基于双目视觉的边缘检测算法

提出了一种基于立体视觉的物体边缘检测的方法。先对立体图像对进行基于图割的立体匹配方法求取场景的视差图，然后再用Canny的边缘检测方法对视差图进行边缘检测。立体视觉方法有效解决了单目视觉检测方法中的一些难点，利用了物体在空间的深度信息，对复杂背景下的物体和具有复杂纹理物体的边缘检测有很高的鲁棒性。实验结果表明该边缘检测方法优于传统的单目视觉边缘检测方法。     

基于多尺度张量的边缘检测算法

如何在确保边缘精确定位的同时,最大程度地抑制噪声以及图像灰度不均匀所产生的伪边缘点,是当前边缘检测所面临的难题。针对此问题,提出了多尺度张量的边缘检测算法,这种算法可以在不同尺度下获取更丰富的局部结构信息。选取适当的阈值,滤除噪声点和伪边缘,从而得到细节丰富的边缘。实验证明该方法得到的边缘细节丰富,且抗噪声性能较好。     

一种改进的Sobel图像边缘检测算法

边缘检测在数字图像处理和计算机视觉中有着重要的应用。对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析。针对该算法存在检测出的边缘粗且对噪声极其敏感的缺点,提出了一种改进算法。该算法对实际图像中出现的边缘类型进行了数学模型描述,然后把连续型的边缘模型作为研究对象,重新构造了对图像边缘方向进行检测的模板。针对Sobel边缘检测基于一阶导数极大值或二阶导数零交叉而带来的边缘定位准确度不高的缺点,对图像梯度图进行了细化处理。仿真结果表明:该算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

基于局部熵的图像过渡区边缘检测算法

提出了一种新的红外目标边缘检测算法,利用局部熵值分析法和过渡区提取相结合的方法,通过Top-hat与Bottom-hat变换,建立有效平均熵和对应灰度值的曲线关系,选择合适的阈值,在此基础上执行形态学闭合操作.仿真结果表明,该方法在去除不必要的细节的同时,能很好地提取目标的边缘信息.     

基于灰度矩的CCD图像亚像素边缘检测算法研究

根据灰度矩算子在目标成像前后的矩不变特性,利用Tabatabai等人提出的前三阶灰度矩建立了亚像素边缘检测算法的完备数学模型。通过实验对该算法的有效性和检测精度进行了研究,给出了工件的实测尺寸对比结果。实验表明:基于灰度矩算子的亚像素边缘检测算法比传统算子具有更高的检测定位精度,可满足图像目标高精度实时在线测量的要求。     

基于Canny边缘检测的数字稳像算法研究

提出了一种将改进的Canny边缘检测技术应用于数字电子稳像中的方法,通过选择图像边缘线的交叉点作为特征点,以此确定仿射模型的运动参数,并进行运动补偿从而达到输出稳定视频图像的目的。实验结果表明用这种方法提取的特征点具有良好的稳定性,实际应用效果良好。     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

基于边缘检测的最小不连续相位展开算法

为克服Fylnn最小不连续相位展开算法效率较低的缺陷,以快速高效地展开包裹相位图,提出了一种基于边缘检测的最小不连续相位展开新算法.先对孤立噪声点预处理并将其排除在增长环搜寻扫描区域外,然后利用边缘检测技术检测出相位不连续区域,并把其作为扫描区域.由于利用边缘检测使增长环搜寻所需的扫描范围在很大程度上缩小,最小不连续相位展开算法的效率得到了很大提高.详细描述了新算法的原理和实现步骤,并用计算机模拟和实际的包裹相位图来验证其有效性.相位展开结果表明,新算法能正确展开这些包裹相位图,且较最小不连续算法有更高的效率.     

基于Top-hat变换的OSAHS图像边缘检测算法

提出了一种基于多方向、多尺度Top-hat变换的图像边缘检测方法,应用于阻塞性睡眠呼吸暂停低通气综合症(Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS)早期病理图像的边缘检测及诊断。首先,构造不同方向、不同尺度的Top-hat算子增强图像的对比度,利用形态学梯度进行边缘检测,然后把各个算子检测到的图像边缘按照一定的权重进行组合,得到理想的边缘,以便准确地获得病理图像的相关参数,进而实现医学电子诊断。本文以口腔图像、咽喉声带处图像、鼻道内部图像的处理为例,这三组图像的处理结果表明,与传统的边缘算子相比较,该方法能使图像的边缘信息更完整、更准确,图像的边缘闭合度可达到97.67%。     

基于迭代拟合的集装箱角件边缘检测算法

噪声通常是影响集装箱角件图像中低层次语义信息提取精度的重要因素,传统的边缘检测算法通常通过改进滤波器和阈值来消除图像中的物理噪声和环境噪声,但是却无法去除边缘检测后的噪声,为解决这一问题,提出了一种基于迭代拟合的边缘检测算法。首先,对角件图像进行一系列预处理操作获取边缘点集,其次,使用拟合算法处理点集并且得到函数表达式,然后定义偏差值度量并计算,用于衡量目标点集到拟合或者检测结果的偏差,最后,去除定义下距离拟合结果最远的指定数量的点,如此迭代拟合直至评价函数收敛。实验结果与分析表明,该算法可以有效地去除边缘点集中的非真实边缘点,相比于传统的边缘检测算法更能去除特殊噪声,算法具有收敛速度快、准确率较高、灵活性好等特点。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

一种改进的Canny边缘检测算法

为了有效提取图像中的弱边缘和缓变边缘,提出了一种改进的Canny边缘检测算法。采用一种类似小波变换的方法对图像进行滤波并计算梯度幅值和梯度方向,实验结果表明,改进的Canny算法可以减少缓变边缘和弱边缘的丢失,并且在抑制噪声方面较传统Canny算法有更优的性能。     

