基于Marr-Hildreth算子多尺度图像边缘检测

针对监控图像的不同边缘特征,图像噪声大小和对边缘检测不同的要求,利用Marr-Hildreth拉普拉斯边缘检测算子多尺度特征,使用不同尺度的Δ2G算子,对监控图像进行边缘检测.     

B超图像边缘检测的算法分析及其C++Builder实现

分析了边缘检测的原理,对几种常见的边缘检测算法进行了分析比较。结果表明:Sobel、Prewitt和拉普拉斯算子对噪声敏感,Hough变换适合全局检测,而高斯-拉普拉斯算子(LoG)的平均值是零,它与图像的卷积不会改变图像的整体动态范围,从而选出最优算子LoG算子。基于C Builder6．0实现了一个边缘检测处理软件,本软件主要是针对B超图像进行边缘检测,在HIFU治疗中为肿瘤的精确定位提供了依据。     

基于拉普拉斯算子的边缘检测研究

边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和图像信息提取的基本手段.本文对基于拉普拉斯算子的边缘检测进行了研究测试,取得较好效果.     

基于被动太赫兹波图像的图像分割技术

研究被动太赫兹波图像的图像分割算法. 针对被动太赫兹波图像水平和竖直方向平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平和垂直方向上对边缘具有不同的检测尺度. 实验表明,利用该算子可以将被动太赫兹波图像中的人和隐匿物品自动分割,能够准确、快速地对可疑的隐匿物品进行定位,使被动太赫兹波成像技术满足实际应用的需求.      

利用拉普拉斯-高斯模板进行边缘检测

边缘检测在视觉系统中是十分重要的，本文采用了一种新的检测方法，即利用图象与拉普拉斯－高斯（ＬＯＧ）算子卷积的过零现象来检测图象的边缘点。     

一种改进的自适应各向异性LOG算子

针对经典各向同性高斯-拉普拉斯(LOG)算子在具有方向性差异的场合中不适用的问题,引入多尺度,多角度参量,使之能对各个方向的边缘更加有效地检测,进而提出一种自适应各向异性LOG算子。该方法由独立强度传播(DS)模型调整长轴尺度,由像素的邻域平滑度决定长短轴的比例,然后通过8邻域一阶偏导决定长轴方向。实验表明,与传统LOG算子相比,该算法很好地解决了不同方向边缘的提取,还完全保留了经典LOG算子原有的优点。     

基于贝叶斯统计推理的复杂场景边缘检测

复杂场景图像存在大量的噪声和纹理干扰,传统边缘算子的检测效果不理想.为此,文中提出一种基于贝叶斯统计推理理论的多信息融合边缘检测算法.该算法融合了梯度算子、拉普拉斯算子以及两级均值比率(ROA)算子的输出响应;通过最大类间属性互信息对特征属性进行最优离散化;利用非参数直方图方法估计类概率密度函数;并通过贝叶斯风险最小化原则实现边缘检测.试验中该方法的Bhattacharyya误差界为0.093,工作特性曲线下的面积(AUC)达到0.958,证明了该算法的有效性.与经典算子检测结果的比较也表明,该算法能够有效地克服图像中的噪声和纹理干扰.     

边界检测中的曲面拟合-拉普拉斯算子法

本文讨论了曲面拟合-拉普拉斯算子法,导出了建立在二阶曲面拟合基础上图象的拉普拉斯算子表达式及其模板形式。利用这些模板对图象进行处理,既可平滑去噪,又起到了边界检测的作用。实验结果表明,此法具有良好的视觉效果。     

Sobel边缘检测的细化

边缘检测是数字图像处理中基础而又重要的课题,Sobel算子是图像边缘检测中常用的方法之一。首先将Sobel与其他几种常用的边缘检测算子进行分析和比较,对经典的Sobel算子进行更深入的研究,Sobel算子的优点在于检测速度快,对噪声都具有平滑作用,对噪声具有一定的抑制能力;虽然产生了较好的边缘效果,但也存在一些问题:检测出了一些伪边缘,使得边缘比较粗,降低了检测定位精度。针对Sobel算子存在的问题,研究学者提出了一些改进的方法,如:扩展检测模板,边缘跟踪等方法,在分析这些方法的基础上,提出一种新的简单的Sobel算子改进方法。这种方法在经典的Sobel算法检测出的边缘的基础上对边缘进行细化,实验证明该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,定位精确。     

用于图象处理的两种新边界检测算子

通过对线性和非线性拉普拉斯算子的分析，提出了一种新的边界检测算子－中值非线性拉普拉斯算子，该算子无方向性，既可保留边界，又可去除噪声，此外，还提出了另一种用图象灰度变换与边界提取相结合检测边界的方法，由此，产生了另一种非线性边界提取算子－灰度均衡化中值非线性拉普拉斯算子。最后对一幅加了盐－颗粒噪声的人物图象进行了计算机验证。     

高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的，对各个角度方向的图像边缘检测的力度是相同的特性，对经典LOG边缘检测算子引入了角度信息参量进行推导，使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称，并且可以在坐标轴旋转任意角度的边缘检测算子，增强了其边缘检测的功能，使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验，对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子，不仅增强了边缘检测算法功能，而且完全保留了经典LOG算子原有的优点．     

The application of the edge sharpening operator to the breast near-infrared imaging

The principles of Gradient operator, Laplacian operator, LOG operator and Sobel operator are discussed. Certain features of breast can be extracted in different degrees and aspects from original images by applying four edge sharpening operators to the breast near-infrared imaging. A great number of cases prove that compared with the other three operators, the improved Sobel operator can effectively extract the structural features of the breast from an original image. It can be concluded that the improved Sobel operator can assist in diagnosing breast diseases. Foundation item: Supported by the Enterprise Innovation Foundation of Wuhan Biography: Xiang Yan (1979-), female, Master candidate, research direction: biomedical engineering and biophysics.     

基于LOG算子的起球织物切面轮廓线提取

LOG算子对起球织物切面轮廓线的提取进行了分析。首先介绍LOG算子的基本思想和离散LOG算子的构造，然后比较了LOG算子和经典算子边缘检测的效果及如何选定LOG算子的平滑程度，最后利用零交叉检测和线性插值提取轮廓线的高度。实验征明这种方法是非常有效的。     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法.该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值.因此,图像的边缘不再变模糊.实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘.     

基于改进掩模法的自适应图像增强算法

针对掩模法存在边缘模糊负面效应的问题,提出了一种基于掩模法的新型图像增强算法。该算法利用拉普拉斯微分算子对像素灰度值的不连续性进行量化,根据微分算子对灰度突变的响应强度进行自动调整掩模内的各像素权值。因此,图像的边缘不再变模糊。实验结果表明,该算法既平滑了图像噪声,又锐化了图像边缘。     

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.     

k-连通图的无符号Laplace谱半径

设G是一简单图,K(G)是图G的无符号Laplace矩阵,K(G)的谱称为G的无符号Laplace谱。本文描述一类给定点连通度或边连通度图的无符号Laplace谱半径。