基于自适应免疫遗传算法的边缘检测

为了使检测的图象边缘结构定位好 ,并且产生连续的精细边缘 ,同时能滤除边缘图象中的噪声干扰 ,基于费用函数最小化方法 ,提出了一种自适应免疫遗传算法用于图象的边缘检测 .为了保持群体中个体的多样性 ,同时加快算法的收敛速度 ,该算法中交叉、变异和免疫算子采用了自适应变化而非固定的概率 ,同时免疫算子采用了几何形式的退火选择方案 .由于该算法能够有效地利用局部边缘结构的一些先验知识和特征信息制作成免疫疫苗 ,其局部搜索能力较经典的遗传算法有很大的提高 .该方法用于灰度图象时产生了令人满意的检测效果 ,并对噪声有较好的抑制作用     

基于自适应堆滤波的边界检测

从被噪声干扰的图象中提取边界是图象测试与分析的关键之一。通常需要先滤除图象中的噪声，再用边界检测算子求出边界。本文介绍了一种边界直接检测法，即将边界检测与噪声滤波相结合，它是基于自适应堆滤波的边界检测法。首先非线性堆滤波器用于求出图象某象素点邻域内的灰度最大值与最小值的最优估计，然后以此两估计值之差代替原象素点灰度值。最后对之二值化求出边界。本文根据最小平均绝对误差准则，采用自适应方法求解堆滤波器。这种方法类似于线性自适应滤波器的ＬＭＳ方法，先任设一初始堆滤波器，利用期望图象与合噪声图象对堆滤波器进行迭代训练，最后求出最优化的自适应堆滤波器。文章最后给出了采用自适应堆滤波法求取图象边界的试验结果，表明这种方法可以有效地抑制各种分布的噪声干扰。     

基于模糊神经网络的脉冲噪声滤波器

针对一般模糊神经网络结构复杂、不利于硬件实现的问题,提出了一种基于Sugeno型模糊神经网络的新型脉冲噪声滤波器,该滤波器采用神经网络的结构设计,有利于噪声模式的检测,其内含于神经网络中的模糊推理机制不仅能够有效地滤除脉冲噪声,而且又不破坏图象的细节,该滤波器还采用能够获得全局解的遗传算法来对网络进行调整,初步研究表明,该模糊神经滤波器在滤除景物图象中的脉冲噪声方面,优于标准中值滤波器。     

噪声图象中提取边界的随机启发式搜索方法

在噪声图象中如何有效地提取边界是图象分析领域中的难点。启发式搜索的方法常常用于提取边界,但是,这种方法由于采用固定的起始点、固定的引导度量以及对图象仅进行一次性搜索,对噪声往往很敏感,为此提出了一种随机启发式搜索算法,该方法随机地选取起始点,并依照引导度量的概率反复地进行随机搜索获得各种可能的边界轨迹,然后进行各搜索轨迹的积累自增强,最后根据自增强积累统计结果获得边界。大量的实验结果证明,在噪声图象中,随机启发式搜索方法可以在提取出有意义边界的同时有效地抑制噪声。     

基于离群点检测的图形图象噪声滤除算法

图形图象噪声过滤与修正,在媒体制作、图象分析与信息提取中起着十分重要的作用.虽然基于小波变换的算法能够对高斯噪声进行较好的滤噪处理,但对于随机分布于图象中的各种非高斯噪声仍没有普遍适用的滤噪方法.为了对这种随机分布于图象中的噪声进行有效的检测与滤除,采用对数字图象像素进行解析化描述的方法,从离群点检测的角度给出噪声的定义,并在此基础上构造了相应的图象噪声检测与滤除算法.实验结果表明,这一新方法对图象类型具有广泛的适应性和较好的噪声滤除效果,在大规模图形图象处理应用中具有实用价值.     

