基于HSV颜色空间的快速边缘提取算法

针对当前无人机障碍物检测能力较弱的问题,基于图像快速边缘提取算法,提出一种改进型局部二值模式(I-LBP)算子来增强边缘提取效果.在HSV (Hue, Saturation, Value)颜色空间中,利用I-LBP算子描述像素点的局部纹理特征,并采用Hausdorff距离确定边缘点,最后用矩形框圈出障碍物轮廓.该算法根据模糊集理论对传统LBP算子进行改进,通过将简单的二值化描述方式扩充到三维向量,增强了LBP算子对局部纹理特征的描述能力及其抗噪声的能力.利用MATLAB软件进行仿真验证的结果表明:I-LBP算子具有良好的稳健性,在光照条件较差并有噪声污染的情况下依旧可以准确地识别障碍物;同时,I-LBP算子还具有良好的实时性,可以满足无人机的避障要求.     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

融合FLBP和Gabor小波的图像轮廓提取算法

为了解决现有图像边缘提取算法对于局部区域特征提取效果不佳不清晰的问题,提出一种模糊局部二值模式Gabor边缘检测算法(fuzzy local binary-Gabor).该方法首先利用Gabor小波对图像进行第一次处理,降低图像中由于光照变化和噪声对图像产生的影响,再用模糊局部二值算法(模糊数学与局部二值法的结合)将处理过的特征图片进行第二次处理得到相应的轮廓提取特征图.结果证明,该算法确实对目标区域有较好的检测率,得出该算法对于图片轮廓的提取确实有很好的效果.     

基于HVS模型及边缘检测的像素点误差扩散半色调算法

针对常规误差扩散方法中的图像细节轮廓损失问题,提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法.该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息.仿真结果表明该算法能够更好的减少图像细节损失,保留图像细节信息.     

基于局部多结构元素数学形态学的灰度图像边缘检测算法

提出了一种边缘检测算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多个结构元件，利用基于视觉模型的边缘阈值选择策略确定灰度图像中梯度变化中的像素点，并对其采用二值形态学的腐蚀操作，选择出图像的边缘，滤除噪声，与传统的形态学方法相比，该算法只对梯度发生变化的像素点进行操作，减少了运算量，得到了与人的主观视觉更为一致的边缘。实验表明，与经典的边缘检测算子相比，该算法不仅具有很好的边缘提取能力，而且具有很强的抗噪能力。     

改进的最小亮度分布标准彩色图像误差扩散算法

针对彩色图像最小亮度分布标准处理方法中的图像细节轮廓损失问题,提出了一种基于边缘检测的最小亮度分布标准误差扩散改进算法．算法首先对彩色图像进行边缘检测处理,提取图像的边缘点信息,然后依次提取彩色图像像素点．若像素点是图像的边缘点,则进行RGB颜色空间的固定阈值比较取值处理．若像素点是非边缘点,则进行最小亮度分布标准处理．最后采用基于HVS模型构造出的误差扩散系数对彩色图像进行误差扩散处理．仿真结果表明该算法能够较好地减少彩色图像的细节损失。     

基于Laplacian算子和灰色关联度的图像边缘检测方法

结合Laplacian算子与灰色关联度提出了一种新的图像分割技术,即以Laplacian变形算子作为参考序列,计算每个像素点及其8-领域的灰色关联度,从而辨别该点是边缘点还是非边缘点.实验结果证明,该方法可以有效地提取图像边缘,而且可以通过调整关联度的阈值和分辨系数来控制边缘信息量.     

基于数学形态学的图像边缘检测改进研究

在对传统的图像边缘检测算法,尤其是基于数学形态学的边缘检测算法分析的基础上,根据其存在的缺陷,提出了改进方法.改进方法包括使用改进的全方位形态滤波器进行滤波,使用改进的形态学边缘检测算子,使用改进的阈值进行二值化处理等.仿真实验结果表明,改进的算法更加有效地去除了图像噪声,提取的图像边缘更加准确,检测精度更高,轮廓更加清晰,连续性更好.     

基于Canny算子和轮廓方向图的异形纤维轮廓增强算法

显微包埋采集纤维图像过程中,由于背景光照不均、景深和聚焦等造成纤维图像对比度较低、目标与背景区分不明显的问题.传统的Canny算子对于异形纤维的轮廓提取存在边缘不连续、虚假边缘等不足,尤其是对于粘连纤维无法确定其轮廓.针对这些不足,提出了一种利用轮廓跟踪算法剔除Canny算子产生的噪声边缘,并在方向图的基础上利用矩形方框确定真正的轮廓区域,然后对此区域内的像素进行模糊域非线性拉伸,从而得到增强后的异形纤维图像.对增强后的异形纤维图像进行Otsu二值化处理,其结果表明该算法能够得到准确完整的异形纤维轮廓.     

适用于地毯编织图像处理的误差扩散改进算法

常规误差扩散方法会导致图像细节轮廓损失问题,为满足地毯编织图像处理中对图像细节处理的要求,本文提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法。该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息。仿真结果表明该算法能够更好地减少图像细节损失,保留图像细节信息,进而满足地毯编织图像处理的需要。     

基于数学形态学滤波的灰度图像边缘检测

针对灰度图像边缘检测,提出组合二值形态滤波结合边缘检测算子的新算法。该算法通过阈值分解把灰度图像形态学滤波问题转换为对二值图像形态学滤波,具有简便且适合逻辑电路实现等优点。仿真结果表明,选取适当的结构元素,该算法能够有效消除椒盐噪声、保留图像边缘。     

基于机器视觉的加工刀具磨损量在线测量

针对实际生产中测量刀具磨损需要人工操作、停机检测等问题,开发了一个基于机器视觉的加工刀具磨损测量系统.首先提出基于Laplacian算子边缘信息的Otsu分割算法将图像二值化,再通过基于形态学的Canny算子边缘检测粗定位及图像配准提取清晰的刀具磨损区域.最后,使用基于Zernike矩的亚像素边缘检测方法提高测量精度,并通过主曲线方法拟合亚像素边缘点得到光滑的边缘曲线,实现了刀具磨损量的在线测量.实际加工过程中的刀具磨损测试结果表明,该系统检测自动化程度高、运行速度快、测量精度可以达到微米级,可以有效地应用于工业上对加工刀具磨损的实时监控.     

