一种简化卷积模板的抗噪型边缘检测算法

针对传统Sobel算法在边缘定位精度不高、抗噪性能差以及提取边缘较粗等不足,提出一种简化卷积模板的抗噪型边缘检测算法。算法定义了水平方向、垂直方向、45°方向和135°方向的四个简化卷积模板计算图像梯度。在计算方向梯度时,先对参与梯度计算的像素点采用阈值法进行脉冲噪声判断,将灰度值在设定阈值范围内的点视为噪声点,采用3×3窗口进行中值滤波,然后参与梯度计算,对于非噪声点,用其原值计算梯度;对获得的梯度图像进行细化处理并提取边缘图像。仿真实验表明,文中算法提取的图像边缘较细、定位精度较高,而且对脉冲噪声具有较强的抑制能力,图像整体清晰、噪声边缘较少。算法在边缘检测效果及噪声抑制能力上均优于传统的边缘检测算法及小波模变换算法。     

改进的梯度阈值图像清晰度评价算法

数字图像技术实现自动对焦的关键步骤是有效的图像清晰度评价.针对传统的灰度梯度算法抗噪性差和实时性低的问题,提出一种改进的清晰度评价算法.首先通过OSTU方法和全局方差计算出图像自适应分割阈值;然后比较自适应分割阈值和图像像素点局部方差以提取整幅图像中的边缘像素点;最后考虑人眼视觉特性,采用多方向的Tenengrad算子对图像进行评价运算,将图像中边缘像素点的评价运算值进行叠加,得到图像的清晰度量化值.为了衡量改进算法的性能,将其与传统的灰度梯度算法进行比较.实验结果表明,与传统的灰度梯度算法相比,所提算法具有实时性高、灵敏度强且抗噪能力好的优点.     

一种组合GAUSS-filter、SOBEL、NMS、OTSU 4种算法的图像边缘检测的FPGA实现

边缘检测是分离图像目标主体和背景的主要依据。通过检测图像上灰度显著变化的像素点集合来确定图像的边缘。目前边缘检测的方法大多综合应用两个算法来提高边缘检测质量。本文在FPGA上综合应用GAUSS-filter、SOBEL、NMS、OTSU等多种算法进行图像边缘检测。将原始采集到的彩色图像转换成灰度图像,先对图像进行高斯平滑处理,消除干扰性噪声;应用SOBEL算法计算图像梯度值,再应用NMS算法处理灰度,挑出轮廓边缘梯度值最大的灰度像素集合;最后应用OTSU算法自适应地确定图像门限阈值进行边缘检测。该方法不仅能刻画出图像的边缘,而且还能对边缘进行细化,实验结果显示对不同的图像都有很好的检测效果。本文所提出的在FPGA上实现的图像边缘检测方法具有准确、实时、高速等特点,能够应用到许多领域中。     

一种利用图像角点和边缘信息的阈值分割方法

阈值化算法是图像区域分割的一个基本算法.提出一种利用角点和边缘点的像素灰度值均值和全图像像素点灰度值均值加权相加的阈值选取方法.实验表明,该方法能对具有大面积目标的图像进行很好的分割.     

一种基于改进Canny的边缘检测算法

鉴于传统Canny边缘检测算法在高斯滤波方差和高低阈值选取上需要人工干预,不具备自适应能力,以及其在梯度计算上的缺陷。提出了一种改进的Canny边缘检测算法。改进算法使用自适应平滑滤波代替高斯滤波,在平滑图像的同时锐化了边缘;使用水平、垂直、45°和135°四个方向梯度模板计算图像梯度,改善了传统Canny算法在计算梯度时对噪声的敏感性;引进Otsu算法自适应地根据图像灰度生成高低阈值,避免了人为设定高低阈值的难题。实验结果表明,改进算法在检测到更多边缘细节的同时,也具备较强的自适应性。特别地,在噪声环境中,改进算法比传统Canny算法检测效果更优。     

一种改进的基于Otsu算法的Canny红外边缘检测方法

在红外图像的分割处理中,阈值的选取一直是研究的热点.针对传统Canny边缘检测算法需要人为设定阈值的情况,从图像灰度的相似性和不连续性原理出发,提出了一种自适应图像边缘检测方法.该方法首先用中值滤噪代替Canny算法中的高斯滤噪,以去除图像中的背景噪声.在此基础上,采用改进的最大类间方差法来优化Canny算法双阈值中高阈值的设定原则,以保证双阈值的自适应性,再利用Canny多尺度空间边缘检测技术完成图像的分割处理.实验表明,与传统的单一算法相比,该算法提高了信噪比,简化了运算过程,可达到比较理想的边缘检测和分割效果.     

改进的自适应灰度视频序列阴影检测方法

提出了一种自适应的阴影检测方法,去除了传统固定阈值阴影检测方法残留的阴影边缘,有效地改善了阴影检测效果。首先采用kmeans聚类、求前景灰度直方图峰值间平均值等方法得到自适应的阈值,在此基础上,计算满足阈值约束的前景像素点,将该点及其8邻域点都作为可去除的阴影点进行标记。最后,去除标记的阴影点及极小面积的前景区域。本文对已有的阴影检测算法进行了改进,加入了自适应的阈值计算方法并去除了原有算法检测后残留的阴影边缘,在对室内及室外视频序列进行的检测中都取得了较好的效果。      

基于顶帽变换的红外图像模糊边缘检测算法

红外成像技术广泛应用航空航天、国家防卫、农业工程及医学工程等各个领域,红外图像边缘信息的获取具有重要意义。提出了改进的图像模糊边缘检测算法,首先改变隶属度函数,简化运算量和缩短处理时间。其次,在选取分割阈值过程中引用基于顶帽变换的自适应方法求取不同图像的阈值,使得分割更加准确。实验结果表明,本算法可以保留红外图像更多的低灰度边缘信息,且较传统的Pal-King算法减少了运算时间,可应用于红外目标探测以及红外目标识别等领域。     

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

基于细节保留的椒盐噪声自适应滤波算法

针对灰度图像中椒盐噪声的特点,提出了一种更加精确的噪声检测方法:该方法利用滤波窗口内像素点灰度值的不同,将受椒盐噪声污染的图像中像素点划分为噪声点,疑似噪声点和信号点.通过设定阈值,并参考相邻像素点的相关性来进一步区分疑似噪声点,最终建立噪声标记矩阵.对于被标记的噪声点,采用自适应滤波算法,保留更多的图像细节.仿真结果表明,该算法在除去噪声点的同时,对于边缘细节也有非常好的保护作用.