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.     

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.     

一种提升Canny算子的自适应边缘检测方法

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.     

基于梯度二阶导数的Canny阈值自适应选取算法

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。     

Canny算子边缘检测的改进研究

Canny算子具有良好的信噪比和检测精度,并在影像处理领域应用很广泛,但其也存在不足,针对Canny算子自适应性差和易出现伪边缘现象的不足,提出了一种改进的Canny算子.采用自适应的中值滤波方法代替高斯滤波对影像进行平滑处理,减少影像边缘受噪声的影响,避免了滤波系数的人为选择;并在计算梯度时,结合原梯度信息和倾斜方向上的梯度信息来获取影像的边缘.结果证明,改进的Canny算法大大提高了影像检测的自适应性,在保留细节边缘和滤除影像噪声方面也有很好的效果.     

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。     

基于K邻近均值滤波器的自适应Canny边缘检测

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.     

基于惯性原理的图像边缘检测技术

针对Canny算法对噪声比较敏感,检测到的边缘不够光滑,且需要人为指定高、低阈值等问题,提出了一种自适应Canny边缘检测算法。首先,利用Canny算子的基本原理,提出了一种计算梯度的新方法;然后,根据图像梯度信息自适应地生成高、低阈值;最后,根据惯性原理进行边缘跟踪,使边缘更光滑。实验结果表明:该算法不仅能够根据图像梯度信息自适应地生成高、低阈值,还保留了原Canny算法的定位准确的优点,对噪声还具有一定的抑制作用。     

基于Canny算子脑部CT边缘检测方法的研究

鉴于经典Canny算法在脑部CT图像应用中存在的问题和缺陷,在深入分析经典Canny算法执行步骤的基础上,提出了一种改进的边缘检测方法,即用中值滤波与高斯滤波相结合,替代传统Canny算子的单一高斯滤波;用迭代算法自动计算阈值,替代经验固定阈值。实验结果表明,改进方法比传统方法更具准确性与普适性,减少了边缘错检、漏检的情况。     

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.     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.     

基于改进分水岭算法和Canny算子的医学图像分割

针对分水岭算法存在的过分割问题和医学图像的特点,比较并选取了彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的,然后利用阈值分割方法消除无效梯度信息,并用分水岭算法处理所得到的梯度图,再结合Canny算子提取的物体边缘得到分割结果.实验结果表明:该方法能够有效消除局部极小值和噪声干扰,得到精确的分割结果.     

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.     

梯度熵改进边缘检测的自适应阈值曲面分割算法

光照不均匀往往造成背景亮度不均和灰度分布范围较大,会导致图像分割困难和不准确.考虑图像的边缘信息受光线变化相对不敏感,引入梯度熵信息对Canny算法进行改进提取准确合适的边缘.采用最小二乘法的多项式曲面拟合获得阈值曲面,进而提出了基于梯度熵改进边缘检测的自适应阈值曲面分割算法.对多种背景灰度分布不均匀的图像进行算法验证...     

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.     

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。     

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.