基于LoG算子边缘检测的图像二值化处理

摘要：数码管图像的目标和背景分离不明显，直方图分布较复杂。针对该问题，提出基于拉普拉斯高斯（Laplacian of Gaussian，LoG）算子边缘检测的全局二值化方法对其进行处理，该方法通过提取图像边缘部份的像素灰度获得图像二值化的阈值。处理结果表明，与传统的几种方法相比，该方法能够快速选取良好的二值化阈值，较好地区分目标和背景，在相当大模板宽度内图像二值化的结果都令人满意。     

一种时空权重和边缘自适应的扫描格式转换

为实现隔行扫描到逐行扫描的视频扫描格式转换,提出了一种时空权重和边缘自适应的去隔行算法,主要包括运动估计、小角度边缘搜索、时空权重计算、自适应插值等。该算法通过4场相邻像素的最大灰度变化与运动阈值比较实现对当前像素的运动估计,采用自适应搜索半径和并行搜索树的方法实现小角度边缘检测,并且增加对半像素边缘的考虑实现最小6°边缘的检测,最后通过时空权重自适应的插值算法实现去隔行处理,取得很好的处理效果。     

亚高原地区弹射救生控制技术研究

为实现隔行扫描到逐行扫描的视频扫描格式转换,提出了一种时空权重和边缘自适应的去隔行算法,主要包括运动估计、小角度边缘搜索、时空权重计算、自适应插值等。该算法通过4场相邻像素的最大灰度变化与运动阈值比较实现对当前像素的运动估计,采用自适应搜索半径和并行搜索树的方法实现小角度边缘检测,并且增加对半像素边缘的考虑实现最小6°边缘的检测,最后通过时空权重自适应的插值算法实现去隔行处理,取得很好的处理效果。     

改进的自适应阈值Canny边缘检测

针对传统Canny边缘检测算法的阈值需要人为设定的缺陷,本文提出了一种新的自适应改进方法.该方法-根据梯度直方图信息,提出梯度差分直方图的概念,同时,对图像进行自适应分类处理,使得算法不仅不需人工设定阈值参数,而且还能有效地避免Canny算法在边缘寻找中的断边和虚假边缘现象.对边缘信息丰富程度不同的灰度图和彩色图像运用该方法寻找边缘的实验结果表明,对于在目标与背景交界处的多数像素梯度幅值较大的图片,该算法具有边缘检测能力强、自适应能力强的优点.     

基于边缘与非边缘分开处理的印刷品缺陷检测

针对印刷品缺陷检测问题,通过对经典缺陷识别算法的研究,提出了一种边缘点与非边缘点分开处理的印刷品检测缺陷识别算法。算法以统计过程原理为出发点,根据边缘点和非边缘点不同的像素特征,对非边缘点采用统计阈值法处理,对边缘点采用邻域平均值与梯度值相结合的算法处理。该算法经过实验证明,能够有效地剔除伪疵点,提取出真正的缺陷。     

空中红外小目标并行分割算法

为提高空中红外小目标检测速度,提出了一种基于灰值形态学序列图像膨胀累加、背景估计和自适应阈值分割的并行结构小目标分割算法。该算法对灰值膨胀运算后的相邻三帧图像进行累加以增强小目标能量;将灰值形态学开、闭运算的平均值作为背景估计图像;采用自适应阈值算法从二者相减的差图像中分割出可能目标;其中小目标能量增强和背景估计采用并行处理结构。基于VisualC 6.0编程进行了实验,结果表明,算法对连续三帧768像素×576像素红外视频采集图像的处理时间为3.73s,较常规串行分割算法快一倍以上。     

直管段包装过程中的视觉计数系统设计

目的提出一种基于视觉图像处理的直管段端面圆边缘检测算法与装置,用于直管段精确计数,以提高计数精度和包装效率。方法使用CCD采集直管段端面图像,在Matlab软件中编写检测算法,分别通过对像素坐标、阈值大小的调节来增强图像的对比度,完成图像的灰度化、二值化预处理。将霍夫变换与HarrisLaplace算法相结合,并对管段端面进行边缘检测;通过设定管径大小实现端面圆形边缘的识别、显示与计数。结果将直管段放入设计的视觉计数装置中,通过可动挡板使端面对齐后,采用图像处理技术来实现视觉计数,多次测试结果验证了系统的正确性。结论该方法可以用于直管段的自动计数。     

手背静脉图像二值化阈值算法

因为传统分割算法对图像细节特征信息不敏感,分割效果不理想,提出了一种确定阈值的改进方法。该算法在阈值图像法的基础上,采用迭代计算平均值的方法,动态地获得每个像素点位置的最佳阈值,以获取一幅与原图像大小相同的阈值图像,利用该阈值图像对原静脉图像进行二值化处理,增强了图像的局部细节特征信息。仿真实验证明了该改进算法的有效性。     

基于遗传算法的干涉图像样的最佳熵研究

将遗传算法用于计算云纹干涉图像的二值化阈值，提出基于改进遗传算法的图像分割方法，采用Otsu公式，找出分割图像最优阈值。通过算法实现表明，利用遗传算法所得到的最佳阚值进行二值化处理，效果非常好。     

基于模糊推理的边缘检测算法

针对传统模糊推理边缘检测算法存在抗噪性能差、边缘为非单像素边缘等缺点,提出一种基于模糊推理的边缘检测新方法。首先根据全向小波变换获得4个方向的小波变换幅值,并将该幅值作为模糊推理系统输入;然后通过比较解模糊之后的值和自适应阈值得到二值边缘图像,再细化边缘得到最终边缘图像。实验结果表明:与传统微分算法和模糊推理算法相比,该算法对图像中噪声和伪边缘的抑制以及边缘提取的完整性都具有很好的效果。     

An Image Edge Detection Algorithm Based on Multi-Feature Fusion

Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method.     

