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。     

基于颜色特征和改进Canny算子的车牌图像定位

针对目前车牌定位算法准确率较低、 定位速度慢等问题, 提出一种基于颜色特征和改进Canny算子的车牌图像定位方法. 该方法先利用彩色图像的颜色特征对车牌图像进行初步定位, 提取该颜色特征时不包含亮度信息, 有效克服了光照变化的影响; 再对Canny边缘检测算法进行改进, 提出一种新的梯度幅值和梯度方向一阶偏
导数计算方法及高、 低双阈值自适应确定方法; 最后利用多组车牌图像对所提算法的性能进行验证, 验证结果证明了所给方法的正确性和有效性.     

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。     

基于模糊梯度的微齿轮图像边缘检测算法

提出一种基于模糊梯度思想的微齿轮图像边缘检测算法.该算法采用正切归一化函数对灰度图像模糊化,并计算该模糊图像的梯度矩阵;采用正弦函数对梯度矩阵进一步模糊化得到模糊梯度矩阵;采用基于归一化实数编码的遗传算法来搜索最优的阈值λ对模糊梯度矩阵做截集,获取图像边缘点集合.实验中以不同微齿轮图像作为实验对象,测试了该算法性能.实验结果表明,该算法的检测精度优于10μs,检测时间基本为1s,整体性能优于Canny算法和Pal-King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.     

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算法的工件边缘检测方法

为了使区域模板匹配定位能够更准确地进行,需要机器视觉精准地检测出工件边缘信息,同时消除噪声、伪边缘等无关信息的干扰。针对采用Canny算法进行边缘检测时图像平滑处理过度、阈值需要预先确定、对无关信息消除能力较弱等缺点,提出一种基于改进Canny算法的工件边缘检测方法。采用双边滤波方法处理图像,以有效去除噪声并保留边缘信息;增加45°与135°方向的梯度模板计算梯度幅值,使更多的边缘信息能够检测出来;运用最大类间方差法来确定Canny算法的高阈值,使边缘检测算法具有较强的自适应能力。实验结果表明,改进的算法能够准确地检测到真实边缘,具备较强的自适应性,特别是对存在划痕的工件进行边缘检测时,此方法能够消除划痕干扰,其检测效果优于传统Canny算法。     

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。     

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Hermite插值的彩色图像边缘检测技术

针对现有的边缘提取方法存在的不能同时解决抑噪能力强和保证边缘连续性好的问题,提出了一种基于Hermite插值的彩色图像边缘检测技术算法.该算法与多通道彩色图像边缘检测算法相结合,根据图像自身的彩色、梯度信息,依靠多尺度Hermite曲线插值技术对边缘线段进行连接修复,保证了算法抑噪和检出边缘曲线光滑连接的能力.实验证明,与现有的算法相比,该算法能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的连续性.     

基于改进霍夫变换的水面无人船水界线检测方法

准确的水界线检测是水面无人船(unmanned surfaced vessel,USV)导航和自主避障的关键;同时也为水面图像处理提供有效区域。针对复杂背景下水界线检测实时性和鲁棒性欠佳的现象,提出一种改进的水界线检测方法。首先,使用Canny边缘检测提取图像的边缘信息;然后,使用基于边缘梯度信息的Hough变换,限定参与水界线拟合的边缘像素点的梯度方向;并删除对水界线没有贡献的边缘像素点,同时缩小累加器空间;最后,使用加权长度确定水界线,以此抑制标准Hough变换对纹理性区域边缘像素点造成的虚假峰值。实验结果表明该算法可准确、高效地检测出水界线。     

融合改进帧差和边缘提取算法的运动目标检测

针对帧差算法检测运动目标存在的目标边缘缺失和空洞的问题,提出一种将改进帧差和基于改进Canny算子的运动目标边缘提取方法相融合的运动目标检测算法.首先,使用帧差法快速检测变化区域,并通过面积阈值判断是否进行当前帧的检测以提高算法实时性;其次,在运动目标边缘提取中,提出一种基于改进Canny算子的运动目标边缘提取方法提取...     

基于边缘编组的车位线检测方法

针对自动泊车系统中检测车位线的问题,提出基于边缘编组的车位线检测方法。首先对图像进行预处理,并对传统Canny边缘检测算子改进,增加45°和135°方向模板计算梯度幅值和方向,降低噪声干扰并提高图像质量;接着,对边缘图像进行8邻域搜索并聚类分组,剔除较短直线、解决过连接问题;最后利用各边缘组内相邻两像素点梯度方向差分剔除非车位线特征的边缘组,通过对每个边缘组做随机Hough变换,并利用先验知识和最小二乘法拟合得到车位线。实验结果表明,该算法相对于传统Hough变换可以在不同情形下准确检测到车位线,并且具有较好的实时性。     

自适应双阈值Canny算子的图像边缘检测

为解决Canny算子进行图像边缘检测中双阈值的求取需要人工设定的问题,提出了自适应双阈值算法,这样可以针对不同图像实现双阈值的自适应提取,再通过控制技术明确边缘像素,使应用Canny算子检测图像边缘成为现实。经仿真实验表明本算法是有效的。     

彩色图像的边缘检测

彩色图像的边缘检测算法有很多,但检测结果仍存在细节丢失、抗噪性差的问题。本文提出一种新的彩色图像的边缘检测算法。首先,在RGB空间下,采用矢量梯度算法,分别在三个通道中求出像素的梯度值。然后,采用自适应双阈值算法,对梯度值进行判断,筛选出图像的边缘点。最后,只采用筛选后的边缘点的信息,构造新的模糊矩阵的隶属函数,从而形成新的模糊算法。利用该算法,检测出最终的图像边缘信息。实验证明,该算法得到的图像检测结果,不仅对比度高、边缘连续、细节保存完整,而且具有较强的抗噪性。     

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.     

基于边缘CFA内插特征一致性的图像拼接检测

为了有效检测数字图像是否被篡改,提出了一种新颖的数字图像拼接快速检测算法.首先,利用Canny边缘检测算子,依据阶跃性约束条件,筛选出阶跃型边缘像素点.分别针对自然图像中的阶跃型边缘和由拼接操作所形成的阶跃型边缘,建立垂直于边缘方向单像素序列的颜色滤波阵列(CFA)内插模型.通过计算该单像素序列的局部灰度直方图,设计CFA内插特征量,以测度拼接前后灰度水平级在直方图两端分布的差异.然后,基于此特征量,利用阈值法实现对自然边缘像素点和拼接边界像素点的分类,进而实现图像拼接检测与定位.标准拼接图像数据集上的测试结果表明,虚警概率仅为0.05时,本检测算法仍能达到0.97的高准确率.此外.该算法还具有较好的鲁棒性,可抵抗一定程度的JPEG压缩和模糊等后处理.     

一种基于偏微分方程的形态学边缘检测新方法

提出一种基于偏微分方程(PDE)的形态学腐蚀算子．在边缘检测中，直接对原图像求取一阶差分，利用该形态学腐蚀算子增强边缘梯度、降低噪声的影响，突破了传统的先低通滤波后计算梯度的边缘检测思路．形态学运算不会带来边缘位置的偏移，因此能够对图像的边缘准确定位，同时具有抗噪性．将新方法的边缘检测性能和Canny算子、Log算子做了比较，结果表明提出的边缘定位方法更加准确，具有更好的抗噪性能．