霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。     

基于小波变换的复杂航空图像的边缘提取

提出了一种基于小波变换的复杂航空照片的目标边缘自动提取的新方法。该方法利用了小波变换，因而具有良好的噪声抑制能力及完备的边缘保持能力，在计算机自动判读系统的目标边缘提取中有效可行。     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证明这种方法能够在保留图像微小细节方面获得满意的结果,且算法有效性优于其他的图像融合方法.     

人眼微动机制实时红外图像边缘提取

图像边缘特征提取是视频跟踪和目标提取的关键步骤,其性能和处理时间直接影响了后续图像处理的性能及视觉系统的整体响应时间.本文研究了一种基于人眼固视微动的实时图像边缘提取算法,针对算法具有边缘识别能力强,但运算量大的特点.通过采用并行处理结构及流水线技术在FPGA内实现了该算法,试验结果说明该算法在FPGA内实现具有与视频流同步的实时性,并且边缘提取的效果很好.在图像目标实时跟踪系统中应用,极大提高了目标的跟踪精度和稳定性.     

基于边缘的标志牌文本提取方法

标志牌上包含了许多重要的信息，提取自然场景图像中标志牌上的文本具有很高的实用价值。本文提出了一种有效的基于边缘的文本提取方法。该方法对背景的复杂度、文字的颜色、大小以及排列方向具有很强的鲁棒性。首先，算法有效地去除大量不规则的非文本长边缘；然后。针对不同的字符大小范围进行分级提取，根据文本区域中边缘之间的关系，用窗口法扫描边缘图像，进一步去除非文本边缘；然后，将提取的结果合并。在验证阶段，本文应用了字符边缘的特点，提高验证的准确率。最后，详细介绍了实验结果。     

基于图像边缘的灰度加权算法应用于LED管芯检测

LED管芯检测的像素级算法受到图像分割的影响,造成目标中部分像素的丢失.本文利用图像边缘区域的灰度加权算法,以求取物体边缘所在像素点的灰度来计算边缘位置.检测结果分析表明,该算法在检测精度上有了明显提高.     

基于形态学的机器视觉玻璃切割边缘提取

图像边缘提取是基于机器视觉的光学玻璃精密切割的前提和基础.通过Sobel、Roberts、Prewitt、LOG、Canny传统算法分别对光学玻璃切割中的图像进行边缘提取,发现这些算法均无法有效解决边缘线型连续性和去噪问题.在此基础上,引入了数学形态学理论,对图像依次进行闭合运算、Otsu阈值处理、轮廓提取,从而获得了连续、平滑、无噪点的光学玻璃切割轮廓曲线图,且峰值信噪比相对较高,仿真实验证明了该方法的有效性.     

边缘特性及边缘检测在图像插值算法中的应用研究

首先论述边缘的基本特性,边缘蕴含丰富的内在信息,如方向、阶跃性质、形状等,对于剧烈跳变的边缘,灰度值差变化大,跳变节奏加快,产生阶跃变化或屋顶状变化。然后分析Canny边缘检测,指出其具有很好的边缘强度估计,为提高插值图像质量和插值算法提供理论根据。     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

图像的模糊边缘检测算法

常用的微分边缘检测算法往往无法设立合适的阈值将影像中梯度较小的模糊边缘检测出来.针对这一点,疚奶岢隽肆街纸饩龅姆椒?将图像方差标准化,拉大模糊边缘处的梯度值,或者通过设置sigmoid函数,将像素点所在区域的信息传递到梯度值中去,对梯度值进行调整,这样就能够设定合适的阈值,有效地将模糊边缘提取出来.本文将这两种算法和常用的一些微分边缘检测算法比如Sobel、LOG算法进行了比较.试验表明,这两种方法都能够有效地提取出模糊边缘.     

