自适应多层次的图像双线性广义模糊增强算法

在模糊集合论和广义模糊集合论的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子.提出了一种自适应多层次的图像双线性广义模糊增强新算法,该算法利用线性广义隶属度变换及其逆变换,实现了灰度图像空间的广义模糊化与广义模糊空间的灰度化,使用线性广义模糊算子对线性广义模糊隶属空间进行了区域对比度模糊增强,最终利用"MIN" 算子提取出了增强图像的边缘轮廓.基于模糊熵的多层次阈值灰度选取过程,体现了算法的自适应性与实用性.实验表明,该算法能够快速无失真地同时增强图像中不同层次的边缘信息,所提取出的增强图像边缘准确、层次分明.     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷,即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理,并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法,通过定义新的隶属函数和一种新的模糊增强算法,结合图像平滑滤波处理进行图像边缘提取,有效地增强了边缘信息且抑制了噪声的干扰,并给出了该方法在图像边缘提取中的应用实例。     

模糊域的图像边缘检测算法分析

提出一种基于模糊域的图像边缘检测算法,结合自适应模糊增强和多方向模糊形态学来检测模糊图像的边缘。自适应模糊增强采用滑动窗口对模糊图像进行分块增强,避免了全图单阈值增强引起的真实边缘损失,具有较强的适应图像区域变化的能力;多方向模糊形态学用多个不同方向的结构元素对增强图像进行运算,以提取具有方向性的真实边缘,并抑制无方向性的噪声。实验证明算法能够有效地检测出模糊图像边缘,抗噪能力强。     

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.     

UUV海面红外侦察图像自适应归并直方图拉伸增强算法

针对水下无人航行器(underwater unmanned vehicle,UUV)海面红外侦查图像灰度级密集、图像模糊、受海浪干扰强烈的特点,提出了一种自适应归并直方图拉伸增强算法。首先,根据灰度直方图得到灰度级值直方图;然后根据最大类间方差法或大津法算法结合灰度级值直方图实现直方图归并阈值的自适应选取,进而得到图像的归并直方图;最后,实现归并直方图的拉伸增强。该算法有效增强了图像的轮廓边缘,突出了目标特征,使海面波浪具有更清晰的纹理,对灰度范围较窄的模糊图像具有较好的处理效果。     

纸币CIS图像模糊增强与边界检测

根据纸币CIS图像特点,先采用模糊集理论对纸币进行初次增强,提高目标区域对比度,然后扫描纸币边缘像素,采用最小二乘法拟合得到纸币亚像素边缘,拟合过程中,采用误差阈值法剔除噪声点,根据边缘角度对纸币进行倾斜校正并提取纸币区域,最后对提取后图像再一次进行模糊增强。实验表明,该方法通用性好,能有效地提高图像特征区域的对比度,在边缘磨损和缺角等情况下都能有效地提取纸币区域,并且增强后的图像有利于后续的纸币识别。     

基于模糊聚类和形态学的轮胎断面特征提取

针对轮胎断面图像中胶料之间灰度相差小,边界模糊性强,传统的边缘提取方法难以实现断面特征提取的问题,提出了1种将多层次模糊增强、模糊C均值聚类以及形态学等方法有机结合,用于轮胎断面特征提取的算法.该算法先将钢丝区域去除并对图像整体进行灰度变换,然后通过多层次模糊增强,增加胶料之间的对比度,再运用模糊C均值聚类分割出各胶料区域,并对各区域进行形态学处理并提取边界,最后将各区域边界叠加,加入钢丝区域,得到轮胎断面的特征.对不同光照条件下的轮胎断面图像进行试验.结果表明:该算法可以解决轮胎断面图像中胶料之间灰度差小的问题,并有效提取了轮胎断面中的胶料边界和钢丝特征,且对光照条件具有一定的适应性.     

复合顺序形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于复合顺序形态变换的红外图像边缘检测方法·通过图像的局部均值和方差自适应的调节增强系数进行图像增强;采用形态学边缘锐化算法改善边缘清晰度·根据复合顺序形态变换相关概念及性质构造3种广义形态学边缘检测算子,可有效抑制红外图像中的噪声,提取目标边缘·实验结果表明,这种算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器·     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

铝合金钨极氩弧焊熔池图像处理

对铝合金熔池图像特点进行了分析,提出了一种快速有效的熔池边缘提取算法．采用边缘保持滤波和模糊增强对铝合金熔池图像进行预处理,并采用max-min算子对边缘进行检测,采用投影法对边缘进行细化和去除伪边缘而获得清晰的熔池边缘．该算法抗干扰强、计算速度快、计算准确,能有效提取熔池的形状．     

模糊C-均值聚类法在车牌识别系统中的应用

针对车牌识别系统中的图像存在模糊、噪声干扰等问题,利用改进的模糊C-均值聚类算法来提高图像的分割效果.图像经边缘检测后,根据车牌中字符分布的特点,车牌内部存在着较丰富的边缘.由于边缘处灰度值与车牌中其它部分的灰度值不同,可利用灰度值的变化频率,来实现对车牌定位.实验表明该算法在车牌识别系统中是有效的.     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。