贝叶斯不精确知识推理在弹药贮存中的参数估计

应用不精确知识推理中的贝叶斯概率推理方法,研究航空弹药在长期贮存中分布函数的参数估计,改变仅以储存年限来评判弹药质量的方法,为弹药的质量管理和更新换代提供了科学依据,提高了弹药贮存的军事性和经济效益.     

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。     

基于方向小波变换的边缘检测

定义了一种方向小波变换，并将其用于图像边缘检测．建立了它与Canny边缘检测子的关系．基于此提出的新的边缘检测方法，不仅可以有效地检测出图像的边缘，而且也可检测图像中某一方向的边缘．实验结果表明，新的边缘检测算法具有能检测方向性边缘、算法简单、计算量小、效果佳等优点．     

基于拉普拉斯算子的边缘检测研究

边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和图像信息提取的基本手段.本文对基于拉普拉斯算子的边缘检测进行了研究测试,取得较好效果.     

基于图像边缘检测算法的研究

近年来,小波分析已成为工程学科中迅速发展起来的一个新领域,小波变换在时域和频域同时具有良好的局部化性质,而且对于高频成分采用逐步精细的时域或频域取样步长,可以聚焦到对象的任意细节.介绍了边缘检测的经典算子和小波边缘检测的方法,用Matlab实现后对各种算法进行比较,并分析了各种算法的优劣,单从效果而言,基于小波的算法较好.     

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。     

基于模糊神经网络的边缘检测方法

本文提出了一种集合模糊神经网络的边缘检测方法。首先,将每一个像素的4方向特征矢量与6个边缘模型矢量的距离测度作为输入模式送入到自组织竞争神经网络的输入层,通过这个网络进行边缘分类,得到粗边缘图像。在分类结束后,采用竞争规则来细化边缘,得到粗细适度的边缘图像。最后,从边缘图像中剔除斑点,得到最终理想的边缘图像。将我们的方...     

基于顺序形态滤波的边缘检测

介绍了灰度图像的顺序形态变换基本概念,定义了两种基于顺序形态滤波的广义边缘算子,重点讨论了百分位ｐ＝１／２时的边缘算子抑制噪声、提取边缘的理论和方法。实验表明,同传统的边缘检测算子相比,该方法具有良好的噪声抑制和边缘提取特性。     

基于统计的显微图像边缘检测阈值分析方法

针对复杂噪音干扰的显微图像, 提出一种新的基于统计原理的边缘检测阈值分析方法. 应用统计函数提取图像中梯度大的一个区域, 再由非极值抑制算法提取边缘像素. 在选择阈值前, 对每一像素的梯度值进行局部标准化, 去除模糊和全局阈值选择的不合适性. 所做分析的统计特性使得输入参数的选择对噪音图像具有鲁棒性, 能有效处理图像中的随机噪音. 实验结果表明, 所提出的算法具有稳定性强、 鲁棒性好的 特性.     

一种降噪功能的边缘检测方法

传统的边缘检测方法对噪声很敏感，在检测出边缘的同时，也增强了噪声．本文给出的边缘检测方法能够很好的检测出图像边缘，同时具有一定的噪声抑制能力。     

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.     

基于多尺度形态学的边缘检测算法的改进

一幅图像的大量信息都是由图像边缘提供的,在图像处理中,对于复杂图像很难通过单一的结构元素用数学形态学的膨胀、腐蚀、开、闭等变换以及它们的组合得到较满意的检测图像;利用多元素,对形态结构大小尺度进行调整,从而在噪声存在的条件下得到较理想的图像边缘;实验结果表明,与传统的边缘检测算子比较,方法计算量小,抗噪性好,可以适应不同类型的图像边缘检测需求。     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

基于版式边缘增强算法的倾斜检测

该文针对数字化文档图像的倾斜现象,首先定义了多种变换算子,然后在倾斜检测中,利用这些算子对预处理后的二值化倾斜图像进行变换处理.所得到的变换图像淡化了原文档图像的内部细节特征,同时清晰地反映了原图像版面边界的走势.变换图像通过一个图像块的形式直接表征了原版面的边界信息,增强了版式边缘,使得文档图像的倾斜角度更易检测.最后通过选取有代表性的倾斜版面图像,对该算法进行了实验验证分析,得到了版面倾斜检测的统计结果.     

基于顺序形态滤波的边缘检测

介绍了灰度图像的顺序形态变换基本概念 ,定义了两种基于顺序形态滤波的广义边缘算子 ,重点讨论了百分位p =1 /2时的边缘算子抑制噪声、提取边缘的理论和方法 .实验表明 ,同传统的边缘检测算子相比 ,该方法具有良好的噪声抑制和边缘提取特性 .     

基于边界点方向的边界检测方法

提出了一种基于边界点方向的新的边界检测方法。由于充分利用了边界点的方向信息，该方法具有良好的总体性能，如抑制噪声能力强、边界呈单象素宽、定位精度高、运算速度快等。文中给出了实验结果及与其它方法的比较、分析。     

基于去噪的熵算子边界检测法

图像的熵用来刻划图像的平滑性或均匀性 在图像的局部窗口中计算时 ,如果窗口中存在边界 ,则窗口中的图像不均匀 ,其灰度变化急剧 ,计算出的熵小 ;反之熵大 设定熵的阈值 ,即可判断是否存在边界 由于熵算子对噪声很敏感 ,直接用它进行边界检测 ,效果很差 文中针对这一缺陷 ,提出将熵算子与去噪相结合的边界检测法 ,如果计算出的熵大于阈值 ,要判断是噪声的出现所引起 ,还是边界的出现所引起 ,这样 ,边检测边界边去噪声 用该方法对信噪比较低的图像进行实验 ,得到了满意的效果     

图像的局部自相似性用于边缘检测的方法研究

定义了一种局部图像自相似性测度．根据图像在边缘点处具有较好的局部自相似性这一特点，提出了基于局部图像自相似性的边缘检测新方法．实验结果表明，这种方法可以有效地提取图像边缘，并且具有较好的抗噪性能     

基于小波的图像边缘检测算法研究

图像的边缘检测是对图像进行进一步处理和识别的基础,虽然图像边缘产生的原因不同,但反映在图像的组成基元上,它们都是图像上灰度的不连续点或灰度剧烈变化的地方,这就意味着图像的边缘就是信号的高频部分。因此所有的边缘检测方法都是检测信号的高频部分。但在实际图像中,由于噪声的存在,边缘检测成为一个难题。提出一种利用小波把图像分解成近似部分和细节部分,近似部分是原图像对高频部分进行滤波所得的近似表示。经滤波后近似部分去除了高频分量,因此能够检测到原图像所检测不到的边缘。