共查询到20条相似文献,搜索用时 15 毫秒
1.
SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点,但仍有不足之处.提出了一种自适应选取阈值的方法,并对SUSAN边缘检测算法进行了改进.在此基础上,提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果. 相似文献
2.
蚁群算法应用在红外图像边缘检测方面具有良好的效果,但个体蚂蚁的参数需要针对不同图像进行手动配置,这种情况既不利于工程化应用,又降低了算法的效率。针对该问题,提出了一种基于改进蚁群算法的图像边缘检测方法,该方法采用估计个体蚂蚁的分布区域来代替以往全局随机分布的方式,提高算法在敏感区域的搜索效率;同时根据图像边缘复杂程度给出个体蚂蚁的移动步长、禁忌列表长度等参数用于算法迭代,促进算法在边缘丰富区域搜索的同时抑制了算法结果早熟。多组仿真结果证明该方法能够自动给出较为合适的参数,同时在不影响边缘检测效果的前提下缩短运行时间。 相似文献
3.
提出了一种改进的B样条小波边缘检测算法,并在抑制噪声干扰和锐化图像弱边缘的基础上,采用自适应平滑滤波和B样条小波多尺度阈值方法进行了边缘检测.实验结果表明,改进的B样条小波边缘检测算法在除噪和提取弱边缘上可获得更好的效果. 相似文献
4.
5.
尺度独立MAS小波算法检测目标图像边缘 总被引:1,自引:0,他引:1
通过分析图像中不同类型的奇异点,进而区分目标图像的不同类型边缘,由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号(噪声)良好的处理效果,在图像处理的研究中大大优于传统的Fourier变换,并广泛应用于图像去噪和边缘提取方面。在小波理论中,Lipschitz指数可以刻画不同的奇异点,从而区分出图像的边缘和背景噪声。在此基础上,提出了一种独立于尺度的有效算法,并应用于模角分离(modular—angle—separated,MAS)的小波函数。用该算法处理二维图像的边缘,效果优于同类方法,且特别适用于有噪声背景的图像边缘提取。 相似文献
6.
7.
8.
9.
10.
11.
LOG算子是一种经典的边缘检测算子,针对激光雷达图像含有丰富的高斯噪声和乘性噪声干扰.提出一种LOG算子的改进方法:用二维自适应Wiener滤波代替LOG算子中Gaussian滤波.设计了自适应性算法,通过仿真可以看出,该方法有效提高了LOG算子对激光雷达图像的边缘检测能力,是一种实用、有效的方法. 相似文献
12.
13.
由于相位一致性具有光照条件变化和对比度变化的鲁棒性,能够为大多数图像确定1个通用的阈值,且其检测特征的原理与人类视觉系统对图像特征的认知一致,因此本文采用一致性对SAR边缘进行检测。通过将原图像与二维滤波器卷积求取图像相位的一致性,其中使相位一致性达到最大的点即为图像的边界点。试验结果表明:相较传统的基于梯度的检测算子,相位一致性能获得更加丰富和精确的SAR图像边缘信息。一致性图像边缘较为扩散,存在较多的伪边缘,后续采用了非极大值抑制和自适应双阈值法细化边缘和去除伪边缘。 相似文献
14.
15.
16.
17.
传统合成孔径雷达(SAR)图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的自动检测。制作SAR图像中建筑物数据集,针对建筑物的尺寸特点,通过改进的K均值聚类算法重新设置先验框大小;在结构上借鉴深度神经网络的聚合残差转换思想,将YOLOv3骨架网络中用于构建特征层的单路卷积残差模块改进为多路卷积残差模块,提高通道信息利用率的同时降低计算量;加入浅层特征融合模块,增加特征图中建筑物的形状特征所占比重,在特征融合层之前,使用转置卷积进行上采样,增加细节特征;使用改进YOLOv3算法进行建筑物检测模型的训练,并在测试集上进行测试。实验结果表明,相比原始YOLOv3算法,改进YOLOv3算法在SAR图像中建筑物数据集上平均检测精度提高了9.2%,召回率提高了6.3%,同时保持了较快的检测速度。 相似文献
18.
在传统的小波多尺度边缘检测的基础上,利用相邻尺度上小波系数相乘的性质,提出一种噪声目标的边缘检测算法,同时对一般的小波阚值方法加以改进,得到一种自适应阈值方法,从而达到增强边缘.抑制噪声的效果,并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明,该算法检测出的图像边缘轮廓清晰,细节突出,去噪效果好,因而在军事上具有一定的实用性。 相似文献
19.