基于改进LCCD算法的高分六号WFV数据云检测研究

高分六号WFV是搭载在我国高分六号卫星上的高空间分辨率多光谱传感器,该传感器实现了高分辨率和宽覆盖的结合。精确识别高分六号WFV数据的云像元对于农业资源监测、林业资源调查以及防灾减灾等行业具有重要意义。基于全球土地覆盖产品FROM-GLC10数据,改进地表类型支持的云检测算法(LCCD算法),开展了高分六号WFV数据的云检测工作。以FROM-GLC10作为先验数据,充分考虑不同地表类型反射率的变化,在每种地表类型上分别采用不同的方法设置阈值。通过目视解译的方法对云检测结果进行精度评价,云正确率整体达到了92.46%,其中植被类、水体类、高亮地表类的云正确率分别为93.09%、95.60%和88.70%。结果表明,改进的基于地表类型的云检测算法有效提高了高分六号WFV数据云检测的精度。     

改进的Canny图像边缘检测算法

边缘检测是图像处理中非常重要的一个环节,针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种改进的基于Canny算子的边缘检测算法,采用小波变换和改进的自适应中值滤波器替代Canny算法中高斯滤波器对图像做去噪工作;采用3×3邻域代替Canny算法中2×2邻域来计算梯度幅值.仿真实验结果较好地说明了改进算法的性能...     

基于图像边缘能量的自动聚焦算法

聚焦过程中,不同离焦点其图像差异体现在高频能量上。利用Sobel算子边缘检测算法,提出了图像边缘能量清晰度评价函数。与方差法和梯度能量法相比,该评价函数具有更好的尖锐性,能够适应高精度聚焦的需要。通过改进爬山算法,充分利用爬山过程中的先验知识,提出了随机起点爬山算法。该算法能够减少爬山步数,可提高自动聚焦速度。     

基于CNN的红外图像边缘检测算法的FPGA实现

提出了一种以现场可编程门阵列为硬件处理器实现基于细胞神经网络的红外图像边缘检测方法.首先利用simulink的算法行为特性搭建红外图像输入模块,获得相关的红外图像头信息并对红外图像像素值范围进行相应变化,然后根据细胞神经网络模板所创建的查找表设计单个细胞元软核,再利用细胞神经网络阵列的规则性和互联的局域性,将单个细胞元软核扩展成细胞神经网络阵列.最后采用modelsim将细胞神经网络阵列与红外图像输入、输出模块相关联,从而达到实时处理的效果.实验结果表明:基于现场可编程门阵列为硬件处理器平台实现的细胞神经网络对红外图像进行边缘检测取得了较好的效果,且与MATLAB软件仿真的结果进行对比得出两者只有极其微小的差别.在Xilinx公司Virtex-6系列的现场可编程门阵列平台上,综合后占用极少资源的情况下得到142.693 MHz的最高频率,并且达到了2.378 Mpixels/sec处理速度.     

基于CNN的红外图像边缘检测算法的FPGA实现

提出了一种以现场可编程门阵列为硬件处理器实现基于细胞神经网络的红外图像边缘检测方法.首先利用simulink的算法行为特性搭建红外图像输入模块,获得相关的红外图像头信息并对红外图像像素值范围进行相应变化,然后根据细胞神经网络模板所创建的查找表设计单个细胞元软核,再利用细胞神经网络阵列的规则性和互联的局域性,将单个细胞元软核扩展成细胞神经网络阵列.最后采用modelsim将细胞神经网络阵列与红外图像输入、输出模块相关联,从而达到实时处理的效果.实验结果表明:基于现场可编程门阵列为硬件处理器平台实现的细胞神经网络对红外图像进行边缘检测取得了较好的效果,且与MATLAB软件仿真的结果进行对比得出两者只有极其微小的差别.在Xilinx公司Virtex-6系列的现场可编程门阵列平台上,综合后占用极少资源的情况下得到142.693 MHz的最高频率,并且达到了2.378 Mpixels/sec处理速度.     

基于多特征和FCM的图像边缘检测方法

提出了一种新的基于多特征和FCM的边缘检测算法.该方法根据边缘点附近灰度分布特点构造了多个反映边缘特性的特征分量,并利用输入图像提取该组特征分量,组成一个反映图像边缘特征的数据集.用FCM聚类算法将该数据集分为两类,即边缘点数据和非边缘点数据,实现边缘检测.该方法无需确定阈值,对弱边缘检测较敏感,在特征的选取上充分考虑了边缘和噪声的本质区别,因而具有优异的抗噪性能.     

一种基于蚁群算法的边缘提取算法

提出一种基于梯度定义和蚁群算法的边缘提取算法.根据梯度在边缘处的直观响应,提出自适应的边缘特征定义,并结合蚁群算法的特性,令蚂蚁遗留不同等级的信息素.根据搜索权值矩阵得到尽量平滑的边缘,最终的边缘通过自动阈值进行提取.实验表明:该算法的性能在同样的智能算法和经典的边缘检测算子中表现良好,并对噪音不敏感.     

一种基于蚁群算法的边缘提取算法

提出一种基于梯度定义和蚁群算法的边缘提取算法.根据梯度在边缘处的直观响应,提出自适应的边缘特征定义,并结合蚁群算法的特性,令蚂蚁遗留不同等级的信息素.根据搜索权值矩阵得到尽量平滑的边缘,最终的边缘通过自动阈值进行提取.实验表明：该算法的性能在同样的智能算法和经典的边缘检测算子中表现良好,并对噪音不敏感.