图象分割阈值平面的进化优化方法

提出了一种基于进化计算的图象分割方法。它首先检测图象的边界,将已经检测得到的边界作为图象分割阈值平面的插值限制条件,将图象分割转化为对这种分割阈值平面的插值优化问题。采用浮点数编码的进化规划方法进行优化计算,进化规划的适应度函数由插值平滑性,分割区域的结构有效性和图象边界点阈值不变性3个限制条件决定,在进化规划收敛时得到图象分割阈值平面。对不同图象的分割实验显示了这种方法的有效性、合理性和较强的抗噪声干扰能力。     

超声图象的自适应线边界检测方法

针对超声图象存在一种特殊的斑点噪声 ,使图象边界与细节变得模糊 ,而严重影响图象质量的问题 ,提出了一种自适应线边界检测方法 ,即以不同方向与不同大小的“窄条”来近似组织边界 ,这种“窄条”是指具有不同长度、方向各异的线段 .该方法首先将经过每一像素点的“窄条”的最大投影作为该点的灰度值 ;然后应用假设试验优化方法确定“窄条”方向 ,而“窄条”的长度由基于区域增长的局部统计特性决定 .通过引入噪声抑制与边缘保留量化参数 ,进行了仿真斑点图与组织超声图的处理实验 ,并与自适应斑点抑制滤波、直接线边界检测方法进行了比较 ,结果证明 ,该方法不但能有效地抑制斑点噪声、而且能很好地保留与增强图中的组织边界与局部细节 .     

基于小波的小尺寸物体的图像边缘提取方法

基于小波变换的“多分辨”特性，采用一种利用小波模极大值，找到图像中的边界点，从而实现对灰度图像的边界检测的方法，通过分析图像中是否有灰度突变特征，来判断边界的存在。在进行边界检测之前。首先要滤除原图像的寄生噪声的干扰。实验结果表明：基于小波变换的边界检测方法可对图像边界进行敏锐提取，从而得到小尺寸物体的图像的细微特征。     

基于损失函数的微弱图象边界检测

将图象边界检测转化为一个优化问题，首先求出图象几何点集合，再定义损失函数，选择合适的边界曲线方程参数矢量使得损失函数最小，从而求出最优化的边界曲线，这种方法允许边界上的几何点只占几何点集合２０％以下，因此适合下强噪声下微弱图象边界的检测。     

基于直方图的图象去噪滤波器

滤除图象噪声时，虽然利用的先验知识越多，其滤波效果越好，但是一般情况下，由于只能得到一幅被污染的图象，无法获得这些先验知识，因而滤波效果较差。为了解决该问题，提出了一种去除图象中椒盐噪声的新型滤波器。该滤波器首先给出了一种有效的估计原图象直方图的方法，进而利用估计直方图的信息来进行滤波；然后对滤波窗口中的像素进行一种排除最大和最小灰度值的操作，以滤除椒盐噪声点。实验表明，该方法滤波效果优于传统的滤波器和其他模糊滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显。     

基于空频域联合闭值分割的轮廓检测方法

传统的边缘检测算子仅在空域上对梯度图像进行阈值分割来计算二值边缘图像,当应用在自然场景图像中时,检测结果中往往含有大量的干扰边缘。为了消除干扰边缘,提高传统边缘算子的轮廓检测性能,提出了基于空频域联合阈值分割的轮廓检测方法:首先对梯度图像进行频域阈值分割消除干扰边缘,然后进行空域阈值分割得到最终的二值边缘图。结合Canny算子,利用自然场景图像对该方法进行了性能评估,结果表明,该方法大大减少了干扰边缘,有效提高了Canny算子在复杂自然场景图像中的轮廓检测性能。     

基于扫描线迭代的深度图像边缘检测算法

提出一种基于扫描线迭代近似技术的深度图像边缘检测算法。与其他的算法相比,该算法具有直观的几何意义。通过大量的由三维坐标扫描仪获得的实时深度图像对该边缘算法进行验证,实验结果表明该算法具有良好的分割效果和稳定性。     

Kirsch联合高低双阈值的多色彩空间图像边缘检测算法

边缘检测是计算机视觉中非常重要且实用的图像处理方法,被应用在各个领域。然而在图像采集或传输过程中,由于外界环境的干扰,容易出现结果边缘检测率较低或者伪边缘现象,学者们为此提出了很多改进方法。但是通用的边缘检测方法确很少,现有的算法都是以处理特定场景或特定情况下的问题为目的。Kirsch联合高低双阈值的RGB图像边缘检测算法正是针对上述问题提出的。首先,提取原图RGB色彩空间下的不同分量图,对每个分量图利用改进的Kirsch算子求取边缘强度;然后利用高低双阈值划分图像的边缘点和背景点,得到不同色彩空间的边缘结果;最后对不同分量的边缘检测结果进行融合,得到最终的边缘结果。利用基准数据集BSDS500数据集中的200张测试图像对算法进行验证评估,实验结果表明,本文算法相比于其他算法检测到的边缘更加清晰,细节更加完整,边缘连贯性更好,检测率更高,适用范围更广。     