带直线特征的数字图象的位置检测

在图象测量及物体精确定位处理中，为了确定被测物体的旋转及平移的偏差量，通过处理被测物体图象的边缘而获得的几何参数，为提高到测量系统的精度，本文提出了一种通过提取图象边缘的直线特征；并对边缘点进行插值和加密的方法，将图象边缘定位于亚象元，利用最小二乘法拟合出直线方程，根据求得的参数，可以确定图象的旋转及平移量。     

一种自适应二值化的毫米波图像边缘检测方法

针对毫米波图像分辨率较低、噪声大、成像物体边缘提取困难等问题,提出了一种基于自适应图像二值化的毫米波图像边缘检测方法。该方法通过对图像直方图的分析,自动地确定两个峰值的位置,得出阈值,对图像进行二值化,再对二值化后的图像进行边缘检测。实验表明,这种方法能较好地检测出毫米波图像中人与物体的边缘信息,同时又去掉了大多数由噪声引起的伪边缘。该方法避免了大量的方差计算,计算量仅为大津法的 50%左右,能够满足自适应性和实时性的要求。     

基于数学形态学和颜色特征的车牌定位方法

为了解决单一车牌定位算法在复杂背景中定位效果不理想的现状,提出一种数学形态学和颜色特征相结合的算法对车牌进行定位.首先利用最大类间方差法（Ostu算法）找到一个最佳的阈值,根据所得阈值把得到的灰度图像二值化,然后采用一种改进的数学形态学算法对图像进行边缘检测,最终结合数学形态学和车牌颜色特征进行准确定位.实验表明该算法明显优于传统或单一的车牌定位方法,定位准确率高,对背景限制少,应用范围广.     

Measurement method for human body anteflexion angle based on image processing

Measurement of the human body anteflexion angle is an essential method for evaluating human flexibility. In this study, a method based on edge detection is proposed for measuring the angle of human body anteflexion. In this technique, an adaptive Gaussian filter is used to filter an image while preserving as much of its edge information as possible. A 5 × 5 template is adopted to calculate the gradient amplitude and direction of the image. Moreover, the Otsu algorithm is used to compute the high and low thresholds of the gradient image, thereby rendering the algorithm adaptive and eliminating any need for manual threshold setting. After the edges are obtained, the feature points of the head, buttocks, and foot are extracted to calculate the anteflexion angle of the human body.     

多层次分割实现微小尺寸实时测量

针对灰度图像多个斜坡状边缘目标的微小尺寸实时检测,提出了两次阈值分割的检测算法。预分割提取目标并确定其过渡区。而后分割是在过渡区搜索目标真实边缘,实现尺寸测量。实验表明,这种两次阈值分割算法对 0.5mm 以下目标测量优势明显,精度优于 0.001mm,并降低了噪声对真实边缘点数目的影响。在实时性能上,测量平均时间为 60ms,比拟合算法缩短了 40%,保证了检测系统下位机 2000 packages/h 的处理速率。     

Color‐edge detection based on discrimination of noticeable color contrasts

Color‐edge detection is an important research task in the field of image processing. Efficient and accurate edge detection will lead to higher performance of subsequent image processing techniques, including image segmentation, object‐based image coding, and image retrieval. To improve the performance of color‐edge detection while considering that human eyes are ultimate receiver of color images, the perceptually insignificant edges should avoid being over‐detected. In this article, a color‐edge detection scheme based on the perceptual color contrast is proposed. The perceptual color contrast is defined as the visible color difference across an edge in the CIE‐Lab color space. A perceptual metric for measuring the visible color difference of a target color pixel is defined by utilizing the associated perceptually indistinguishable region. The perceptually indistinguishable region for each color pixel in the CIE‐Lab color space is estimated by the design of an experiment that considers the local property due to local changes in luminance. Simulation results show that the perceptual color contrast is effectively defined and the color edges in color images are detected while most of the perceptually insignificant edges are successfully suppressed through the proposed color‐edge detection scheme. © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 332–339, 2009     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

结合数学形态学和Level Set超声图像的分割方法

针对噪声严重的超声图像,提出了一种结合数学形态学和Level Set的分割方法。首先采用全变差模型进行图像滤波,再通过交互式区域选择和数学形态学方法获得感兴趣目标的二值化图像,并把该二值化图像轮廓作为水平集方法的初始曲线。改进隐式测地活动轮廓模型(GAC)中的边缘检测函数,增强了处理弱边缘的能力。分割结果表明,该方法能够准确地提取出目标轮廓,同时减少了迭代次数和运算时间。