基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

基于四元数描述的彩色图象边缘检测器

为了对彩色图象进行有效的边缘检测 ,提出了一种彩色图象边缘检测的新方法 ,该方法先是采用基于四元数的滤波器来确定当前像点是否在同质区域边缘 ,进而检测出边缘像点 .实验表明 ,该方法对合成及自然彩色图象均有较好效果 ,能够方便快捷地得到图象的边缘 .     

一种基于δ函数的图象边缘检测算法

提出了一种基于δ函数的图象边缘检测算法 .首先提出了正则化的 Shannonδ函数 ,它是低通滤波器 ,且其傅立叶变换是无限可微的 ,接着推导了正则化的 Shannonδ函数及其一阶导数的时域和频域公式 ,研究了正则化的 Shannonδ函数及其一阶导数与参数 s和 t的关系 .然后根据正则化的 Shannonδ函数及其一阶导数 ,提出了两种边缘检测算法 :一种是用于精细地检测边缘的 D算法 ;另一种是用于从含噪图象中检测边缘的 C算法 .D算法用正则化的 Shannonδ函数的一阶导数检测边缘 .C算法用正则化的 Shannonδ函数平滑噪声 ,用正则化的 Shan-nonδ函数的一阶导数检测边缘 .最后进行了仿真实验 ,仿真实验表明 ,D算法的性能由其参数决定 ,且该算法优于Sobel算法和 Prewitt算法 ;C算法优于 Sobel算法和 Prewitt算法 ,且与 Canny算法的性能相当 .总之 ,该算法是一种能有效地从无噪声图象中检测细节边缘和从噪声图象中检测边缘的边缘检测算法     

基于小波域边缘方向特征的SAR图象噪声抑制方法

给出了一种新的基于小波变换的合成孔径雷达 (SAR)图象斑点噪声抑制方法 .利用每一级小波分解得到的小波系数子带 HL和 L H,以及对原图进行水平方向旋转正负 4 5°扫描后得到的另外两个正交方向的小波系数子带 rc HL和 ra HL ,可以判断出对应点边缘方向性的强弱 ,通过设定方向性阈值 ,确定该点是否位于边缘上 ,进而对没有位于边缘的点进行平滑 ,达到保留图象边缘的同时 ,抑制斑点噪声的目的 .为解决对某些振荡型边缘的检测问题 ,还结合阈值法 ,对该方法做了改进 .实验表明 ,与小波域的硬阈值或软阈值去噪方法相比 ,此方法在有效地抑制斑点噪声的同时 ,更好地保留了 SAR图象中的边缘和纹理信息 .     

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     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.     

基于视觉神经元ON—OFF模型的图象增强

探讨基于视觉神经网络 ON- OFF模型的图象增强 .通过计算仿真 ,找到了关于这种视觉模型应用于图象处理合适的实现形式 ;探讨了衰减常数和颜色恒定性的关系 ;以及空间常数变化和动态范围压缩与细节增强能力的联系 .使用合适的衰减常数 ,可以使该神经元模型在颜色恒定性计算上性能优良 ,同时 ,适当大小的空间常数 ,能够在颜色保真度和图像增强性能之间取得合适的平衡 .神经网络对复杂背景图象的增强效果良好 ,但是由于同样基于“灰度世界”假设 ,因此在处理违反这一假设的特殊图象时 ,此模型在颜色表征上仍然具有缺陷 ,这就部分限制了模型的应用 .最后探讨了可能的改进方向 .     

面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

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.     

