基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

融合Canny算子和形态学的 齿轮图像边缘检测研究

针对含噪齿轮图像边缘检测中存在的难以有效抑制噪声和准确检测出更多真实边缘等问题,将改进的Canny算子和数学形态学算法应用到含噪齿轮图像边缘检测中,提出了一种融合Canny算子和数学形态学的含噪图像边缘检测算法。首先利用了改进的Canny算子边缘检测,接着运用了多尺度多结构数学形态学边缘检测;然后对两幅边缘图像进行了小波分解,得到各层子图像;最后分别对子图像采用了自适应加权融合,并使用小波逆变换重构图像得到了最终的边缘检测图像。实验及研究结果表明:融合算法比单独使用改进的Canny算子、数学形态学去噪效果好、定位精度高、边缘连续清晰,并且当噪声浓度升高时依然具有良好的去噪效果,是一种可行的无监督融合算法。     

基于局部模糊增强的顺序形态学边缘检测算法

为了提高检测精度、节省运算时间,对现有的基于数学形态学边缘检测算法进行改进,提出了一种基于局部模糊增强的复合顺序形态学边缘检测算法.采用二维直方图斜分法定位图像的边缘区域,对边缘区域进行模糊增强处理,局部模糊增强既可以突出边缘特征,又可以减少计算量,改善算法的实时性;复合顺序形态学边缘检测使用不同方向的直线形结构元素和2种大小的百分位得到边缘子图像,通过计算信息熵自适应确定权重系数,对边缘子图像作融合处理,细化后得到最终的边缘.实验结果表明,该算法检测的边缘精细、连续、完整,其均方误差和峰值信噪比要好于传统的算法,对受到噪声污染的图像和不同格式的图像具备良好的鲁棒性,与全局增强算法相比可节省近一半的运算时间.     

融合小波变换与形态学的车身刮痕边缘检测

针对车身表面外部噪声干扰的影响,导致无法准确提取到车身刮痕边缘有效信息,提出一种融合小波变换和数学形态学的边缘检测方法。首先,为减弱车身刮痕边缘提取过程中受光照等外界噪声干扰影响,对刮痕源图像利用小波模极大值边缘检测方法,消除部分噪声干扰,提高边缘检测定位的准确性;然后,为了优化刮痕边缘的连续性,避免在多尺度小波检测下边缘有效信息的丢失,提出一种改进的数学形态学边缘检测算法;最后,将小波模极大值与数学形态学两种方法的检测结果进行小波分解,分别得到图像的高频和低频分量。两图像低频分量根据图像能量大小分配权重进行融合,对应的高频分量通过绝对值取大的方式融合,将融合后的高频和低频分量重构,获取最终的刮痕边缘。通过实验分析,该融合方法能保证在去噪的同时,获得更完善清晰的边缘特征信息,效果优于传统边缘检测算法,能为后续刮痕精确定位修复提供理论与技术支持。     

基于小波变换的水果红外图像目标识别

边缘在机器视觉应用中是一个很重要的特征.提出了一种新的基于小波变换的边缘检测方法,并对红外水果图像进行识别.它是自动化采摘技术的基础.以二次光滑小波作为小波函数,对水果红外图像进行二维二进小波变换,计算了小波变换结果的局部模极大值点,从而得到了水果红外图像的轮廓.     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

基于机器视觉和改进形态学边缘检测算法的钢球缺陷检测技术研究

为提高钢球表面缺陷检测的效率和准确性,设计一种基于机器视觉的钢球表面缺陷分拣系统。对钢球表面图像进行图像分割、平滑去噪和二值化预处理,获取钢球表面图像的准确信息,并采用改进的中值滤波算法去除噪声;利用小波变换和多尺度形态学融合算法进行钢球表面缺陷的边缘检测;通过该融合算法和其他算法的检测结果对比和客观数据评价,验证了本文所提算法能够有效保留图像真实细节,并满足钢球分拣系统的需求。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于图像融合的年轮细胞边缘检测算法研究

提出一种基于图像融合的边缘检测算法。首先对源图像进行小波分解,在不同分解层用小波模极大值法对高频子图像进行边缘检测,用数学形态学对低频子图像进行边缘检测,然后采用一定的融合规则将这两个边缘检测图像融合在一起。实践结果表明,这种方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于图像处理的带线缝合针尾孔同轴度检测研究

针对带线缝合针尾孔同轴度检测问题,提出了一种对尾孔放大图像进行边缘检测并拟合的同轴度检测方法.首先根据小波变换原理,利用Db3小波基函数对尾孔放大图像进行了三层小波分解,高频部分利用小波多尺度积边缘检测方法抑制噪声,低频部分利用数学形态学边缘检测方法检测弱边缘信息.然后根据图像信息熵计算了单幅边缘图像的权重系数,进一步将多幅高频边缘图像和低频边缘图像融合,提取到了清晰的尾孔内外圆边缘图像.最后运用最小二乘圆拟合方法得到尾孔内圆与外圆圆心坐标,计算了同轴度.针对0.5 mm缝合针样本的实验结果表明该方法与传统检测方法的同轴度数据差值不超过0.2 μm,且具有良好实时性,能够满足尾孔的同轴度检测要求.     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

双程摆扫激光测距探测成像在输电线路通道监测中的应用

针对传统输电线路通道监测方法忽略了对输电线图像的边缘灰度特征检测,导致输电图像轮廓特征不准确,输电线路通道监测出现较大误差的问题,提出基于双程摆扫激光测距探测成像的输电线路通道监测方法.构建双程摆扫激光测距探测成像模型,采用激光传感器实现对双程摆扫激光测距探测节点部署.利用探测模型提取输电线路通道监测双程摆扫激光图像,检测输电线路图像的边缘灰度特征.采用双边滤波器实现对输电线路通道监测的图像增强和降噪处理,构建边缘轮廓特征检测模型,根据图像差异度融合结果实现对输电线路通道监测.仿真实验结果表明,采用该方法进行输电线路通道监测的可靠性较好,监测自动化水平和视觉成像水平较好,提高了输电线路通道监测方法的自适应性和准确性.     

