基于Gabor滤波器的图像边缘检测算法

采用Canny算子进行边缘检测时,需人工设定高低2个阈值.对不同的图像采用相同的阈值,边缘检测效果差异很大,这一点限制了Canny算子在实际中的应用.针对这一问题,提出了一种基于cabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为地设定任何参数.实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷.而且能有效去除图像中的伪边缘.     

基于Gabor滤波器的图像边缘检测算法的研究

采用Canny算子进行边缘检测时,需人工设定高低2个阈值,对不同的图像采用相同的阈值,边缘检测效果差异很大。这一点限制了Canny算子在实际中的应用。针对这一问题,本文提出了一种基于Gabor奇部滤波器的边缘检测方法,在不同的尺度下分别采用非极大值抑制,然后利用Canny算子在高低阈值图像中查找边缘点的方法对图像进行边缘检测,无需人为的设定任何参数。实验结果表明这种算法不但克服了Canny算法中人为设定阈值的缺陷,而且能有效地去除了图像中的伪边缘。     

基于粗糙度的改进Canny边缘检测方法

针对Canny算子在处理不均匀细节图像时易出现边缘丢失或大量假边缘现象,提出了一种基于粗糙度的改进Canny边缘检测方法。首先,根据图像的粗糙度确定单个像元的平滑尺度;然后依据相应平滑尺度对图像进行自适应平滑并计算梯度算子的幅值和方向;最后,用极大值抑制与双阈值门限得到图像边缘并对边缘进行连接。实验证明,此方法可较好地解决Canny算子在处理细节非均匀图像时的不足。     

一种改进的Canny的图像边缘检测算法

研究图像边缘优化检测问题,针对图像边缘信息被噪声污染影响定位精度.传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失信息和假边缘的现象.为解决此问题,提出一种改进的Canny的边缘检测算法.首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘.实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘的检测精度和准确性.     

一种改进的Canny算子在机器人视觉系统中的应用

在对传统Canny边缘检测算子深入分析的基础上,利用统计原理研究和分析图像灰度值数据,提出一种改进型Canny算子.与传统的Canny边缘检测算子相比,改进型的Canny算子将边缘点邻域内灰度相似的像素点的灰度平均值代替原灰度值,并引进一种自适应的阈值确定方法,根据灰度值信息确定高低阈值,在保持边缘提取准确性的同时增加了双阈值设置的自适应性.最后将改进型的Canny算子应用于工业机器人视觉系统中,并与传统的Canny算子的实验结果进行比对分析.实验结果表明,改进型的Canny算子更好的权衡了噪声和边缘之间的关系,对待测物体的边缘提取效果更好.     

一种改进的基于Canny算子的图像边缘提取算法

针对Canny边缘检测算子用高斯函数作为滤波器会造成缓变边缘丢失及假边缘现象,提出用GCV阈值的小波滤波方法代替高斯滤波器来平滑图像,以有效地去除图像中的噪声,然后计算梯度算子的幅值和方向,最后用极大值抑制和高低阈值的方法检测及连接图像的边缘。实验结果表明,改进的算法提高了边缘检测准确性,获得比较理想的边缘检测效果。     

一种改进的Canny边缘检测AGT算法

使用Canny算子进行图像边缘检测。由于阈值参数手动输入,边缘检测效果受到影响,为此,提出一种自动生成阈值的算法:AGT(automatically generate threshold)算法。该算法根据图像自身灰度均值和方差均值信息,可实现Canny算子的高低阈值自动计算,使Canny算子不需输入阈值直接得到精确边缘。实验结果显示,该算法不仅能得到较好的边缘检测效果,并且有很强的自适应性。     

一种自适应的Canny边缘检测算法*

针对传统的Canny算子进行边缘检测时易丢失边缘细节的缺陷,提出了一种改进的Canny边缘检测算法。该算法采用自适应的滤波器对图像进行滤波,在滤除图像噪声的同时保留了更多的图像边缘信息;根据图像的灰度均值与方差均值自动计算Canny算子的高低阈值。实验结果表明,该算法在检测到更多边缘细节的同时也具有很强的自适应性。     

基于Canny算子图像边缘检测的改进方法

针对传统Canny算子在边缘检测中的不足,提出一种基于Canny算子图像边缘检测的改进方法。传统Canny算子的高低阈值一般是人为地设定固定值,这容易造成虚假边缘。对此,利用最小交叉熵计算Canny算子的高低阈值,得到理想的边缘后,利用数学形态学对结果进行后处理。实验结果表明,改进后的算法具有自适应性,抑制噪声能力较强,有效地提高了边缘检测的鲁棒性。     

一种基于Canny的边缘检测优化算法

针对传统Canny算子的高斯滤波参数和高低阈值选择困难,以及会造成缓变边缘丢失和假边缘的现象,提出用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法代替高斯滤波器对含噪图像去噪,然后采用最大类间方差的方法来实现Canny算子高低阈值的自适应选择,并用此高低阈值检测及连接图像的边缘。实验结果表明,改进的算法改善了噪声干扰情况下Canny算子的边缘提取效果,有效提高了边缘检测的准确性。     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

图像增强技术的研究

如何有效地增强图像是图像分析中的一个难点,通常,图像的目标背景对比度低,噪声大.平滑处理后图像的边缘轮廓更加模糊不清.常用的拉普拉斯锐化方法在突出图像边缘的同时,也提升了平滑图像中的残留噪声.针对这种问题,提出了用直方图规定化方法增强平滑后的图像,该方法克服了拉普拉斯锐化的缺点,且明显地增强了图像的细节部分.理论分析和仿真结果均表明,该算法能够提高图像成分的清晰度,提供更准确、更满意的图像.     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

一种图像序列自动分割新方法

该文提出了一种固定场景下的图像序列自动分割的新方法。该方法分为两个阶段。在第一个阶段中,巧妙地采用形态学处理方法获得当前帧的运动区域,然后用当前帧对背景进行更新,经过数十帧的迭代,自动提取出初始背景;第二阶段对每帧作如下操作:首根据当前帧与背景的差分图像的直方图提取出噪声参数,并利用该参数求出对差分图像分割的双阈值,从而实现运动目标分割,最后再利用分割结果对背景进行自动更新。试验结果表明,用该方法进行分割不但效果好,而且速度快。     

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。     

一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

基于纹理分析的保细节平滑滤波器

平滑去噪是图象处理中一个重要课题,但是以往在处理平滑去噪问题上一直存在平滑和保细节的矛盾。为解决此问题,提出了一种基于纹理分析和保细节平滑滤波器,该滤波器采用了多尺度多方向的模板,并利用纹理分析等手段,同时根据图象各部分特性,通过自适应地选择模板来进行平滑滤波,该算法兼顾了降噪和保细节两方面要求。实验结果证明,该算法实现简单,计算速度快,且效果优于其他几种常用的保边界平滑算法。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。     

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法.该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解.实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强.     

基于人类视觉模型的各向异性扩散滤波方法

针对各向异性扩散模型中扩散系数的梯度阈值确定问题进行了研究,提出了一种基于人类视觉模型的各向异性扩散滤波器。首先在PM方程的基础上研究了各向异性扩散系数中梯度阈值的取值问题。根据仿生学原理,分析了韦伯比曲线,将图像根据背景亮度划分为不同的区域,分别采用不同的公式计算梯度阈值。然后讨论了改进后算法在8邻域内的离散实现问题。仿真结果表明,与传统的恒常梯度阈值扩散模型相比,改进后的算法在有效保留图像重要信息的同时对噪声的抑制效果更为理想。