利用最近邻域分类的图像去噪算法

为了在图像去噪的同时较好地保护图像细节,利用最近邻域的算法将数据进行有效的分类,得到了不同的有意义的封闭邻域,从而对突出的边缘细节信息与非边缘细节信息进行有效地分割,较好地改善了方形邻域固定、模糊边缘细节信息的问题.且利用小波分析之后的系数特征,估计出一个最佳阈值并进行阈值去噪.实验表明,该算法可以得到更好的实验结果.     

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.     

基于改进蚁群算法的图像边缘检测

为了克服传统基于蚁群算法的图像边缘检测存在定位不准、易陷入局部最优解、对噪声鲁棒性不佳、且收敛速度过慢等缺点,本文提出了一种基于改进蚁群算法的图像边缘检测算法,此算法以传统边缘检测算子得到的边缘信息作为启发信息,建立了基于蚁群算法的边缘追踪模型,实现了信息素和启发信息对边缘追踪的导向作用,避免了蚂蚁在非边缘区域内行走,克服了陷入局部最优的缺点,最后本文运用了条件概率建立边缘检测评价标准.实验结果表明,本文的边缘检测方法具有较好的检测精度和噪声鲁棒性,且运行速度较快.     

基于NSCT的含噪图像边缘检测算法

为提高含噪图像的边缘提取性能,本文提出基于NSCT的含噪图像边缘检测算法。该算法先利用硬阈值方法去除各子带中的噪声信息,然后对得到的高频图像进行自适应阈值法处理得到高频边缘信息,利用对低频图像提取的低频边缘图像对高频边缘图像进行补偿,得到最终的边缘图像。实验结果表明提出算法在不同噪声密度下均能获得良好的边缘检测效果,验证了提出方法的有效性和优越性。     

基于退化模型和邻域嵌套的彩色图像超分辨率自适应重建

为有效提升图像质量,提出一种基于图像退化模型和邻域嵌套的彩色图像超分辨率重建算法.通过退化模型在彩色空间上得出图像超分辨率重建训练集,并根据此训练集进行图像邻域分块.为了在训练过程中抑制噪声并锐化图像中的边缘信息,提取训练集亮度和梯度特征并进行特征融合.为了有效提升重建算法的自适应性,引入图像重建优化参数和边缘信息参数...     

基于蚁群算法的图像分割方法

目的提出基于蚂蚁算法的图像分割技术,解决传统的图像分割算法分割图像的效果不理想、不能满足图像分割要求等问题。方法将图像的灰度、梯度和邻域特征组合成蚂蚁,通过MATLAB实现蚁群图像分割算法对图像的外廓提取。结果与结论相对于传统的图像分割算法,基于蚂蚁算法的图像分割算法的外廓提取具有更高的仿真精度,得到的图形外廓更为理想。     

一种改进的基于柔性形态学的图像边缘检测方法

在介绍柔性形态学的基础上,提出先利用迭代算法得到图像分割的最佳阈值,以增强图像的边缘.再利用多尺度柔性边缘检测算子得到图像的边缘,该方法根据不同尺度边缘图像所含信息量的多少确定边缘的合成,所以能实现图像的自适应边缘检测.实验结果证明:该方法与传统边缘检测算子提取的结果比较,可以更好地抑制噪声,得到的边缘在连续性和平滑方面均得到了提高.     

基于分形理论的焊缝信息提取

在基于机器视觉信息的焊缝跟踪系统中，受焊接条件的影响，所拍图像经常存在许多干扰信号，严重地影响了准确焊缝边缘位置信息的获得．针对这一问题，文中利用基于分形理论的边缘提取算法对有干扰图像中的焊缝边缘位置进行了提取．该算法利用各向同性的分数布朗随机场模型对焊缝图像进行分析，通过适当选取无标度区域求出了像素点及其邻域的分数维，并据此来区分焊缝边缘区域．文中还用该算法对自然光及弧光(混合气体保护焊)干扰条件下的焊缝图像进行了处理，结果表明，在较强的干扰条件下，此算法也能够将焊缝边缘位置信息准确提取出来，使焊缝中心位置误差不超过0．3mm．     

基于边缘定位的局部小波变换融合

针对所需融合图像自身拥有的数据信息,提出了一种基于边缘定位的局部小波变换融合算法.将获取的两幅原始图像分别进行边缘检测,提取出两幅图像中的主要边缘信息.对所提取到的信息进行处理,收集两幅图像中互补的主要信息数据.将两幅图像的边缘信息进行融合,根据信息比例对图像进行模板图像替换或小波局部图像替换得到融合结果.实验结果表明,该算法对图像信息进行整合与优化后在互信息、感知信息保留与融合扭曲度方面,优于小波融合等经典融合算法,在主观视觉效果与客观评价指标上均有较大改善.     