无人机遥感山区公路图像去噪方法

为实现对遥感图像较好的滤波去噪效果并有效保持图像边缘细节,提出一种自适应开关均中值融合滤波方法,可有效处理无人机拍摄的公路遥感图像.首先,选定遥感图像的局部区域,并设定梯度变换阈值大小,同时为标记该区域内的各个像素点,定义标志数组.然后,与阈值进行比较,若当前用于比较的像素点的值比梯度阈值大,则进行自适应开关均中值融合滤波,利用自适应选定阈值来替代传统开关均中值滤波器的固定阈值;若当前像素点小于梯度阈值,则选取改进梯度倒数进行加权平滑处理,即针对图像局部区域建立相关函数,将权值参数按照局部统计特性适应性进行调整.由实验结果可知,与传统梯度倒数加权平滑算法相比,自适应开关内中值融合滤波算法能够滤除遥感图像中的脉冲和椒盐噪声,对其他类型的噪声也有较好的效果,同时保留了图像的边缘细节信息.实验结果表明,滤波处理的图像平均梯度指数提高了 ３．１６％ ,且参数均方误差( MSE )减少了约 ５％ ,具有较高的应用价值.     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

脊波在工业CT图像裂纹边缘检测中的应用

在分析工业CT图像本身特点及小波变换检测点状奇异性的基础上，研究改进了一种基于脊波变换的边缘检钡0方法，并将其应用于实际工业CT图像裂纹检测中。首先利用脊波变换获得裂纹方向和大致范围，然后通过区域灰度均值比较定位裂纹区域，最后采用梯度算子检测出裂纹边缘并对其进行多项式拟合，得到定位准确、连续、独立的裂纹边缘图像。CT图像的旋转实验验证了该算法的鲁棒性，而与Earlace算子、Canny算子和Mallat小波方法的对比实验则证实该算法具有较强的抗噪声能力。     

光学相关红外目标识别算法研究

为了解决联合变换相关器对红外目标难以识别的问题,研究了一种基于二进小波边缘检测和迭代阈值相结合的红外目标识别算法,设计了一种新型滤波器,对输入物面滤波.经过滤波处理后的物面能够更大程度上体现图像的特征信息,抑制噪声.实验结果证实该方法能有效提高光学相关红外目标识别的能力.     

小波域内基于尺度乘法的边缘检测

提出一种基于小波的二尺度乘积边缘检测方法,用两个临近尺度的二进小波变换相乘作为乘积函数,将边缘定义为确定阈值下乘积函数的局部最大值。尺度相乘增强了图像结构识别能力,并可抑制噪声。试验表明, 通过所提出的尺度乘积技术对边缘进行检测,其应用结果优于单尺度的情况,提高了局部检测精度,有效地解决了边缘错位问题,并减少了邻边的影响。     

一种改进自适应阈值的 Ｃａｎｎｙ算法

针对传统Canny算法在滤波时无差别平滑降噪、边缘信息丢失及模糊的现象,且人工选取梯度高低阈值存在局限性的问题,提出了综合考虑图像位置信息与亮度信息的双边滤波代替传统高斯滤波方法,结合最优化阈值分割法和Otsu法分别计算出图像高低阈值,采用边缘信噪比SNR函数对比验证边缘检测效果。改进后的Canny算法有效提高了边缘完整性,且伪边缘更少,对图像中相对较弱的边缘部分也有良好的提取效果,改进后的算法具有更高的信噪比。采用工业机械臂视觉采集零件边缘为背景,实验结果表明,改进后的Canny算法可以有效保留真实边缘信息,边缘更加连续且完整。     

基于梯度图的快速POCS超分辨率复原算法研究

随着红外成像相关产业的兴起,红外成像技术具有的隐蔽性好、探测范围广、定位精度高、穿透距离远,以及轻质小巧、低耗可靠等优点备受青睐,已成为当前智能化光电探测发展的主流方向。然而,红外弱小目标的图像细节特征少、信噪比低等特点成为红外图像应用的瓶颈,如何提高红外弱小目标成像效果成为目前的研究热点。POCS算法是目前超分辨率复原中应用非常广泛的一种复原算法,但是该算法运算量大,处理时间较长,同时对图像的边缘细节保留能力较差。针对POCS超分辨率复原算法迭代时间较长,无法满足光电探测系统实时性的问题,提出了基于梯度图的快速POCS超分辨率复原算法(GPOCS)。该算法根据图像的梯度分布对图像中的像素点进行分类,采用不同的迭代系数进行计算。改进算法能够较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间。实验结果表明:GPOCS算法复原结果在背景处噪声得到一定的抑制,整体复原能力优于传统的POCS复原方法。该算法能够有效地保留边缘细节,同时处理时间小于传统的POCS复原方法,减少了1个数量级已经是接近实时。GPOCS算法能够自适应的选取迭代步长,较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间,虽然不能满足实时性的要求,但是也已经是接近实时。