边缘检测算法的优化

针对传统的高斯插值算法运用在图像检测上定位不准确,定位精度随着所选择定位角度的不同而不同,效率低等问题,对高斯插值亚像素边缘检测算法进行了优化．首先,通过LOG算子获得像素级的边缘后,进行Hough变换,得到图像边缘的斜率和在垂线方向相应点,并设置新的坐标系;然后,利用泰勒级数插值法在新的坐标系下获取灰度值的方向梯度;最后,对变换后的亚像素梯度方向进行高斯插值计算．实验结果表明：优化后的方法比传统的算法可以得到更好的精度,更高的效率,且具有方向不变性,验证算法的精度达到0．05个像素,有效地提高了图像边缘提取的精确度．且将该算法运用于刀具几何参数的检测和视觉设备效果很好．     

线粒体电镜图像二值化增强算法研究

提出了一种图像二值化增强算法.首先设计了一个分类器对原图进行初步二值化处理,再对原图和初步二值图按一定规则平滑叠加,得到既平滑又去噪锐化的效果,再设计一种均值模板进一步平滑去噪,最后对图像进行裁边,并按设计的规则进行二值化判别输出.实验结果表明,该增强算法能去除图像中的噪声和其他非线粒体成分,可提高电镜图像中线粒体边缘检测的识别准确率.     

用USM锐化生成铅笔画的新方法

给出了一种根据真实2D图像自动生成相应的非真实感铅笔画的新方法。首先将彩色图像进行Unsharp Mask(USM)锐化处理,再进行色彩缩放运算,得到具有一定半径的图像的边缘细节。然后,为了更好地产生铅笔画的光线效果及其局部走势纹理,采用线积分卷积(LIC)的方法生成类似的效果,并且用适当的图像分割方法来获取有意义的区域进行LIC处理。最后,把前面得到的边缘细节和LIC处理的结果分为两层进行叠底和透明处理就能得到较好的铅笔画效果。试验结果表明:使用本文方法可以产生更接近于手绘铅笔画的效果,并且生成的速度更快。     

自动选取阈值方法比较研究

在数字图象处理中 ,阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域 ,近年来已有许多种阈值化方法被提出。阈值选取是图象处理与分析问题的基础 ,如何才能正确地找到适当的阈值 ,是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法 ,通过计算机仿真对实验结果进行了比较研究。并在此基础上 ,提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是 :首先 ,用微分算子检测图象的边缘 ;然后 ,在这些边缘象素点上进行二值化阈值的自动选择 ;最后 ,对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明 ,这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征 ,并能处理低质量的图象。