基于形参均匀B样条盈亏修正的图像边缘检测

利用形参均匀B样条平滑公式,建立了一种盈亏修正的图像边缘检测新方法。首先对图像的原型值点进行盈亏修正,进一步减少原始图像和平滑图像之间的残余误差;然后利用形参均匀B样条修匀公式对修正后的图像拟合光滑曲面;最后求拟合后的光滑曲面的一阶导数极值点或二阶导数的零交叉点作为边缘特征点。试验表明,该方法稳定可靠,精度较高,能够很好地去除伪边缘;同时该方法简洁,便于实时处理。     

用三次B样条小波检测航拍图像边缘

在智能目标识别与跟踪系统中,如何获取较为清晰的图像边缘至关重要,这也是提高系统目标识别率的关键．作者提出了使用三次B样条小波对航拍图像进行多尺度边缘检测方法,介绍了小波及三次B样条函数的性质,根据Canny的3个最佳边缘准则和检测对象的特点,设计了B样条小波检测算法,把不同尺度下得到的边缘图像进行多尺度聚焦,输出检测目标边缘图像．经实验对比分析,该算法在航拍图像边缘检测应用中优于直接使用Canny算法,可以得到较好的边缘信息,并且能够满足下一步目标识别与定位的要求．     

B样条函数与图象边缘检测

介绍了一种基于Ｂ样条函数的边缘检测算子,该算法是利用Ｂ样条函数对原始图象进行拟合,然后求拟合曲面的一阶导数的模极大值或二阶导数的零交叉点来检测图象的边缘。在本文中作者根据Ｂ样条函数的局部性质给出了其平滑,一阶,二阶导数的具体卷积模板,使得该算法简洁,便于实时处理。     

细分节点的样条插值及其二步算法

在讨论细分节点的样条插值基础上，提出了在B样条曲线插值中如何利用前一次插值的结果进行曲线修改的问题，最后得到一个二步算法。由于B样条有局部支撑性，所以方法简单易行，而且插值曲线有良好性质。     

序列图像合成中基于关键帧的动态掩模算法

研究建筑设计方案的计算机虚拟图像序列与真实环境图像序列相合成时 ,分割边缘随时间而变化的动态掩模问题 ,提出了基于关键帧的闭合B样条曲线拟合真实环境图像序列分割边缘的动态掩模插值算法 ,和掩模分割曲线样本点运动关键帧的判定规则 ,实验结果表明本动态掩模插值算法是可行的并符合实用要求     

序列图像合成中基于关键帧的动态掩模算法

研究建筑设计方案的计算机虚拟图像序列与真实环境图像序列相合成时，分割边缘随时间而变化的动态掩摸问题，提出了基于关键帧的闭合Ｂ样条曲线拟合真实环境图像序列分割边缘的动态掩模插值算法，和掩模分割曲线样本点运动关键帧的判定规则，实验结果表明本动态掩模插值算法是可行的并符合实用要求。     

B样条小波在图像多尺度边缘检测中的应用研究

本文介绍了使用小波变换检测图像边缘的原理 ,利用 B样条小波构造出一个边缘检测算子 ,使用多孔算法进行边缘提取 ,并提出了一种更简化的实现方法 ,通过实验验证了这种方法的有效性     

圆域B样条曲线插值问题的研究

基于B样条曲线的理论，给出了圆域B样条曲线的递归算法，并在此基础上，对于带有误差的测量数据，即由于误差的原因分布在平面上一系列的小区域内的测量数据，给出了利用圆域B样条曲线进行插值的算法．所得到的固域B样条曲线具有局部性、连续性等良好性质，通过数值实验表明该算法是可行并且有效的．     

B样条的Bernstein多项式系数

B样条函数是构造小波的基本方法之一,在软件或硬件实现上来说,B样条函数或许是最有效的具有紧支撑的简单函数。通常m阶基数B样条函数由一些非平凡多项段组成。通过构造限制在[k-1,k）上的m阶基数B样条函数段的Bernstein多项式导数与积分公式,确定高阶与低阶下B样条Bernstein多项式系数相互关系。最后,给出了Bernstein多项式系数的求解算法。     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

采用分数阶微分边缘检测的图像插值

针对目前的边缘插值算法不能有效改善插值图像的中低频纹理细节的问题,研究并提出了一种基于分数阶微分边缘检测的图像插值算法.依据分数阶微分理论,设计并实现了可以有效提取中低频纹理信息的算子掩模.按照检测到的边缘纹理信息,分别对沿边缘方向、垂直于边缘方向和平滑区域的待插值像素点进行线性插值、二次插值和双线性插值.采用了峰值信噪比(PSNR)和信息熵(IE)等图像质量评价标准做定量分析和实验验证.结果表明,该方法可以得到丰富的图像纹理信息,提高了峰值信噪比,其结果符合人们的视觉感受.     