基于动态分块闭值去噪和改进的GDNI边缘连接的溢油遥感图像的边缘检测算法

海上溢油图像的边缘检测技术是最重要的海上溢油监测技术之一。无论是溢油的识别、位置的确定或者溢油量的获取,都需要首先确定溢油区域的边界信息。针对溢油图像的特点,提出了一种新颖的边缘检测算法。该算法由3部分组成:“非极大值抑制”实现了溢油图像的候选边缘检测;动态分块阂值算法实现了对噪声、伪边缘的清除,使获得的边缘更连续;改进的GDNI边缘连接算法实现了对去噪后图像中的中断边缘点的准确连接。通过实验结果证明,提出的算法能够得到清晰连续的溢油遥感图像的边界信息,较好地实现了具有低对比度、模糊边界以及噪声问题的溢油遥感图像的边缘检测,且具有很好的实时性。根据本算法得到的边缘检测信息,海上溢油能够更加容易和快速地被识别。     

基于多尺度屋顶边缘检测的指纹图象分割方法

针对指纹图象的细节识别问题,提出了一种新的分割指纹图象中脊和谷的方法。该方法是上述脊和谷看成是屋顶边缘,脊和谷的两个边界看成是阶跃边缘,并利用基于B样条小波的多尺度屋顶边缘检测方法来实现脊和谷的分割;同时详细讨论了精确确定屋顶状目标所需的尺度范围,并给出了检测目标的具体方法。实验证明,该方法用于不同质量的指纹图象的检测都取得了令人满意的效果,需要指出的是,该方法也同样适用于其它类似屋顶状目标的检测。     

基于矢量的彩色图像边缘检测

在矢量算子的基础上,利用图像边缘在一定尺度下二阶导数的特性,提出了一种新的彩色图像边缘检测方法。试验证明,若对检测精度,边缘完整性等方面进行综合评价,该方法优于一般方法。     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑，然后根据图像灰度进行对象云化处理，构建对象云。通过云运算生成边界云并构建边缘模糊特征平面，在条件概率和模糊划分熵的基础上，通过最大模糊熵原则确定最优阈值，对图像模糊边界进行提取。试验结果表明，该算法能保留大量低灰度信息，并有效地去除了次要边缘对主边缘的干扰。     

An Improved Method for Edge Detection and Image Segmentation Using Fuzzy Cellular Automata

Image segmentation is one of the most important and challenging problems in image processing. The main purpose of image segmentation is to partition an image into a set of disjoint regions with uniform attributes. In this study, we propose an improved method for edge detection and image segmentation using fuzzy cellular automata. In the first stage, we introduce a new edge detection method based on fuzzy cellular automata, called the texture histogram, and empirically demonstrate the efficiency of the proposed method and its robustness in denoising images. In the second stage, we propose an edge detection algorithm by considering the mean values of the edges matrix. In this algorithm, we use four fuzzy rules instead of 32 fuzzy rules reported earlier in the literature. In the third and final stage, we use the local edge in the edge detection stage to more accurately accomplish image segmentation. We demonstrate that the proposed method produces better output images in comparison with the separate segmentation and edge detection methods studied in the literature. In addition, we show that the method proposed in this study is more flexible and efficient when noise is added to an image.     

一种改进型多尺度DDCM主动轮廓模型边界检测算法

尽管主动轮廓模型 (Active contour model) ,或称 Snakes,近年来已经在计算机视觉和图象处理领域得到了广泛的应用 ,尤其在边界检测方面也表现出良好的性能 ,但是由于传统的 Snakes图象边界检测对初始轮廓线的位置十分敏感 ,因而限制了它的更广泛应用 .为了克服这一问题 ,提出了一种改进型多尺度 DDCM主动轮廓模型的边界检测算法 ,该算法是首先通过分阶段改变轮廓曲线的内力 ,使轮廓曲线的曲率能自适应地进行多尺度调整 ,进而改变了轮廓线的柔性和刚性 ,使之能够更好地与目标边界匹配 .实验结果证明 ,该算法在计算速度和边界检测精度上 ,均优于传统的主动轮廓边界检测算法 ,因而具有一定的实用价值 .