小波边缘检测算法在平面丝阵Z箍缩图像1维诊断中的应用

 选择尺度融合的小波边缘检测算子对平面丝阵Z箍缩条纹相机图像进行处理,分析了影响边缘检测效果的参数。处理结果显示：如果边缘像素比例取合适值（4%～7%）,若尺度取较大值时边缘定位不够精确,取较小值时受噪声影响较大;尺度融合的小波边缘检测算子则能精确判断图像边缘位置,同时受噪声影响较小;与直接判读方法相比,通过尺度融合的小波边缘检测算法判读的数据更稳定平滑,更能抵抗噪声的干扰。     

基于Kirsch和Canny算子的陶瓷碗表面缺陷检测方法

提出了一种基于机器视觉的陶瓷碗表面缺陷检测方法,该方法主要通过Kirsch算子和Canny算子的结合来实现表面缺陷的边缘检测。采用传统Kirsch算子的8个方向模板分别对图像上的每一个像素点进行卷积求导,选取最大模板,确定其边缘方向,结合Canny算子信噪比高、检测准确度高、边缘细节保留好等特点完成表面缺陷的检测,通过缺陷的几何特征判断是否存在缺陷。实验结果表明,该算法很好地抑制了噪声干扰,提高了边缘定位准确性及检测准确度,在保留边缘信息的同时避免了伪边缘的出现。     

改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。     

基于GFO和标记点分水岭算法的医学图像分割

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算,常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性,常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓,由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下,提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看,提出的方法非常适合应用于临床医学图像分割。     

图像跟踪中的边缘检测技术

为提高电视图像跟踪系统的图像检测精度,实现对目标的稳定跟踪,研究一种有效、实时的图像检测方法非常必要。本文介绍了边缘检测技术的基本原理,描述了几种边缘检测方法,如传统的基于经典微分算子的边缘检测、LOG滤波器与Marr Hildreth边缘检测算子、多灰度图像边缘聚焦法、Canny边缘检测算子、基于梯度信息的自适应平滑滤波和基于小波的边缘检测算子等。给出了边缘检测技术在实际图像跟踪中的应用实例,指出实际的电视图像跟踪系统可以根据不同的图像类型,考虑安全性、稳定性、精度噪声等因素,选择最优的边缘检测方法。     

基于图像边缘信息和Fisher准则的钢板表面缺陷分割研究

针对钢板表面缺陷图像信噪比低、缺陷目标小且形态差别大等特点,提出了一种基于边缘信息和Fisher准则相结合的图像分割方法。该方法首先采用梯度算子检测出缺陷图像的边缘,并对边缘检测所得的梯度图进行灰度拉伸,提高梯度图的对比度;然后利用Fisher准则寻找最佳阈值,分割出缺陷;最后运用数学形态学滤除噪声,实现了缺陷的自动分割和定位。实验证明,该方法不仅能够识别出弱小的缺陷,而且实现了在线实时检测。     

融合区域生长与霍夫变换的内窥图像分割算法

为准确地划分出实际内窥图像的有效检测区域,依据此类图像的具体特点提出一种综合区域生长和霍夫变换的分割算法。利用区域生长大致分割出感兴趣区域,可能会存在漏检边缘或虚假边缘,通过二值形态学处理对图像进行平滑滤波和去噪,采用Canny算子在抑制噪声的同时进行边缘检测,应用霍夫变换检测圆的算法确定图像内有效区域的位置。通过对90组实际内窥图像在Visual C++ 6.0上进行仿真,实验结果表明:有88组内窥图像能够精确地分割强光干扰且划分出有效检测区域;仅有2组图像分割出的强光干扰及划分出的有效检测区域不够准确。     

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中, 大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘, 当边缘部分被噪声严重污染时, 这些方法不能有效检测出这些边缘, 因而无法保留边缘特征. 为了较完整的保留图像的区域信息, 用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理, 得到图像熵序列, 并将图像熵序列作为边缘检测算子引入到扩散方程中, 不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端, 而且能较完整地保留图像的区域信息. 然后, 用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值, 设计最佳阈值控制扩散强度, 建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD). 分析与仿真结果表明, 该模型与经典模型相比, 保留了更多的图像信息, 能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息, 较完整的保留了图像的区域信息, 性能指标同样也证实了新模型的优越性. 另外, 该模型的运行时间较经典模型的短, 因此, 该模型是一个理想的模型.     