结合tetrolet与红外显著性特征提取的红外与可见光融合

针对红外与可见光图像融合过程中红外热目标不突出、纹理及边缘细节易缺失等问题,提出一种结合tetrolet变换域与红外显著目标特征提取的融合方法。首先,在SURF框架内构建基于HOG的特征点描述符实现红外与可见光图像的精确匹配;其次,基于贝塞尔面结合背景及目标进行自适应抑制完成红外目标显著性特征提取;接着,将处理后的红外与可见光图像通过tetrolet多尺度变换分解为低频和高频分量;然后,利用基于局部能量和相对亮度自适应规则对低频分量进行融合,对高频分量采用基于局部空间频率自适应融合规则;最后,将融合的低频分量与高频分量通过tetrolet逆变换,以获得最终的融合结果。实验结果表明,本文算法对不同场景下的红外与可见光图像的融合效果不但主观上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间较其它算法得到了明显提升,并且在客观评价指标上也取得了较好的效果。     

基于模糊集的车牌提取方法

利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.     

一种新的基于图像边缘的插值算法

灰度图像放大时,插值所具有的平滑作用会退化图像的高频部分,使放大图像轮廓变得模糊,本文提出了一种新的图像插值算法,先通过边缘检测分离出图像的平坦区域和边缘区域,对图像的平坦区域采用双线性插值法,对图像的边缘部分采用距离密次反比法,实验证明该算法有效地保持了边缘信息,得到了较好的视觉效果.     

基于NSCT的低能见度图像边缘检测算法

针对PM2.5雾霾图像能见度低、边缘检测困难的问题,提出了一种采用非下采样轮廓波变换（NSCT）的边缘检测方法。首先对PM2.5雾霾图像进行NSCT分解,然后寻找由同一粗尺度系数分解而来的两个细尺度相邻子带系数,对其求差值,再通过差值图的模极大点来确定边缘点,最后通过NSCT域尺度内和尺度间的融合得到完整边缘图像。实验表明,对雾霾图像,该边缘检测方法所获取的边缘完整、定位准确并且噪声点少。     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

基于改进U-Net神经网络的图像去噪算法

针对目前常见的U-Net网络结构以及现有的图像去噪算法在去除图像噪声时,处理后得到的图像较为模糊且图像的边缘纹理过于光滑缺乏真实性的问题,提出了一种改进的U-Net网络结构去噪算法.它由去噪模块以及边缘信息提取模块组成,首先,利用U-Net++中的跳跃连接应用到原始的U型去噪子网中,密集连接的U型去噪网络可以减少编码器...     

基于PDE的图像分解与边缘检测的一种新方法

Luminita A.Vese和Stanley J.Osher提出的卡通—纹理图像分解模型,能将一幅自然图像中的卡通部分和纹理部分分开,但是分解不完全,卡通部分还含有一些纹理信息且边缘容易被模糊。在Vese和Osher卡通—纹理分解模型的基础上,运用半二次规整化方法,得到联合图像分解与边缘检测的新模型。并讨论了其中边缘正则项的三种形式。数值实验表明新模型C使得卡通—纹理分解与边缘提取同时进行,在保持卡通图像较好光滑性的同时,能有效地保护边缘细节的信息,使得图像分解更彻底,提取的边缘信息更准确。     

一种基于小波变换的医学断层图像插值方法

图像插值技术是图像三维重建的关键技术。为了满足灰度和形状同时插值的要求,提出了一种断层图像插值方法,其技术特点是通过小波变换得到图像边缘小波系数强度插值,然后采用一种寻找匹配点的方法对由小波变换得到的低频子图进行灰度插值,最后将所得到的新的高频小波子图和低频子图形成新的插值序列,并利用小波逆变换得到新的插值图像。实验结果表明,所得到的插值图像不仅在形状上更接近于自然状态,在灰度也满足了医学图像插值的要求。     

Feature Recognition of Low-resolution Fiber Image

The interpolatory edge operator is applied to the recognition of cotton and ramie fibers. Its performance is studied in comparison with the Canny edge operator in the fiber＇s edge detection for cross-sectional image. The input image is interpolated other than Gaussian function smoothing. The quality of edge output is improved by the interpolatory edge operator. It produces edge output with good continuity for low-resolution input. The fine edge output, such as crossmarkings, can be distinguished clearly, so the interpolatory edge＇operator is suitable for the study of cotton and ramie fibers. Furthermore, the application of the interpolatory edge operator can cut the hardware cost, reduce the storage and speed up the data transmission.