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.     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

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.     

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.     

基于六边形结构边缘检测算法的研究

将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阈值对边缘进行精确提取,经过这3个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边缘检测方法更精确、更能抑制噪声;而且直线插补运算在图像边缘检测中具有较快的计算速度,比非线性插补计算效率高.     

含噪图像的快速边缘检测算法

提出了一种在含噪图像中检测边缘的快速算法。通过分析噪声的导数与边缘的导数的分布特点,推导出了三类模板算子：差分算子、邻域积分算子和非极值抑制算子。差分算子用于突出边缘,邻域积分算子用于抑制噪声,非极值抑制算子用于提取准确的边缘点。与Canny算子的对比实验表明,在弱噪声下,检测结果两者相当;在强噪声下,结果优于Canny算子,并且计算量仅为Canny算子的40%。     

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．     

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Canny算子的机械零件图像分块自适应边缘检测

针对自动生产线上的机械零件图像几何特征,提出一种基于Canny算子的分块自适应边缘检测方法.主要包括基于鼠标框选的图像不均匀分块和基于Otsu算法的检测阈值自适应生成等.实验表明,该法有较强的抑制噪声能力,检测准确,是一种有效的机械零件图像边缘检测方法.     

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Otsu理论的灰度图像分割算法研究和改进

Otsu算法是利用最大类间方差准则对图像像素进行阈值分割.二维Otsu算法是在一维Otsu算法的基础上提出的,但是其计算量大,且只有当图像每个类的像素数目接近彼此时才能得到满意的结果.对二维直方图重新划分,改变阈值的求解范围,提高分割准确率和减少阈值计算时间.实验结果表明该方法提高分割效率,对含噪声的图像分割效果较好.     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.     

基于边缘检测的提升小波图像去噪

为了图像去噪的同时能很好地保持图像的细节,提出了一种基于边缘检测的提升小波图像去噪方法,先用Canny边缘检测方法得出原图像的边缘,提升小波去噪时就可用阈值去噪而不必担心损害图像的重要特征。其去噪步骤是：对噪声污染图像进行提升小波去噪;对含噪图像提取边缘图像;对去噪图像高频系数进行阈值处理进行重构变换;图像合并。实验结...     

一种基于相关处理的制冷CCD系统噪声评估方法

通过对CCD成像系统的噪声分析,从相关检测理论出发,提出制冷CCD成像系统噪声测量方法,该方法只需要对同一景物连续拍摄两帧图像就可快速计算出成像系统的噪声,可以实现对成像系统噪声的连续实时测量.测量结果表明:相关噪声测量方法可以克服或减小环境影响,测量过程简便易进行,有望成为光电成像系统,特别是制冷CCD成像系统噪声测量的有效方法.     

车载手势识别中基于小波变换和双边滤波的图像去噪方法

手势识别是人机交互中的重要研究领域,车载手势识别系统可以减少驾驶员手动操作仪表导致的分心,提高驾驶安全性。受光照变化、汽车环境、摄像头成像质量等各因素的影响,车载手势图像中常会存在大量复杂噪声。这些噪声严重影响后续手势分割、特征提取和手势识别的准确性。针对手势图像中存在的噪声问题,本文提出了一种适用于车载手势图像处理的新方法。该方法先对小波分解后的各高频子带采用不同方向的一维非线性扩散滤波处理得到初步去噪手势图,在此基础上用多尺度双边滤波对图像再次处理。实验结果表明,本文方法可以较好地去除车载手势图中噪声,抑制车载手势图细节的模糊。      

混合神经网络在颗粒图像边缘检测中应用

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法·边缘候选图像是通过采用基于灰度极小值算法提取边缘候选像素获得,神经网络以边缘候选图像中的边缘候选像素及其邻域像素的二值模式作为训练样本·对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实,适用于颗粒图像的边缘检测·     

小波软阈值算法去除SAR图像中的Speckle噪声

在详细分析了Donoho小波软阈值的基础上，应用小波变换技术对SAP图像进行分析处理。使用“小波局部软阈值算法”来计算阈值，对高频小波系数进行阈值确定。求得估计小波系数，对其取小波反变换后，去除SAP图像中的Speckle噪声。实验结果表明此方法对去除Speckle噪声十分有效，可以在含有Speckle噪声为背景的图像去噪中应用。     

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.     

逐层迭代的多尺度水平集红外图像分割算法

针对应用传统水平集方法进行红外图像分割易产生误分割且运算量大,提出了一种多尺度水平集分割算法,该算法利用小波变换将图像分解成多尺度子图像,在子图像上进行图像分割,采用插值法将粗尺度上曲线演化结果投影到细尺度上作为初始轮廓线,逐层分割,并根据图像噪声的大小,确定演化模型中的正则项参数,使噪声得到有效抑制,获得准确的分割结果.仿真实验表明,该方法不仅分割效果好,而且具有抗噪性强和运算速度快的特点.     

复杂彩色图像的二值分割及初步处理

针对光照严重不均、有色彩扩散和模糊现象的复杂彩色图像,提出了一种快速分割目标和背景、获得较高品质二值图像的方法,并讨论了如何在二值图像中消除大面积的孤立噪声区域,以进一步提高二值图像的质量。该方法已经应用在工业生产实时监控系统中,并取得了很好的效果。