一种有效的运动人体目标检测算法

运动目标检测是智能监控系统的重要组成部分,检测效果的好坏直接关系到目标跟踪及后续行为识别的效果,是整个系统优劣和实用性的关键.提出一种人体运动目标检测算法,采用背景减除法提取运动目标,自适应阈值对差分图像进行二值化处理及形态学处理.并利用LOG边缘检测算子,进一步提取目标轮廓,减少冗余,简化后续处理中算法的复杂度、减少运算时间.实验结果充分证明了该算法的有效性.     

基于视觉图像边缘特征的灌木丛或高草识别

灌木丛或高草的枝叶外扩,使得其灰度图像边缘呈"锯齿"状,故边缘点曲率值变化频率及变化范围较大,可选择边缘曲率值的变化特征描述该类障碍物的边界特征.首先,利用Fisher 线性分类器对原始灰度图像进行分割,对二值化图像去除孤立点、进行形态学膨胀处理和空穴区域填充;其次,利用LOG算子及细化算法提取出障碍物的单像素边缘;再...     

基于图像处理和轮廓特征点检测的植物叶片几何建模

提出了一种植物叶片轮廓的几何建模方法,对植物叶片的数字图像进行二值化和边缘提取．通过边缘扫描算法,将叶片图像的边缘数据按照像素点原有的拓扑关系生成坐标链表．以坐标链表检测到的轮廓特征点进行三次样条曲线插值,建立植物叶片的几何模型．实验结果表明,该方法较好地保持了植物叶片原有的轮廓特征,并具有数据获取简便、数据量少和几何模型简单的优点．     

基于圆邻域和环算子的抗噪边缘检测方法

针对噪声图像的边缘检测问题,提出了一种基于圆邻域和环算子的边缘检测方法.首先,在像素点的一个适当的圆邻域内取若干个同心圆环,将这些圆环上的灰度值按径向进行加权平均,得到该像素点周围一圈各等距点上的平均灰度值,这些灰度值可构成一个周期序列;然后根据Sobel和Prewitt等算子的设计思想,构造出一类高通的环算子,利用离散傅里叶变换计算周期序列与环算子的循环卷积,其最大值则作为像素点是否为边缘点的判据.实验结果表明该算法对于含有噪声的图像具有较强的鲁棒性.     

基于数学形态学的焊接熔池图像边缘提取技术研究

针对在数学形态学熔池图像边缘提取时二值化过程中边缘信息严重丢失的问题,提出一种改善方案:使用局部自适应方法进行二值化,然后通过中值滤波、建立连通区域并搜索填充得到最终二值化后的图像;选择合适形状和尺寸的结构元素,用4种数字形态学基本运算组合的边缘检测算子对二值化后的图像进行边缘检测。仿真结果表明,该方法可以很好地保留熔池边缘信息,并能提取出更加准确的焊接熔池图像边缘。     

图像处理中边缘检测算法性能的分析

数字图像处理和计算机视觉有一个基本问题就是边缘检测。图像中会有亮度变化比较明显的点就是图像的边缘。图像的边缘表现出了图像的位置信息、轮廓特征等。边缘检测现在只要应用在分析和处理图像中,像提取图像特征、分割图像、增强图像、复原图像、模式识别、图像压缩等。本文介绍了边缘检测算法中的几种经典边缘检测算法,讨论了这几种经典的边缘检测算子的若干性能判据,通过实验验证:不同的边缘检测算子对分辨率不同的图像性能变化是不同的。     

一种精确的图像边缘检测法

边缘检测是图像处理与识别中最基础的内容之一,一幅图像就是一个信息系统,其大量信息是由它的轮廓边缘提供的。边缘提取与检测在图像处理中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能。现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待于进一步的改进和发展。提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,从理论上分析了该方法的精确性和较强抗干扰能力,给出此算法的实例并与传统的边缘检测算子Laplacian-Gauss算子、Prewitt算子和Canny算子的检测结果进行了比较。     

基于中值滤波技术的视频图像边缘检测算法

传统算法抗干扰性能较差,利用人工经验对高低阈值进行设置完成边缘提取,不但会出现伪边缘,同时会产生很多噪声。为此,提出一种新的基于中值滤波技术的视频图像边缘检测算法。依据集合代数原理,通过集合论对几何结构进行描述,完成对视频图像形状与结构的预处理。针对视频图像中某一点的值,对其用该点邻域中不同点值的中值进行替代,对视频图像进行平滑滤波处理。在此基础上,通过设定阈值对某像素点是否是边缘点进行判断,利用最大类间差分技术获取最优阈值,自适应选择合理阈值,以降低假边缘现象的出现概率,提高边缘连续效果。对视频边缘轮廓区域的增强处理,得到有效的边缘检测结果。实验结果表明,所提算法检测结果伪边缘较少,图像边缘检测质量高,噪声少。