首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 156 毫秒
1.
针对传统单一的Canny算子在使用高斯滤波进行平滑处理时丢失大量边缘信息、无法保留大量图像细节的问题,提出一种基于Canny算子的图像边缘检测改进算法,弥补了传统算法在图像边缘检测中的不足.改进算法采用双边滤波代替传统高斯滤波,通过控制双边滤波器权重参数来减少图像边缘信息的丢失;利用小波变换对图像高频系数进行放大,并缩小低频系数,增强图像细节;在配置了开源计算机视觉库的Microsoft Visual Studio 2010开发环境下,将增强后的边缘信息与传统算法的边缘信息进行比较,以验证其视觉效果及参数效果.结果表明,改进算法较传统算法具有明显优势.  相似文献   

2.
目的 本文较详细介绍了一种提取细胞边缘信息的、基于Canny算子和数学形态学的结合型算法. 该结合型算法的建立为后续细胞图像的目标识别、特征提取、图像匹配等的实现提供一定的理论依据. 方法先采用Canny算子进行细胞边缘的粗提取, 接着运用数学形态学对图像进行一系列操作, 直至检测出细胞边缘. 结果与结论该方法优于传统的微分算子和经中值滤波后再进行Canny算子检测后的边缘效果.  相似文献   

3.
图像边缘含有丰富的图像信息,对于很多视觉系统至关重要,比如目标检测与图像分割等。传统的Canny算子仅能用于灰度图像,无法有效利用彩色图像中的颜色信息;此外,该方法需要人为设定高低阈值,不能自适应提取图像边缘,进而造成背景边缘放大等问题。提出了一种基于Canny的自适应彩色图像边缘检测算法;该算法首先通过图像一阶直方图的统计特性,自适应地选取高斯滤波器的参数σ,有效去除了噪声;同时改善了σ参数设置不合理对边缘检测的影响。其次采用了基于图像梯度二阶导数的阈值选取的方法,即根据图像特性自适应选取合适的阈值。实验结果表明:算法能很好地改善传统Canny算子的缺陷,对于彩色图像的边缘信息提取能达到很好的效果。  相似文献   

4.
图像特征的提取与表达是图像检索技术的基础,而图像边缘是重要的视觉感知信息,由此提出一种基于相容粒度空间模型的图像检索方法.首先利用Canny边缘检测算子提取原始图像的彩色边缘信息,然后使用相容粒的合并计算方法对图像边缘颜色进行动态量化,根据得到的信息粒计算图像之间的相似度并进行图像检索.仿真实验表明,本文算法与传统颜色...  相似文献   

5.
传统的Canny边缘检测算法采用高斯滤波会导致图像过度光滑,在梯度幅值计算时仅考虑x方向和y方向会丢失掉重要的边缘信息.此外,采用双阈值法检测和连接边缘时易导致低强度边缘点和噪声点的混淆.针对传统Canny算法的不足,提出了融合数学形态学滤波技术改进的Canny边缘检测算法.融合数学形态学滤波技术对图像做滤波处理,在3×3窗口中心像素的4个方向确定像素点的梯度幅值,最后根据梯度方向的信息检测和连接边缘点.实验结果表明,该算法在对噪声有较高抑制能力的同时,边缘检测的准确性和完整性得到了有效提高.  相似文献   

6.
一种基于小波提升变换的多尺度边缘提取算法   总被引:3,自引:0,他引:3  
提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.  相似文献   

7.
基于Canny算子的图像边缘检测方法,提出了一种改进的Canny边缘检测算法.首先提出一种自适应滤波器对图像进行滤波,其次结合迭代阈值法自适应产生高低阈值,避免了人为阈值的设定,提高了算法处理速度.此方法在保持了原有Canny算子边缘检测的定位准确,单边响应和信噪比高等优点的基础上,减少了假边缘点的产生,提高了边缘检测定位精度,保证了边缘检测的可靠性和完整性.最后通过实验仿真证明了该方法的有效性.  相似文献   

