图像边缘检测算法的比较分析

随着社会的快速发展,图像边缘检测的方法也逐步的多样化,为了能够全面提升其图像边缘检测的效率,需要对整体的检测方法进行全面的创新.但在实际的检测过程中,其检测环境还相对复杂,导致边缘检测的难度相对较大.所以,对检测法进行优化十分关键.本文主要针对图像边缘检测法进行比较分析.并提出了相应的优化措施.     

基于改进的SUSAN算法的火焰图像边缘检测研究

火焰图像边缘检测是火焰图像检测系统研究的基础。将SUSAN算法引入到火焰边缘检测之中,并针对SUSAN算法中人为设定阈值在一些特殊场合下无法有效提取图像边缘的问题和运算量过大不适用于实时场景的缺点,通过引入目标区域判别和自适应阈值选取,提出一种改进SUSAN算法,解决上述两个缺陷并对该算法进行仿真。实验结果表明,该算法可以有效地提高火焰检测的准确率,排除干扰源,并具有良好的自适应性。     

一种改进的SUSAN边缘检测算法

SUSAN算法是一种基于图像灰度比较的算法,不涉及梯度的计算。对基于灰度比较的SUSAN边缘检测算法进行了讨论,提出一种改进的SUSAN边缘检测的算法。首先对边缘做初步的估计,然后再运用SUSAN算法对边缘定位。最后对该算法用VC 进行了编程实验,实验证明改进后的SUSAN算法在计算量大为减少的情况下,边缘检测效果不会变差。     

基于多重分形分析的图像边缘检测算法

本文提出了一种基于多重分形分析的边缘检测算法。该算法通过定义在图像灰度级上的测度,计算图像中每一个象素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息。经试验表明,该算法具有良好的边缘检测效果,并能突出主要的图像边缘细节信息。     

几种边缘检测算法的比较研究

边缘检测在图像处理中有着重要的作用。介绍了5种常用的图像边缘检测算子,并且通过一个图像边缘检测的例子比较了它们的检测效果,分析了它们各自的特点,对学习边缘检测和具体工程应用具有很好的参考价值。     

基于核的图像欧式距离检测图像边缘算法

由于传统的图像欧式距离检测图像边缘算法对图像边缘检测完整度低的问题,已经不能满足人们对于图像细节特征信息的要求.针对这一问题,提出基于核的图像欧式距离检测图像边缘算法研究.基于核的算法进行梯度幅值计算,再通过抑制图像欧式距离非极大值,实现边缘操作数据融合.通过实验证明基于核的图像欧式距离检测图像边缘算法可以提高对图像边缘检测的完整度.     

Kirsch边缘检测算子快速算法

本文利用经典边缘检测模板算子８个方向模板之间的内在联系。提出了一种快速Ｋｉｒｓｃｈ算法。实验表明。采用ＦＫＣ算法可将图像的处理速度提高到采用经典Ｋｉｒｓｃｈ算法所达到的运算速度的３倍以上。     

图像边缘检测算法的性能比较与分析

图像边缘检测一直以来都是图像处理与分析领域的研究热点。对具有代表性的图像边缘提取方法进行了讨论,分析了这些算子进行边缘检测的优缺点,以及导致他们效果差异的具体原因。为了更清楚地看出效果,针对标准例图picture,给出了这些算法的仿真实验效果,最后对实验结果进行了分析,这对于进一步学习和寻找更好的数字图像边缘检测方法具有一定的指导意义。     

边缘检测算子检测突变边缘的效果比较

分析了prewitt,robert,sobel,log,canny等边缘检测算子的抗干扰能力,对V型图像的边缘检测技术进行了系统的研究,分析了不同的边缘检测算子的边缘检测实验结果。利用小波变换检测信号边缘的优势,找出信号突变点,从而找到图像的边缘,但边缘不够完整。为克服小波变换的不足,经小波变换后再采取中心取样,最后采用Hough变换加以完善,就能获取较理想的结果。     

彩色图像边缘检测改进算法

介绍了梯度的概念和度量方法,分析了常用梯度算法,对其中的Sobel算子进行改进,从灰度算法改进到RGB三维空间,提出了一种针对彩色图像的边缘检测算法.本算法在Delphi平台上实现,与同类算法做了多次实验对比.实验证明,该算法能有效增强彩色图像的边缘,耗时较少,经过封装后可以直接用于二值图像、灰度图像和彩色图像,具有一定的通用性和实用价值.     