基于高低帽变换的优化边缘检测算法研究

在印刷图像的质量检测中,常用的技术手段是对印刷图像边缘特征信息进行提取。在算法检测中图像边缘更容易实现检测,可以通过图像的边缘信息判断图像的特征,从而更容易引起关注。论文通过对经典的Sobel算子增加检测模板的改进,将四个模板进行卷积得到边缘检测图,同时嵌入形态学高低帽变换算法增加检测图像边缘的细节和对比度,使改进的Sobel算子对图像边缘的检测得到优化,便于分析印刷图像的边缘信息。     

简单邻域平均图像去噪算法的改进研究

图像去噪是图像增强的重要内容,邻域平均法是一种简单快速的图像去噪技术,但简单邻域平均法使图像去噪的同时,也会使图像变得模糊,弱化或丢失了图像的边缘和细节。本文对简单邻域平均法进行了一定的研究,给出了几种(5种)若干图像去噪的改进算法。     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

基于模糊熵和结构特征的边缘检测方法

为了使检测的图像边缘结核定位好,并且产生边续的精细边缘,同时能有效滤除边缘图像中的噪声,提出一种基于模糊熵与边缘结构特征相结合的新的图像边缘检测方法。该方法首先将图像的灰度值特征空间转换为模糊熵特征空间,计算出每个像素在模糊熵特征空间的相异测度,结合3×3 邻域内的12种有效的边缘结构,提取图像中每个像素的结构信息测度图像阵列和方向信息测度图像阵列,然后对结构信息测度图像阵列和方向信息测度图像阵列实施非极大抑制,确定最终的边缘像素图像。实验结果表明该方法所检测出的图像边缘细节丰富,单像素宽,定位准确,有较好的抗噪性。     

结合空间信息的FCM脑图像分割

针对传统模糊C均值聚类算法(FCM)在图像分割时没有利用图像的空间信息而对噪声敏感、分割结果不够准确的问题,提出一种结合空间信息的FCM改进算法.该算法利用邻域像素间的灰度差异计算出邻域加权系数,并利用该系数对中心像素的隶属度进行更新,控制邻域像素对中心像素的不同影响;该算法还利用了快速FCM算法对图像进行初始分割.对MRI脑图像分割的实验结果表明FCM改进算法简单有效,具有较强的抗噪能力,能取得较好的图像分割结果.     

基于三阶样条曲线拟合的改进Snake模型在医学超声图像分割中的应用

鉴于医学超声图像所具有的复杂性,采用基于样条曲线拟合的改进Snake模型来实现对心脏超声图像的分割.为了克服传统Snake模型对初始轮廓的依赖性,采用扇形法获得靠近目标边界的初始轮廓点,并且得到的轮廓点是有序点集.能量最小化过程运用贪婪算法来获得图像的特征边缘点,最后采用三阶样条拟合的方法来获得连续的图像边缘.实验结果表明,采用本方法可以获得连续、封闭的边缘曲线,能够较好地将目标从图像中提取出来.     

具有边缘保持特性的POCS 超分辨率图像重建方法

为解决利用经典的POCS(Projection onto Convex Set)算法进行图像重建时所产生的边缘模糊问题, 提出了具有边缘保持特性的POCS 超分辨率重建算法。根据待插值点的邻域特征判断该点所在区域是边缘区域还是非边缘区域, 利用改进的双线性插值算法构建参考帧, 减小了传统算法重建后图像边缘的模糊现象。结果表明, 该方法能得到具有较好边缘质量的高分辨率重建图像。     

一种基于一致性分片FCM的图像分割算法

针对传统FCM(fuzzy c-means)算法抗噪性差的问题,提出了一种基于一致性分片的模糊c均值聚类算法.为避免额外的空间邻域约束项带来的控制变量设置问题,该算法直接将FCM应用于图像片空间.为减弱空间邻域对图像边缘的模糊,采用基于置信区间的局部多项式交叉近似技术(local polynomial approximation and intersection of confidenec intervals,LPA-ICI)构造自适应形状一致性分片.在脑磁共振图像上的实验表明,与传统的FCM算法相比,该算法具有更高的分割精度和运行效率.     

基于边缘导向的直边图像亚像素定位方法

通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果．     

利用小波域平滑和边缘保留的图像去噪算法

提出了一种基于小波域低频信号平滑及高频边缘保留的图像去噪方法.由于图像噪声主要集中在小波高频子图部分,且系数较小,常用的阈值去噪法存在阈值选取过大以致连同丢失掉边缘细节信息的缺陷,因此可以对高频子图提取边缘并保留和进行软阈值去噪处理后再融合;低频子图进行自适应维纳平滑滤波,进而得到重构出的去噪图像.实验结果表明,该方法在有效去噪的同时较好的保留了原有的边缘细节信息,效果明显.