结构件内部缺陷断层图像的模糊边缘检测

由于结构件内部缺陷形状复杂、随机性大及其断层图像噪声严重并具有一定的模糊性,在研究Pal模糊边缘检测算法的基础上,提出一种改进的模糊边缘检测算法。该算法将最佳阈值引进算法中,并以此改进了Pal算法中的隶属度函数,建立了新的模糊增强变换,最后增加了边缘连接的步骤。该算法具有较强的检测模糊边缘的能力,实验结果表明该算法是一种更实用、更高效的模糊边缘提取算法。     

一种改进的模糊边缘检测快速算法

比较全面地分析了 Pal.King模糊边缘检测算法的缺陷 ,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了 Pal.King模糊检测算法定义的不足 ,简化了复杂的变换和逆变换运算 ,而且针对 Pal.King算法中对隶属度阈值设置为固定值的不足 ,提出了自动确定模糊增强变换中最佳隶属度阈值的算法 ,并在此基础上实现模糊增强函数中增强阈值的自动获取。仿真结果证明 ,该算法效率高、提取边缘精细、适用面广 ,是一种很有实用价值的图像处理算法     

图像模糊边缘检测算法的改进

边缘检测是图像处理的重要内容之一,从算法速度和检测效果等方面分析了Pal.King模糊边缘检测算法的缺陷,提出一种新的快速模糊边缘检测算法,利用遗传算法确定模糊增强变换中最佳隶属度阈值,采用简单的隶属函数,提高了算法速度,优化了传统的边缘检测,避免使用单一算子检测边缘强度较弱的缺点,给出了利用该算法的Lena图像边缘检测实验。仿真结果表明,该算法检测边缘能力较强且提取边缘较精细,是一种实用高效的边缘检测算法。     

基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

基于断层图像的内部缺陷边缘检测

针对结构件内部缺陷形状复杂、随机性大及其计算机断层图像噪声严重等特点,提出了一种新的基于统计学和数学形态学原理的边缘检测算法。为了自动提取每一像素点的梯度阈值,选择以该点为中心的3×3区域为研究对象,并考虑到人的视觉对灰度的分辨能力限制,进而得到缺陷图像的预边缘。然后应用多个结构元素对预边缘进行形态学腐蚀操作,以滤除噪声并细化边缘。实验结果表明,所提出的算法不仅具有很好的边缘提取能力,而且抗噪性、稳定性强、鲁棒性好。     

基于模糊梯度法的边缘检测方法

根据图象边缘灰度的梯度变化,构造图象灰度模糊矩阵和描述边缘点的隶属函数,利用遗传算法实现隶属函数各参数的寻优过程,并由输出隶属度判断提取图象边缘点,实现了图象的边缘检测。实验表明,该方法能有效地描述边缘的穿越过程,并可改善检测结果。     

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时,其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息,本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性,根据不同的灰度区域自适应地选取算法参数,用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理,可以检测到不同灰度层次的边缘,而且速度较快。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

基于模糊和遗传算法的路况图像边缘检测

在路况监测中,常常需要得到路况图像的边缘轮廓线,以便诊断路面的病害情况。为适应这种需求,提出了基于模糊和遗传算法的路况图像边缘检测算法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低灰度图像信息丢失、边缘检测速度较慢等问题,利用遗传和模糊算法的优点构造边缘检测算法。这种方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。算法检测出的图像边缘与传统模糊算法提取的图像边缘相比较,结果更加清晰完整。     

模糊边缘检测在机器视觉图像系统仿真研究

研究图像优化问题,针对精确定位边缘和抑制噪声,视觉图像中最重要的是进行边缘检测,用于轮廓抽取、特征检测和纹理分析.传统的Pal.King增强算法在速度和检测效果等方面存在缺陷,提出了一种新的检测算法,算法简化了Pal.King复杂的变换和逆变换.先通过阈值来定义一个新的隶属函数将原始图像映射到模糊特征平面,利用模糊增强处理来提高区域之间的层次,加强边缘两侧的对比度,最后根据-定的判别准则提取出图像的边缘.实验结果表明,改进算法提高了运算效率,而且提取的边缘比较精细.新算法中具有唯-的参数且可以自动确定,保证了算法的自适应性.     

基于阈值优化的图像模糊边缘检测算法

边缘检测是图像预处理中最重要的内容之一,本文使用遗传算法对阈值优化得到最佳阈值参数,对模糊边缘检测算法进行改进,根据此最佳阈值来定义一个新的简单隶属度函数,简化了Pal.King算法中复杂的G和G-1运算。不仅使复杂计算简单化,还减少了迭代次数。仿真结果表明:该算法具有较强的检测模糊边缘能力,是一种实用、高效的边缘提取算法,同时此方法很容易扩展到多阈值图像边缘处理。     

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于模糊推理的边缘检测新算法

研究了原有的基于模糊推理的边缘检测算法。在分析原有算法存在问题的基础上,提出了一种新的模糊化规则,利用方向灰度对比度去确定边缘隶属度值,增加了去除伪边缘的规则,使得边缘细化。对原有算法和新算法进行了品质因素和平均运行时间的算法性能的对比、分析。     

基于Zernike矩亚像素边缘检测的快速算法

为了克服传统的Zernike法在边缘检测过程中,由于人工手动选取阈值而带来的低效率、高误判等不足,将原算法与Otsu法相结合,提出了一种边缘检测的快速算法。利用传统的Zernike法计算出图像的阶跃灰度矩阵,再将该矩阵作为计算对象,用Otsu法直接得到最优的阶跃灰度阈值进行边缘判别,并考虑了由于边缘模型带来的误差,在保证检测效果的同时缩短了检测时间。实验结果表明,改进的算法能够更有效地完成边缘检测,补偿后的亚像素定位更准确。     

采用Hough变换的道路边界检测算法

基于计算机视觉的路况信息识别是当前智能交通领域的热点课题,对道路边界的检测能够有效去除路况图像中与路况特征无关的大面积区域,是提高路况信息获取实时性的关键技术之一,提出一种适用于一般场景中直线道路和弯曲道路的边界检测算法.该算法采用直方图均衡和Otsu二值分割增强道路边界特征,使用均值滤波降噪和二值形态学方法获取特征边界,最终利用分空间的Hough变换方法实现道路边界检测.实验结果表明,该方法能够准确地检测道路边界线并进行道路区域分割,为后续的路况分类工作提供了有效保障.