印制电路板缺陷图像边缘检测

为了提取含噪声印制电路板(PCB)光板缺陷图像边缘信息,提出了一种基于混合法的图像边缘检测方法.在分析类间最大距离法图像分割基本原理的基础上提出了一种改进的类间最大距离法(IMDBC);设计了结合中值滤波、IMDBC、改进的数学形态学边缘检测算子与LOG算子进行PCB光板缺陷图像边缘检测的混合方法.用CCD及显微镜成像系统获取4幅PCB光板缺陷图像,结果表明:用本文方法提取出的图像边缘信息清晰且较精确,噪声点较少,所得到的4幅图像优质系数是其它6种方法的1.0111~1.3586倍.     

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。     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、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。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

彩色图像边缘检测及其在图像融合中的应用

提出了一种新的基于小波变换的彩色图像边缘检测方法,运用噪声和微弱边缘的识别以及动态双域值的选取,使得检测出来的边缘定位精度高,抑制噪声性能好。利用基于区域特征的信息融合策略,比较待融合图像的边缘点的值和区域能量特征值,选择特征突出者对应的原始图像区域组成融合结果。实验结果表明,该算法可以良好地保留两幅图像的细节信息,得到高质量的融合图像。     

A recursive color image edge detection method using Green's function approach

In this paper, an extended version of image edge detector using Green's function approach is proposed for detection of edges in the color vector space field. In the proposed method, the relationship between the Red, Green and Blue components is considered to design a differential operator for detection of edges in color images. By using the proposed operator, partial derivatives of all components of color image can simultaneously affect on the edge detection process. Therefore the proposed method can preserve the vector nature of color images during the edge processing stages. Also, the proposed method is compared both quantitatively and qualitatively with other color edge detectors. Experimental results show that the proposed method can efficiently preserve the edges even when the color images corrupted with different levels of noise.     

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。     

误差分散类彩色半调图的边缘检测算法

针对误差分散类彩色半调图提出一种边缘检测算法.首先应用K－L变换,将(R,G,B)空间转换为具有正交特性的彩色特征空间(I1,I2,I3),构造灰度图I使之包含所有单色图像的边缘信息,最后设计多尺度边缘检测模板以获取图像边缘.实验表明,算法较传统方法抗半调噪音的能力强,能快速、准确地提取彩色半调图像的边缘.     

Color image edge detection method using VTV denoising and color difference

The traditional Canny edge uses Gaussian filter to suppress the noise, it also smoothes out the image edges. An improved Canny edge detection method for color image is proposed in this paper, the improved method uses fast vectorial total variation (VTV) minimization model to remove noise in color image, and then calculates the color difference and direction in CIELAB color space, which is used for non-maximal suppression. Finally, the improved method extracts the edges by the double-threshold method. The experimental results show that the proposed method achieves better performance than the traditional Canny edge detector. It can remove noise while preserving the image edges, and effectively detect the image edges.     

小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。     

Defects’ geometric feature recognition based on infrared image edge detection

Edge detection is an important technology in image segmentation, feature extraction and other digital image processing areas. Boundary contains a wealth of information in the image, so to extract defects’ edges in infrared images effectively enables the identification of defects’ geometric features. This paper analyzed the detection effect of classic edge detection operators, and proposed fuzzy C-means (FCM) clustering-Canny operator algorithm to achieve defects’ edges in the infrared images. Results show that the proposed algorithm has better effect than the classic edge detection operators, which can identify the defects’ geometric feature much more completely and clearly. The defects’ diameters have been calculated based on the image edge detection results.     

一种基于Mumford-Shah模型的红外图像边缘检测方法

 Chan-Vese模型是一种优秀的简化Mumford-Shah模型。然而Chan-Vese模型是以两个同质区域为基础建立的，这并不符合红外图像的特点，导致直接应用该模型处理红外图像时可能失败。针对这一问题，提出了一种适用于红外图像边缘检测的改进Mumford-Shah模型，并对该模型中目标边缘的保持、停止准则的建立及算法速度的提高作了详细讨论。实验表明，改进Mumford-Shah模型能够克服Chan-Vese模型在对红外图像边缘检测时不能跨越过渡区域的缺点，有效地检测出目标边缘。