8.
一种改进的Canny边缘检测算法   总被引:15,自引:0,他引:15  
图像中部分低强度边缘在梯度幅值特性上与噪声点十分相似,因此,传统Canny边缘检测算法在采用基于梯度幅值的双阈值法检测和连接边缘时,尽管抑制了噪声,但同时也损坏了部分低强度边缘.针对这一问题,提出了一种改进的Canny边缘检测算法,采用新的基于梯度方向的检测和连接方法取代了传统的双阈值法,充分利用了边缘点和噪声点在梯度方向特性上的差异,在抑制噪声的同时,有效保护了低强度边缘细节,具有优于传统Canny算法的性能.仿真研究也证明了该算法的有效性.  相似文献   

9.
一种改进的基于Canny算子边缘检测算法   总被引:1,自引:0,他引:1  
 基于已改进的Canny算子, 用半像素插值方法将已改进的3×3模板扩展为5×5模板, 并利用归一化自相关最大值的方法判断边缘方向, 缓解了传统Canny算子由于噪声影响使检测效果有断边缘或假边缘的现象. 实验采用接受者操作特性曲线评价提出的算法性能. 结果表明, 与已有算法相比, 改进算法的检测效果有所提高, 可以精确边缘方向, 同时减小假边缘点出现的概率, 对线条边缘丰富的图像效果尤其显著.  相似文献   

10.
因传统Canny算子在图像边缘检测应用中无法取得理想效果,故提出利用有较好抑制噪声作用的FFT,实现增强图像的功能,再采用传统的Canny算子,提取原始图像边缘的方法,算法综合了两者的优点.实验结果表明,采用改进算法有效地增强了边缘检测的准确性,取得了比较理想的边缘检测效果.  相似文献   

11.
李岩(1978-), 男, 长春人, 长春工业大学副教授, 主要从事智能机械与机器人、机器视觉研究, (Tel)86-13069046655(E-mail)liyan_dianqi@ ccut. edu. cn。  相似文献   

12.
提出一种新的基于边缘检测的图像融合方法.该方法利用Canny算子进行边缘检测,将边缘检测图像的逻辑值与小波变换进行结合.在小波变换域内,对低频和高频子图像采用区域融合的方法.最后,进行小波逆变换得到融合图像.通过主观评价和包括熵、均方根误差、峰值信噪比和互信息等客观评价标准进行评价,结果表明,基于边缘检测的图像融合方法融合效果较好,对于模糊部分不同的源图像进行融合具有一定的通用性.  相似文献   

13.
一个反向的Hardy-Hilbert积分不等式   总被引:2,自引:0,他引:2  
通过引入单参数λ, β函数及改进权函数的方法, 建立一个反向的Hardy-Hilbert积分不等式, 并证明其常数因子为最佳值. 作为应用, 建立 了若干等价形式及一些特殊结果.  相似文献   

14.
一种改进的Canny边缘检测自适应算法   总被引:3,自引:0,他引:3  
针对传统Canny算子在高斯平滑时,对图像边缘区域的影响,以及需要预先设定高低阈值的缺点,本文作者提出了一种新的Canny边缘检测自适应算法.首先,该算法根据高斯滤波原理和特征统计分析的方法来自适应地选择滤波函数、滤波窗口;然后,对梯度的求解采取增强中间像素影响力的方法来提高边缘检测的精度;最后,结合非最大抑制后的梯度幅值图和阈值分割的差分理念,提出了一种新的自适应算法来选择高低阈值.实验结果表明,该方法能够得到较好的边缘检测效果.  相似文献   

15.
本文在分析传统Canny算子的优缺点基础上,针对其在平滑滤波和阈值选取上的不足,提出了新的改进算法.该算法首先采用K邻近均值滤波器对图像进行预处理,然后利用非极大值抑制过程后图像本身的信息来自动产生高低阈值对图像进行边缘检测.经过实验证实,使用本算法检测到的边缘连续性更好,边缘细节更丰富,同时阈值选择的自适应能力有所提高.  相似文献   

16.
唐川  李大军 《江西科学》2011,29(6):793-798
针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。  相似文献   

17.
文章首先对传统Canny边缘检测算法的性能进行分析和研究,并在保持了Canny算子原有的优点的基础上,提出了一种通过改进梯度幅值计算和非极值抑制过程的插值方向的方法,不仅提高了边缘定位的精度,而且抑制了伪边缘和噪声,在实际的应用中取得了很好的边缘检测效果.实验结果证明,该算法是一种有效的边缘检测改进方法.  相似文献   

18.
针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号