一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征,角点的准确提取对于图像处理和图像测量具有重要意义.文章对SUSAN(Smallest Univalue Segment Assimilating Nucleus)角点提取算法中阈值的确定提出了改进,在图像中每个像素的SUSAN模板内单独计算阈值t,使其在各种不同的对比度下仍能正确提取出角点.实验结果证明了该方法的有效性.     

基于改进SUSAN算法的片式元件角度识别

元件角度识别是贴片机元件视觉检测的关键,其参数的精确获取直接影响贴片机进行元件贴装的准确性.SUSAN算法是一种基于图像灰度比较的算法,不涉及梯度的计算.讨论了该算法的模板和门限的选取方法,继而提出一种改进的SUSAN边缘检测算法对矩形片式元件进行边缘检测,并通过试验比较了该算法与传统的几种边缘检测算法的优劣.试验证明改进的SUSAN算法能更好地提取复杂成像条件下元件图像的边缘,提高了贴装过程中元件角度识别的精度和稳定性.     

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。     

OSCAGO－CFAR检测器在干扰边缘中的性能分析

本文研究ＯＳＣＡＧＯ－ＣＦＡＲ检测器［１，２］在干扰边缘中的性能。文中推导出了它在干扰边缘环境中虚警概率的解析表达式，分析了它抗边缘干扰的性能，并且与ＧＯ、ＯＳ和ＣＡ－ＣＦＡＲ检测器进行了比较。结果表明，ＯＳＣＡＧＯ的抗边缘干扰性能比这三种ＣＦＡＲ检测器均有明显增强。同时，它在均匀背景和多目标环境中也保持了良好的检测性能。     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

SUSAN算法的几点改进

在分析SUSAN算法优缺点的基础上针对其缺点提出了几点改进,包含去噪、阈值调节、角点预判等方面。实验结果及实际应用表明在不影响实时性的前提下提高了算法的抗噪性和精确性。     

SUSAN算法与虚拟圆技术在图像配准中的应用

图像配准是数字图像处理中的一个重要研究方向。在本文中把SUSAN算法和虚拟圆技术结合起来。提出了一种新的图像配准方法。经过SUSAN算法处理并二值化后的图像去除了原图像中的大部分信息，只保留了明显的边缘信息．这样就大大提高了虚拟圆的提取速度。试验表明这种新的配准方法具有简单、高效并具有较高的准确度等优点。     

基于SUSAN算法的机场跑道跟踪

机场跑道由于目标尺寸大且成线条形,在连续图像中对其定位往往只能逐帧识别,计算复杂耗时,缺乏一种成熟的跑道跟踪方法.文中利用SUSAN算法检测跑道特征点,并对各个特征点使用分别跟踪的方法.将整个跑道进行快速跟踪定位,实验证明此方法时跑道跟踪取得了令人满意的结果.     

小波变换和SUSAN算子在图像处理中的应用

随着图像技术的发展,图像处理、图像分析和图像理解技术在遥感、航空、航天、气象和公安等行业和部门得到了广泛运用。综合利用多尺度小波分解和算子的方法,对图像进行多尺度小波分解和检测边缘、特征的内外角点,快速准确地获得特征点的位置。实验结果表明,该方法能自动定位特征点,在特征定位方面有很强的实用性。     

利用SUSAN算子的特征复合相关跟踪算法

文中提出了一种新的相关跟踪算法,该算法利用ＳＵＳＡＮ算子提取特征、选取灰度子模板进行相关匹配,再由特征匹配作精确定位和置信度分析,并利用特征信息对相关运算进行加权以降低小尺子模板对相关匹配定位精确度的影响。实验结果证明了该算法的有效性。