基于LIP的多通道图像边缘检测研究

由于弱光照图像的成像特点,使得普通的边缘检测的算法难以奏效。20世纪80年代中期由Jourlin和Pinoli提出的对数图像处理LIP模型颇具特色,该模型中的方法对低亮度图像敏感,并且对灰度有界图像的加法运算是封闭的,在边缘检测等方面有着其他方法所不具备的优点。文章基于灰度图像的对数图像处理LIP模型,建立了多通道图像的对数图像处理MLIP模型,并在此模型上进行了对微光图像边缘检测,其效果明显优于经典的Sobel算法。     

适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表...     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

基于DM642的图像边缘检测算法研究与实现

实时图像处理技术已经成为最热门的研究课题之一.本文给出基于DM642平台实现实时图像处理系统的设计方案,在分析常用图像边缘检测算子基础上,引入适用于具有灰度渐变、噪声较多图像的边缘检测算子,结果证明在该系统下能实时完成视频图像的处理,给出的边缘检测算子能较好的消除噪声的影响,边缘轮廓清晰.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

3种保偏光纤几何参数测量算法

介绍利用光纤端面图像采集和图像处理技术进行熊猫型保偏光纤几何参数测量的方法,其中重点介绍3种图像处理算法:基于灰度分割和直方图分布的算法、基于Canny边缘检测和改进Hough变换的算法、基于Canny边缘检测和圆边界点选取的算法及其实现。利用3种方法对不同的光纤端面图像进行处理,并对处理结果进行对比分析。结果显示:3种算法均可用于熊猫型保偏光纤几何参数测量,在处理不同的光纤断面图像时要采用与之匹配的算法模型,进而实现数据的优化处理。     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

陶瓷基片检测中Robert边缘细化算法

陶瓷基片检测中为了对亚像素进行精确定位,需要对基片图像进行灰度边缘细化.为了得到保留信息的细化灰度边缘,对边缘细化算法进行了研究,提出了Robert边缘细化算法.先对基片图像进行均值滤波,然后用Robert算子进行两次边缘检测,最后将两次检测结果进行减法运算得到边缘细化的陶瓷基片图像.实验表明,该算法可以得到允许范围内的单像素连通的细边缘,保留边缘灰度信息,为下一步对图像进行亚像素细分,提高测量精度打下良好的基础.     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

改进的快速C-V模型指静脉图像分割算法

为快速准确地进行指静脉图像的分割, 在经典C-V模型的基础上, 增加了距离惩罚项和边缘检测函数, 并使图像演化不基于内部区面积。改进后的算法保留了C-V模型全局优化的特性, 同时有效避免了重新初始化过程, 并对图像边缘更加敏感, 使改进后的算法适合对指静脉图像的分割。仿真实验结果表明, 改进后的C-V模型能较好地处理指静脉图像边界模糊和灰度分割不均的问题, 同时还可提升分割效率。     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

一种分形和形态学结合的图像边缘检测算法

分形将灰度图像空间映射到分形维数空间进行边缘检测,形态学利用具有特向性的检测算子进行边缘检测.本文将分形中DFBR模型和改进的形态学方法相结合得到一种新的边缘检测算法.实验结果表明:结合算法具有分形算法的保留图像边缘细节能力和形态学对特殊方向边缘的检测能力,在对含有大量细节图像的边缘提取上优于单一的边缘检测方法,并具有良好的抗噪性能.     

基于改进 FA 算法与不完全 Beta 函数的图像增强技术

针对传统计算机在复杂图像信息分析以及后期处理不达预期的问题,提出了利用改进原始的萤火虫算法 (FA)在不完全 Beta 函数上动态寻优调整灰度曲线的光电图像增强新策略。 新策略主要从算法角度出发改进传统 FA 算法,针对原有的吸引度容易造成局部最优等问题引入新吸引度公式、针对算法陷入局部震荡添加自扰动和克 服陷入局部最优的迭代检测环节,改进完成的新算法(Firefly Algorithm Growth,FAG)结合非完全 Beta 函数动态寻 找最优值下的图像灰度曲线。 将改进的 FAG 与 FA 新老算法在四种常见基准函数上进行对比实验测试他们的性 能,结果显示改良 FAG 算法在性能上更优;在改良 FAG 结合非完全 Beta 与 FA 结合非完全 Beta 增强同一图像的 实验中加入直方图算法增强图像作为对照组,综合结果显示改进后的新策略更胜一筹。 综合结果显示群智能算法 在结合图像处理手段来达到图像增强的目的上具有很好的应用价值,新策略在低对比度条件下的光电图像实现了 有效的增强。     

一种改进的灰度矩亚像素边缘检测算法

在分析Tabatabai提出的灰度矩亚像素边缘检测算法的基础上,指出灰度矩算法存在边缘判断条件不够完善和未能考虑模板效应的问题,提出了改进方法,考虑Tabatabai的灰度矩算法产生很多虚假边缘,改进算法分析了各参数对结果的影响,对边缘判断条件进行完善。实验结果表明,所改进算法具有抗干扰性、边缘细化能力强,定位准确的特点,分辨精度可达0.06~0.08个像素。     

一种基于FFT图像边缘检测算法的改进

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．