一种改进的Canny边缘检测自适应算法

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.     

融合数学形态学滤波技术的边缘检测算法

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.     

一种改进的Canny边缘检测算法

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.     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

基于改进Canny算法的服装图像边缘检测

针对传统Canny算法在噪声去除与高低阈值选取方面存在的问题,提出一种改进的Canny算法应用于服装图像边缘检测上,首先使用改进中值滤波取代高斯滤波进行服装图像去噪,然后采取在像素八邻域内计算梯度幅值的方法计算梯度的幅值和方向并获取非极值抑制后的图像数据阵列,最后利用Otsu算法计算高低阈值并连接边缘.实验结果表明,改进算法能够有效的抑制噪声并检测出较完整清晰的服装边缘.     

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.     

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.     

边缘检测在计算机视觉几何测量中的应用

在介绍边缘检测的主要特征的基础上，分析了目前几种典型图像边缘检测算法。针对计算机视觉在几何测量应用中边缘检测特点，提出了将高斯滤波与一阶导数相结合的一种新的边缘检测方法，并开发了相应的软件。其基本方法是：首先用高斯滤波器平滑图像；再用一阶偏导的有限微分算子来计算梯度的方向和幅值；对梯度幅值进行非极大值抑制；用双阈值算法检测和连接边缘。实验验证该方法提高了对被测工件边缘敏感性的同时较好地抑制了噪声。     

基于自适应Canny的红外图像边缘检测算法

针对Canny算法需要人工设定高斯方差值和双阈值,红外图像存在噪声大、边缘模糊等缺点,提出一种基于自适应Canny的红外图像边缘检测算法.该算法采用自适应中值滤波代替高斯滤波计算梯度的幅值和方向,对梯度的幅值在3×3邻域内进行非极大值抑制,并根据图像灰度使用Otsu算法,自适应获取高低阈值,用高低阈值算法检测和连接边缘.实验结果表明,该算法减小了均方误差,提高了峰值信噪比和平均结构相似度,能有效提取红外图像边缘.     

图像边缘检测中的改进算法

针对传统的蚁群边缘检测算法存在耗时长和易受噪声影响的缺点,提出了一种改进的蚁群边缘检测算法.该算法对蚂蚁路径选择中的启发式信息值的计算方法进行改进,使其计算基于邻域中节点的梯度,能更好地引导蚂蚁向边缘节点进行移动.通过仿真实验表明:该算法与传统的蚁群算法相比,能够减少耗时、抑制噪声及准确快速地检测出图像边缘.     

一种基于Canny算法的自适应边缘提取方法

分析了Canny边缘检测算法的性能,针对Canny算法的不足提出了一种改进检测方法。算法根据图像的梯度信息特征,用梯度的熵和标准差能自适应地调整高低阈值,提高了边缘检测的自动化程度。     

一种改进的图像边缘检测算法

边缘检测是图像处理中重要的处理技术,在经典Prewitt算子基础上,介绍一种改进算法.该算法检测八个方向的图像边缘,利用图像梯度模、边缘点的相关性及约束性确定图像边缘,具有图像边缘定位准确、抗干扰能力强等特点.     

基于多尺度多结构元素的数学形态学边缘检测

针对传统方法在边缘检测中遇到的问题,分析了结构元素的选取,提出了一种基于多尺度多结构元素的数学形态学图像边缘检测算法,并将其应用于含有噪声的数字图像.结果表明,算法在滤除噪声的同时,能够取得较好的边缘检测效果.     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

一种改进的Sobel算子边缘检测及细化算法

针对经典的Sobel算子存在的边缘定位精度不高和边缘提取较粗等缺点,对经典Sobel算法进行了改进:在原有的两个方向模板基础上增加了135°和45°2个方向模板,并通过非极小值抑制和邻域标准差叠加获取梯度图像,提高了边缘定位精度和增强边缘强度;对梯度图像在3×3邻域内采用梯度阈值结合边缘方向进行了边缘细化处理;实验证明,该算法不仅有效地解决了Sobel算法提取边缘过粗及定位不精确的问题,而且使图像边缘更连续、清晰.     

基于小波去噪的改进型Canny边缘检测法

Canny算子边缘检测算法简单,具有很好的边缘检测性能,对于噪声污染小的图像能取得较好的效果.但对于噪声较大的图像,传统Canny算法不能在噪声抑制和边缘检测之间达到好的平衡.将小波去噪引入到Canny算法中,有效的抑制了噪声在边缘检测中的影响,提高了检测精度.     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

基于数据场和水平集演化的图像分割

为了充分挖掘图像内不同区域间的隐含关联性,并解决图像分割中自适应阈值选择问题,提出了一种基于数据场和水平集的图像分割方法。利用数据场能够有效地表示图像像素间的相互作用,根据势值能够得到对应的势值等势线,可以根据该等势线的分布情况,采用梯度下降法来得到图像的二值化分割结果。为了得到更为精确的分割边缘,还引入基于拉普拉斯边缘检测函数的水平集演化方法来对二值化结果进行边缘曲线演化。将二值化分割结果与传统的基于数据场的图像分割算法对比结果显示,所提出的算法在分割准确性上表现良好,并且能够使得图像边缘更加精确。实验结果表明,提出的方法能够较好地分割目标,且对噪声图像具有较强的鲁棒性。