一种改进的梯度算子

针对传统梯度算子中 ,用于边缘方向检测的计算公式存在的缺点 ,提出了改进的用于边缘方向检测的计算公式 .鉴于用传统梯度算子检测的边缘方向是由反正切函数给出的 ,而反正切函数所表示的角度范围是 [- π/ 2 ,π/ 2 ],可是事实上 ,边缘方向的范围是 [0 ,2 π].为此 ,通过对梯度算子中 ,Prewitt算子的分析 ,指出传统的边缘算子不能区分两个相差 π的边缘方向 ,并给出了改进的用于边缘方向检测的计算公式 .在传统的梯度算子中 ,因为用于边缘方向检测的计算公式是不精确的 ,所以后续图象边缘的细化、短枝消除、缝隙填补和连接等处理就建立在一个不精确的基础之上 ,从而得到的边缘误差较大 .因为在图象低层处理中就引入了误差 ,所以后续图象高层处理的质量也降低了 .计算机仿真实验结果表明 ,该改进的用于边缘方向检测的计算公式是正确的和有效的 .     

一种改善超分辨率图像重建中边缘质量的方法

超分辨率图像重建技术指通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像来重建一幅高质量高分辨率图像. 凸集投影 (POCS) 算法是一种广泛使用的超分辨率图像重建方法. 本文提出了一种适用于 POCS 算法的改善高分辨率重建图像边缘质量的方法. 该方法将中心在边缘像素的点扩散函数 (PSF) 与一个指数型权值函数相乘, 使得修改的 PSF 系数沿着边缘正交的方向减小. 实验结果表明, 这样的修改有效地保持了边缘的特性, 明显地提高了重建图像的质量     

一种用于图像边缘检测的自适应指数滤波器

本文提出一种用于图像边缘检测的自适应滤波器,利用它既可滤除图像噪声,又可获取精确度高的图像边缘。文中比较详细地分析了这种滤波器,并给出了递归实现算法。理论分析和实验结果表明,自适应指数滤波器的性能优于高斯滤波器。     

基于图像处理的几何零件边缘检测

随着计算机技术的不断发展,将数字图像处理技术广泛应用于测量领域是发展的必然趋势。基于图像处理的几何零件测量来说能够精确地提取它的边缘是保证测量的精度的很重要的条件之一,因此对于边缘检测算法的研究具有非常重要意义。通过大量实验对几种最常用边缘检测算法进行实验对比,从而得到一种满足要求较实用的算法。     

数字图像几种边缘检测算子检测比较分析

数字图像的边缘检测是数字图像处理基本问题之一,本文就数字图像的边缘检测的具体内容及常见的数字图像边缘检测方法进行了综述。分析了各种边缘检测算子的特点,以及在处理各种噪声时,对各种边缘检测算法的检测效果进行了分类比较。     

图像边缘提取技术的分析及优化

本文对现有代表性的各种图像边缘提取方法进行了介绍和归纳,对比、分析了各自的优缺点,并自己提出了基于小波变换数据融合的图像边缘检测算法,该方案结合使用了微分法和小波变换两种方法,发挥了它们各自的优点,获得了比较明显的图像边缘。并对几种图像边缘提取算法进行计算机仿真研究,实验结果表明基于小波变换数据融合的图像边缘检测算法所得到的边缘提供了较高的边缘定位精度,是一种有效的图像边缘提取算法。     

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

一种综合的有噪图象边缘提取方法

有噪图象的边缘提取是一个难点。经典的边缘检测方法由于引入了各种形式的微分运算，从而必然引起对噪声的极度敏感。为此，本文提出了采用分形方法并综合传统方法以解决低信噪比图象的边缘检测问题，并给出了自然场景中的人造物体边缘检测的实例。     

边缘检测算法在不同分辨率图像中的性能研究

边缘检测是图像处理、计算机视觉中的重要内容之一,是实现图像分割、特征提取和图像理解的基础。也是仍未得到圆满解决的研究课题;图像分辨率是衡量图像质量的重要参数,分辨率越高图像质量越好,存储空间也越大;重点讨论了数字图像边缘检测中常用的几种经典的边缘检测算法对图像在不同分辨率时的性能变化,以及图像在不同分辨率条件下加入噪声时的性能变化,分析了造成这些变化的主要原因;同时,通过实验得出了这些边缘检测算法的优缺点和一些经验性结论,以便在实际应用中更好地发挥它们的特长;实验证明,这些边缘检测算法对图像和加噪图像在不同分辨率下的性能及其变化存在明显的差异。