基于量子核聚类算法的图像边缘特征提取研究

为了提高图像边缘特征提取质量,采取了量子核聚类算法。首先把像素映射量子编码,在码元建立域内对像素块进行随机采样;然后通过聚类距离计算数据点和每一个聚类核心的距离,把数据向量分配到距离最小的核心向量中,核函数确定有效影响范围;最后对像素聚类相异性分析,给出了算法流程。实验仿真显示这种算法对图像边缘特征提取轮廓清晰,连贯性好,评价指标MS和聚类准确率较好,算法收敛快。     

一种基于形态学多结构元素的图像边缘检测算法

运用数学形态学的理论和方法,从多结构元素形态学变换的角度出发,利用形态学结构元的自然属性,自适应确定权重,在此基础上采用腐蚀运算构造边缘检测算法,最后将多结构元的检测信息加权求和。实验结果表明,自适应确定权重比平均权重具有更好的图像处理效果,在保持图像边缘清晰的同时,具有很强的去除噪声能力。     

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.     

基于MATLAB的不同分辨率图像边缘检测效果的研究

针对边缘检测领域常用的检测算法进行分析,重点讨论了5种算子在针对不同分辨率图像进行边缘提取时的性能,通过实验进一步验证各算法的优缺点,为在实际应用中边缘检测算法的选用提供依据。     

基于改进的灰色关联度的根系图像边缘检测

目的实现对植物根系形态基本参数的计算和分析。方法针对阵列分布内窥式图像获取技术采集的根系图像,提出一种改进的灰色关联度的边缘检测算法。该算法基于灰色关联分析理论,采用变权的邓式关联度模型,利用Sobel算子的2个模板作为参考序列,选取像素的八邻域分量值形成比较序列,通过两类序列之间的关联度实现边缘检测。结果仿真结果表明该算法与传统的边缘检测算子相比,能够较准确地检验出有用的根系边缘信息。结论基于Sobel算子的变权关联度的根系边缘检测算法有效地提高了边缘检测效果,具有一定的抗噪性能。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

结合边缘特征的遥感图像融合

曲波(Curvelet)变换是一种更适合于图像处理的多尺度几何分析(MGA)方法,具有很强的方向性.结合 HSI变换将其应用于全色图像和多光谱(MS)图像融合可以更好地表示图像中的有用特征.首先对多光谱图像进行 HSI变换,得到亮度分量 I,对全色图像和 I 分量进行曲波变换得到粗尺度系数和细节尺度系数,对全色图像的粗尺度系数和细节尺度系数进行叠加,计算归一化的全色曲波系数直方图,定义边缘有效因子,利用全色图像的特征信息对融合图像的粗尺度系数进行处理,对细节尺度系数采用函数对弱边缘进行增强,对新的曲波系数设计融合规则进行融合,逆变换后得到新的亮度分量 Inew,用 Inew 替代原亮度分量 I 进行逆 HSI 变换得到最终融合结果,采用统计类指标对融合结果进行评价.实验结果表明,该方法在保持光谱信息和提高空间分辨率上都有较好的效果.     

针对合成孔径雷达图像的新型LOG边缘检测算法

传统LOG边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也易损坏部分低强度边缘。针对这一问题,提出了一种新型的 LOG边缘检测算法,首先采用双边滤波和自适应中值滤波来代替传统LOG算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG算法具有更好地检测效果。     

一种边界-区域相结合的图像分割算法

提出了一种模仿人类视觉机制的区域-细节的图像分割算法.首先提取图像边缘,然后将边缘分段切割,得到端点集合,然后从端点集合生成Delaunay三角形网络,以Delatmay三角形为顶点,相邻三角形的属性差异作为边的权重,构造图;9以基于图的分割算法生成最小生成树,划分区域.最后用Snake模型精确确定区域边界,生成准确的区域边缘.实验证明,这种区域分割和边缘检测相结合的方法能准确地分割非纹理图像,较好地克服了块现象和非连续边界,相比单一区域分割或者边缘检测方法有更好的分割结果,并且计算速度比较快.