基于灰模型白化响应的边缘检测算法研究

边缘检测是图像分析与处理的重要基础，一直是视觉领域研究的活跃课题。本文深入研究了一种新的基于GM(1,1,C)模型白化响应的图像边缘检测算法。该算法用原图相邻的若干象素点，构建GM(1,1,C)模型，算出相应象素点的白化值，得到原图像素点亮度值与相应白化值之间的误差。依据边缘像素点其亮度与非边缘像素点亮度相差大而不满足GM(1,1,C)建模条件,从而导致边缘像素点白化值误差大的特点，实现边缘检测。实验证明该算法的有效性和具有一定的抗噪能力。     

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.     

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.     

一种去除高密度椒盐噪声的非线性滤波算法

针对高密度椒盐噪声污染图像的去噪问题,提出了一种有效的非线性滤波算法。在噪声检测中利用域值划分法,先将噪声图像像素点分为信号点和准噪声点,建立噪声矩阵,然后再利用图像边缘特性及局部统计信息,进一步明确噪声点。对于噪声点,采用以该点为中心的多窗口像素点中值及该点像素值的中值进行替换。实验结果表明,该算法对较高密度椒盐噪声...     

传统灰色建模的一些理论问题

分析了GM(1,1)建模中灰导数及其白化背景值对模型精度与适应性的影响,并从灰导数、灰导数的白化背景值的构造证明了原始时间序列数据变化越平缓,发展系数的绝对值越小,GM(1,1)模型的拟合与预测精度越高,模型的适应性越强,根据研究结果指出了提高GM(1,1)模型精度的研究方向.     

基于局部多结构元素数学形态学的灰度图像边缘检测算法

提出了一种边缘检测算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多个结构元件，利用基于视觉模型的边缘阈值选择策略确定灰度图像中梯度变化中的像素点，并对其采用二值形态学的腐蚀操作，选择出图像的边缘，滤除噪声，与传统的形态学方法相比，该算法只对梯度发生变化的像素点进行操作，减少了运算量，得到了与人的主观视觉更为一致的边缘。实验表明，与经典的边缘检测算子相比，该算法不仅具有很好的边缘提取能力，而且具有很强的抗噪能力。     

基于GM(1,1)-灰色Verhulst模型的图像去噪组合算法研究

图像获取过程中,受到噪声的影响,会导致图像质量下降,给后期处理带来困难,为此提出一种基于GM(1,1)-灰色Verhulst组合模型的图像去噪算法.首先分析了噪声的性质,为了更好的利用图片的有效信息,构建预测值代替原始值的灰色模型.其次,分析了GM(1,1)模型和灰色Verhulst模型间的结构差异,结合两种模型给出一种去除噪声的组合算法.最后,比较中值滤波、GM(1,1)模型和灰色Verhulst模型处理效果.实验结果表明,采用这种组合算法得到的处理结果能有效去噪,较好地保持图像对比度和边缘信息,验证了该算法的有效性.     

基于噪点检测与邻域权值内插的彩色人脸图像去噪

该文提出了一种基于彩色人脸图像训练库和Chebyshev不等式的有噪像素点检测算法,并利用像素间的相关性通过邻域权值内插算法,实现了彩色人脸图像的去噪。首先在L*a*b*颜色空间中进行主成分分析(principle component analysis,PCA)重建,然后定义了像素点向量距离差和像素点向量角度差,并给出有噪像素点判决准则,实现了有噪像素点与无噪像素点的区分,最后,利用像素点8邻域信息建立权值内插模型,结合PCA重建图像得到最终的去噪图像。在PIE标准人脸数据库中加入Gauss、椒盐、块噪声对该算法性能进行测试,并与其他几种去噪算法进行比较。实验结果表明:采用该算法去噪的彩色人脸图像具有更加清晰的边缘,保留了更多的有用信息,达到更高的峰值信噪比,且对多种噪声具有较好的去噪性能。     

几种图像边缘提取算法比较

对几种图像边缘提取算法进行比较,首先介绍了Roberts边缘检测算子、Sobel边缘检测算、Prewitt边缘算子,其次介绍了Facet模型和基于2-D Facet模型的像素边缘检测算法,最后将Facet模型与常用边缘提取算子效果进行比较,并进行Facet模型的抗噪性检验.结果表明:基于Facet模型的图像边缘检测算法具有抗噪能力强、定位精度高的优点.     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。