基于工艺匹配的微小型结构件边缘检测方法

为提高显微视觉检测的精度,指出微小型结构件的视觉检测过程中应当遵循工艺匹配原则,提出一种基于工艺匹配的边缘检测方法:对不同工艺工件的边缘过渡区进行提取,建立边缘过渡区的数学模型,从模型中确定边缘点精确位置. 对不同工艺样件的实验结果表明,该算法考虑了实际加工特性的影响,通过建立过渡区数学模型使边缘检测结果达到亚像素级,而且识别的边缘连续,能进一步满足精密测量的需要.     

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整的检测出运动目标,但检测出的运动目标边缘不准确,同时易受到阴影的干扰。针对这一问题,本文提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YCrCb色彩空间的阴影去除算法消除阴影;然后根据Canny边缘检测算子和形态学闭运算获取运动目标的边缘轮廓。将阴影去除得到的运动目标与边缘检测得到的边缘轮廓进行“与运算”,得到最终的运动目标。经过实验仿真,本算法能够提取边缘轮廓准确和完整的运动目标, 同时能有效的抑制噪声。     

基于模糊推理的边缘检测

针对传统基于边缘邻域的一阶或二阶导数的图像边缘检测方法对模糊边缘图像不敏感的问题,提出了基于模糊推理的边缘检测算法.根据边缘点附近灰度分布的特征确定模糊规则,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测.实际图像处理结果表明,与传统算法相比较,新算法检测边缘效果明显.     

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.     

用线性模型检测图像边缘

本文提出了一种以线性统计模型为基础的边缘检测算法。该算法对光亮度变化、图像的不均匀性不敏感，可以在噪声图像中检测边缘。     

基于小波变换的边缘检测

根据Ｍａｌｌａｔ的多尺度边缘检测的思想,实现了多尺度Ｂ样条的边缘检测算法。在检测之首对图像进行自适应平滑处理,在选取小波函数时提出一种更加有有效的小波函数。同时,提出一种简单而有效的检测和边缘点连接的算法,最后,在分解和重建时采用一种基于滤波器系数特征的快速算法。结果表明,该方法比较适合于精确快速边缘检测。     

自适应Kirsch边缘检测算法

针对Kirsch算法容易丢失弱边缘.且需要人为指定阈值等问题.提出了一种自适应Kirsch边缘检测算法.利用Kirsch基本原理,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特性自适应地生成动态阈值,这样既保留了原Klrsch算法可并行处理、能够抑制噪声等优点,还可以检测到弱边缘.同时,针对Kirsch算法所得边缘相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法.可以得到单像素边缘.通过实验比较.所提算法实验效果比较珲想.     

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。     

普通Sobel边缘细化算法的改进

Sobel边缘检测算法检测到的边缘较粗,需细化处理,而普通Sobd边缘细化算法细化后的边缘会不连续,细化效果也不理想。为了更加突出边缘,更好地保留边缘信息,本文对Sobel边缘细化算法做了改进,测试证明改进使边缘检测的效果得到了改善。     

基于BP神经网络的数字图像边缘检测算法的研究

指出了传统边缘检测算子算法的不足，提出了一种利用基于BP神经网络的数字图像边缘检测算法，即利用传统边缘检测算子检测出来的图像中像素的灰度的不同比例作为学习训练图像，进行神经网络的学习训练，改变神经网络的结构参数得到神经网络的模型参数，最后给出了BP神经网络实现图像边缘检测的实验研究结果。从实现中可发现，将人们关于边缘特征的先验知识包含在内进行数字图像的边缘检测，能够取得比较好的效果。     

基于 Zernike 矩的边缘检测方法

提出了一种基于Zernike矩的边缘检测方法.根据建立的四参数边缘模型,利用Zernike矩的性质导出了边缘参数和矩的关系,通过求矩得到边缘参数.所提出的方法可以达到子像素级检测精度,对噪声不敏感,具有良好的稳定性.     

多阶段边缘检测算法

提出一种新颖的图像边缘检测算法,包括边缘检测和边缘增强两个阶段.在边缘检测阶段,新的检测算子不仅可以克服传统算子对边缘拐点、终点的漏检现象,还可以有效地去除噪声,从而更加精确地定位边缘.在边缘增强阶段,引入Hopfield神经网络,通过迭代计算网络优化的能量函数,逐步地弥补缺失边缘、消除假边缘,达到边缘增强的目的.最后针对不同类型图片进行边缘检测,得到较好的结果,证明了该算法的可行性.     

图像边缘处理技术

概述了目前边缘检测技术和边界跟踪技术,归纳了一些常用的处理算法,并根据边缘检测结果提出了几种后续处理方法,边缘连接及边界跟踪提取,以得到最终的结果:目标边缘图像。     

亚象元边缘定位的实现

亚象元方法能够突破离用象素采样的限制，使边缘定位精度高于图象分辨率。基于连续的理想边缘模型，利用邻域空间矩拟合来计算象素中可能存在边缘的参数，从而获得边皆的亚象元一位。这种方法精度高，抗噪声，而且具有多尺度性和目标外形拟合简便等特点。     

图像边缘检测算法的比较与分析

图像边缘检测是图像处理和模式识别领域研究的重要课题.介绍了几种经典边缘检测算子,对其性能和算法特点进行了分析.运用Matlab进行了算法的仿真,结果表明LOG算子比Sobel和Prewitt两个算子检测出的图像边缘更为连续,也比较细小.     

基于次序统计滤波器的阶跃边缘检测

在二值图像的边缘检测理论中,经典的方法是用固定的卷积核构成边缘检测算子,如Sobel算子,Prewitt算子,Kirsch算子和Roberts算子等。它们对数字图像边缘的复杂几何结构缺乏算法自适应性。现作者将随机滤波的思想引入边缘检测,用次序统计滤波器构造随机卷积核,从而引入一种新的随边缘检测算子,将OSF边缘算子,并分别对雷达图像和文本图像实施边缘检测。实验结果证明了OSF边缘算子的有效性。     

具有灰度信息三维网面的边缘检测方法

讨论一种从具有灰度信息的三维网面模型中提取三维边缘的方法,可用于提取单线宽度的边缘信息,以利后续的三维模型识别及其它处理操作。该方法以二维图像Canny边缘检测算法为基础,将非极大值抑制引入三维模型中,实现三维网面单线宽度边缘的准确提取,该算法可应用在基于视觉的三维物体建模和识别中。     

小波变换及骨架提取在图像边缘检测中的应用

提出了一种基于小波变换及骨架提取的图像边缘检测算法，该算法将小波变换、边缘点检测和骨架提取合并成一个完整过程，减少了图像中纹理对边缘提取的影响．实验结果表明，该算法有较好的边缘检测效果．