基于小波模极大值的边缘检测

图像的边缘检测技术对于图像处理、模式识别等都具有重要研究意义。如何提高边缘检测的准确性,使边缘提取算法具有更高的信噪比是图像处理的经典难题,所以好的边缘提取算法一直是众多学者研究的重点。本文首先介绍了小波变换对于边缘检测技术的应用,然后针对图像边缘检测中噪声抑制和提取边缘细节的矛盾,详细阐述了小波模极大值法的原理以及选取不同阈值对于处理结果的影响。最后通过实验对本文选用的方法和经典算法进行了比较,对比评价了它们各自的优缺点以及对噪声的抑制。     

一种改进的Sobel图像边缘检测算法

在经典Sobel算法的基础上，介绍了一种改进算法。该算法能检测八个方向的图像边缘，并能抑制噪声对边缘检测的影响。     

电气设备红外图像边缘检测算法比较

目标图像边缘点对应着高频分量,而噪声也是高频信号,对低信噪比图像信号而言,提取边缘信息与滤除噪声仍然是两难问题,本文通过对多种经典边缘检测算法进行简要理论分析及Matlab仿真实验,给出适合低信噪比图像边缘检测的有效方案,为进一步的图像识别和分析奠定基础。     

基于改进的各向异性扩散方程Canny的边缘检测算法

在计算机视觉中边缘检测是一个热门的研究领域。边缘检测能缩减大量数据并滤掉无用的信息,同时保护图像中重要的结构特征。Canny边缘检测算法是一个经典的算法,对此提出基于改进的各向异性扩散方程的检测算法,以克服传统算法对噪声的敏感性。传统Canny算法的双阈值需要人工赋值,针对不同的图像具有使用缺陷,因此,提出基于Otsu方法的自适应方法。实验表明,改进的算法有效地提高图像边缘检测的准确性,定位精确度高。     

基于形态多结构元和小波变换的边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法。通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘。基于实验结果,指出对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声,提取边缘,且效果优于经典的边缘检测算法。     

改进的基于单一尺度的医学图像边缘检测

针对经典取边缘算法的缺点和高斯多尺度边缘检测中尺度选择的复杂性等问题,提出了改进的单一尺度边缘检测方法,并将该方法应用到医学图像的边缘检测中。该方法首先用平滑理论,对图像进行平滑,将图像中一些无用的细节信息平滑掉,抑制噪声和高频干扰成分;因为边缘细节也被平滑掉,所以再利用模糊增强算子加大边缘两侧灰度的差异,然后利用基于高斯核的单一尺度过零点边缘检测方法提取图像的边缘;最后,将该算法与经典的sobel,canny算子进行比较。实验结果表明,这种方法较好解决了图像边缘的提取精度和图像噪声的抑制能力之间的矛盾。     

一种基于数学形态学的多形状多尺度边缘检测算法

基于数学形态学的边缘检测过程中,不同形状、不同尺度的结构元素在滤除噪声和保持边缘细节方面的作用是不同的,为此提出了一种基于多形状多尺度结构元素的自适应边缘检测算法,分别使用不同方向和大小的结构元素提取图像边缘,通过计算信息熵自适应确定权重系数,对多形状结构元素和多尺度结构元素检测的边缘做融合处理.实验结果表明,该算法与几种经典边缘检测算子相比,有效抑制了噪声影响,提高了检测精度,对各种不同图像具有很好的鲁棒性.     

基于小波变换和形态多结构元的抗噪边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法.通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘.实验表明,对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声、提取边缘,且优于经典的边缘检测算法.     

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。     

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。     

一种双阈值熵算子边沿检测算法

分析了噪声点和边沿点局部熵的特点,提出了一种双阈值熵算子边沿检测算法,它具有良好的抗噪声能力,实验结果表明本文算法优于传统单一阈值熵算子边沿检测算法,它是一种很有效的边沿检测方法。     

一种基于Canny算子改进的边缘检测算法

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.     

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．     

炭素制品X射线图像的小波边缘提取

针对经典的边缘检测算法在炭素制品X射线有噪图像的边缘检测效果问题,提出了基于小波变换的多尺度局部模极值边缘检测算法.该方法充分利用了小波变换优越的时频局部化分析能力及图像边缘点和噪声点的小波变换局部模值和方向在不同尺度下呈现不同的特性的特点.首先对图像进行小波增强处理,改善了图像的质量,在此基础上,确定了检测X射线图像边缘的最优边缘检测滤波器(小波基)和尺度,给出了小波多尺度局部模极大值的算法,并将该算法与经典的边缘检测算子进行了比较.实验结果表明,该方法明显比传统检测算子的效果要好,为进一步的缺陷模式识别等高层处理奠定了良好的基础.图3,参15.     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

基于去噪的熵算子边界检测法

图像的熵用来刻划图像的平滑性或均匀性 在图像的局部窗口中计算时 ,如果窗口中存在边界 ,则窗口中的图像不均匀 ,其灰度变化急剧 ,计算出的熵小 ;反之熵大 设定熵的阈值 ,即可判断是否存在边界 由于熵算子对噪声很敏感 ,直接用它进行边界检测 ,效果很差 文中针对这一缺陷 ,提出将熵算子与去噪相结合的边界检测法 ,如果计算出的熵大于阈值 ,要判断是噪声的出现所引起 ,还是边界的出现所引起 ,这样 ,边检测边界边去噪声 用该方法对信噪比较低的图像进行实验 ,得到了满意的效果     

相位信息和数学形态学的彩色图像边缘检测

针对传统边缘检测算法最初只基于灰度图像,对彩色图像提取的边缘定位不准确、边缘有断点等问题,将在HSV彩色空间中对彩色图像进行了多通道边缘检测.考虑到传统边缘检测算子对图像的噪声和明暗程度比较敏感,采用相位一致和数学形态学相结合的方法对单通道图像进行边缘检测.仿真实验显示,该方法可以有效地提取彩色图像的边缘.     

一种基于分形测度的图像纹理边缘检测方法

从图像纹理特征的描述出发，通过分析不同纹理特征局部分形测度随尺度变化的差异，提出了一种新的基于分形测度的图像纹理边缘检测方法．并且给出了该算法用于边缘检测的实例．新的边缘检测算子中包含了图像的纹理特征和灰度特征，因此，它具有好的抗噪性能和局部化性能，适合于有噪背景下目标边缘的提取     

一种改进型Canny图像边缘检测方法

提出了在噪声条件下的一种改进的Canny算子,该算子采用中值滤波代替高斯平滑滤波。实验结果表明改进的canny算子对抑制噪声和保留边缘像素点方面有较好的效果,对图像边缘具有较好的检测精度。     

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。