基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

视觉测量中基元特征亚像素提取方法的研究

建立了基于空间矩的三级灰度图像边缘模型,首先由传统LOG(Laplacian of Gaussian)算子确定图像的像素级边缘,再由灰度空间矩对像素级边缘进行亚像素定位,并用Hough变换提取基元的亚像素边缘像素点,最后通过最小二乘法曲线拟合得到亚像素级的基元特征。实验结果表明,基于空间矩亚像素边缘定位算法,以及像面直线和椭圆亚像素提取算法具有较高的精度和稳定性。     

自适应迭代维纳滤波算法

针对经典维纳滤波去除图像高斯噪声后不能很好保持图像边缘和平滑性的问题,提出一种自适应迭代维纳滤波算法。首先,依靠像素灰度值的二阶差分分量估计图像的噪声方差;然后,以3×3大小的模板为起始模板,对图像进行迭代滤波且每次迭代都增加模板大小;最后,每次滤波前后所有像素灰度值变化大小的均值是否小于阈值为停止迭代的判断条件,判断条件成立结束滤波。不同改进算法的实验结果对比,该改进算法不仅保持较高图像峰值信噪比而且在时间复杂度上要小于小波域维纳滤波器,并且在保持图像边缘和平滑效果方面要较好于小波域维纳滤波。     

基于Fourier-Mellin矩边缘检测的改进算法

为了满足计算机视觉标定与精密测量对图像边缘定位的高精度和抗噪声要求,提出一种基于正交Fourier-Mellin矩亚像素边缘检测的改进算法.首先,建立亚像素边缘理想模型,推导了新的Fourier-Mellin矩7×7模板,利用各级矩的卷积来提取边缘点细节特征.然后,根据幅值旋转不变性原理,通过分析图像边缘旋转至垂直方向后各阶次Fourier-Mellin矩之间的关系,得到被测点亚像素边缘的各级参数.再根据改进的边缘判据,利用其高阶矩的细节描述能力和低阶矩的噪声抑制能力,确定图像中实际边缘点的亚像素坐标.实验结果表明,改进算法具有更高的检测精度和更强的抗噪性能,对含噪直线和含噪曲线的定位精度可达0.07像素和0.10像素,更好地满足了图像边缘定位的稳定可靠、高精度测量要求.     

基于灰度矩的9?尺寸模板边缘检测算法

摘要：基于灰度矩算法的基本原理,提出了一种新的9?尺寸灰度矩算子。先分析并推导灰度矩算法的计算过程,再计算出9?尺寸的灰度矩模板。通过实验对算子的性能和检测精度进行了研究,实验表明,该算子有较强的抗噪能力,边缘定位精度能够达到0.05 ~0.06个像素。最后,为提高检测效率,使用prewitt算子进行粗检测,通过先粗后精的方法有效减少了大模板灰度矩的运算量,使新算子的运算耗时降低至0.31S。     

基于灰度矩的9×9尺寸模板边缘检测算法

基于灰度矩算法的基本原理,提出了一种新的9×9尺寸灰度矩算子。先分析并推导灰度矩算法的计算过程,再计算出9×9尺寸的灰度矩模板。通过实验对算子的性能和检测精度进行了研究。实验表明,该算子有较强的抗噪能力,边缘定位精度能够达到0.05～0.06个像素。最后,为提高检测效率,使用Prewitt算子进行粗检测、通过先粗后精的方法有效减少了大模板灰度矩的运算量,使新算子的运算耗时降低至0.31 s。     

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.     

灰度矩边缘精确定位法的测量应用探讨

针对运用图像处理法进行二维尺寸精密测量的一个关键问题—图像目标边缘精确定位,提出了运用一维灰度矩亚像素边缘定位原理,分别计算若干条扫描线边缘,通过统计计算确定直线边缘的方法。在分析图像目标边缘像素灰度分布的基础上,确定了计算用像素点的选取原则。试验证明这种方法可以进行精确边缘定位,定位精度可以达到小于0.01个像素的水平。     

一种基于边缘判决的空域差错掩盖算法

提出了一种基于边缘判决的解码视频空域差错掩盖算法.该算法首先对丢失块邻域中的像素进行边缘检测,并对检测出的边缘判断其是否会穿过丢失块.然后使用方向选择过程提取多个候选插值方向,并通过边界像素灰度差决定最终插值方向.实验结果表明本算法有效地提高了错误图像的掩盖效果.     

基于Arimoto熵和Zernike矩的刀具图像亚像素边缘检测

为满足基于机器视觉的刀具尺寸测量系统快速及高精度的要求,提出一种基于直线截距直方图的Arimoto熵和Zernike矩的图像亚像素边缘检测方法.首先,通过高斯滑动窗口获取图像的邻域平均灰度,构造图像的灰度-邻域平均灰度二维直方图,并利用直线截距法将其降为一维直方图;然后,针对得到的直线截距直方图,依据Arimoto熵准则进行阈值分割,并将所得阈值映射回原二维直方图实现目标区域及像素级边缘的提取;最后,由基于Zernike矩的边缘模型对获取的像素级边缘进行重定位,以完成刀具图像亚像素级边缘的提取.通过对刀具图像进行的大量实验,将文中方法与基于Canny的、基于空间矩的、基于灰度矩的以及基于Zernike矩的边缘提取方法进行对比,发现文中方法运行速度更快且提取精度更高.     

基于Prewitt算子的计算机数字图像边缘检测改进算法

为了使提取的图像边缘的结构定位精确，并产生连续的精细边缘，同时能滤除边缘信息中的噪声干扰，提出了一种以Prewitt算子为基础，应用区域分割和骨架提取的改进算法，实现了图像边缘信息的提取，能消除图像中的噪声，产生精细的边缘。实验证日月，该算法能有效地消除噪声，准确地检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

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.     

小波变换模极大值法在图像边缘检测中的应用

边缘检测是计算机图像处理的一个重要环节,但是常用的方法存在一些缺点.本文介绍了小波变换模极大值法进行边缘检测的原理.检测结果表明,小波变换方法能有效的检测出边缘,优于Sobel算子、Prewitt算子、Roberts算子.     

小波变换模极大值法在图像边缘检测中的应用

边缘检测是计算机图像处理的一个重要环节，但是常用的方法存在一些缺点。本文介绍了小波变换模极大值法进行边缘检测的原理。检测结果表明，小波变换方法能有效的检测出边缘，优于Sobel算子、Prewitt算子、Roberts算子。     

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.     

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Alpha稳定分布模型的彩色图像边缘检测新算法

 在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

基于聚类的建筑物直线特征提取算法

建筑物图像中提取直线是视觉导航、特征识别等很多应用中的关键步骤。针对建筑物图像。提出了一种新的基于聚类的直线提取算法。该算法在Canny边缘的基础上,使用一个聚类算法将边缘分类,减少了因噪声形成的小短线对直线检测的误检或漏检现象;对于每一个分类使用直线识别准则,进一步剔除图像聚类中的伪直线;最后使用改进的Hough变换（standardHoughtransform）将直线提取出来。克服了传统Hough变换执行速度慢的缺陷。实验结果表明,文章提出的算法具有较快的运算速度,较高的直线提取准确性．较低的漏检和误检情况。其性能优于传统的Hough．变换和相位编组法。