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.     

边缘检测梯度法的小波实现

图像的边缘表现为图像上的不连续性，边缘检测就是检测图像上的不连续点或陡变点。本文根据Mallat多尺度边缘检测原理，提出了一种图像的边缘检测的新算法。与Mallat的多尺度边缘检测算法相比，这个算法具有计算量小的优点。文中给出了应用这个算法对图像进行边缘提取的实例。     

基于改进数学形态学的含噪图像边缘检测

针对传统的边缘检测算法对含噪图像的检测效果不理想,提出一种改进的数学形态学边缘检测算法。该算法首先采用多尺度双结构元素形态学进行滤波去噪,再利用改进的多尺度多结构元素形态学边缘检测算子进行图像边缘提取。实验表明,该算法具有很强的噪声抑制能力,对含噪图像的边缘检测效果良好,提取的边缘清晰且平滑,边缘定位精度高。     

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.     

大尺度弱边缘检测方法的研究

针对已有的图像边缘检测算法对大尺度弱边缘的检测效果不理想,提出了一种通过对原图再采样,从中抽取多幅低分辨率子图像,并分别进行边缘检测,再综合各子图像边缘确定最终边缘的新边缘检测算法.由于低分辨率采样下图像高频特征失真较大,而低频特征失真较小的原因,这一算法能很好地抑制图像噪声,有效地提取出图像中大尺度弱边缘.此算法已成功地应用于机器视觉砂轮直径检测系统中.     

基于灰度不均匀图像边缘检测算法改进

边缘检测算法是图像处理中的一个重要的研究内容。该算法的好坏直接影响着图像处理的结果,常用的检测算法常常不能满足特定情况下的要求(例如实时跟踪下的图像处理)。本文在分析了灰度图像各种边缘检测算法的特性的基础上,根据具体需求,对灰度不均匀的图像边缘检测算法进行了改进。实验表明,在图像对比度较差的情况下,应用灰度变换增强后,配合相应的边缘检测算法,可以大大减少运算量,与原来的算法相比,能够取得较好的效果。     

基于HVS模型及边缘检测的像素点误差扩散半色调算法

针对常规误差扩散方法中的图像细节轮廓损失问题,提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法.该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息.仿真结果表明该算法能够更好的减少图像细节损失,保留图像细节信息.     

一种改进的基于小波变换的图像边缘检测算法

本文研究了利用小波变换对图像进行边缘特征提取的算法.传统的小波边缘检测算法检测到的边缘均有边缘定位不准确、边缘不连续等缺点.为了解决这些问题,本文对小波边缘检测算法作了一些改进.主要改进了以下两个方面:在图像边缘检测方面,检测小波系数模的相角方向上小波系数的局部模极大值点;在阈值选取方面,不再应用全局的单一阈值,而是选择动态双阈值.实验表明,本文方法在图像边缘的连续性比较好,边缘定位上比较准确,而且能很好地保留图像的细节信息.     

基于果蝇优化算法的零件图像边缘检测算法研究及应用

为实现零件图像的边缘检测,针对传统基于微分的边缘检测算法存在边缘点定位不准确、角点漏检等不足,提出一种基于果蝇优化算法(fruit fly optimization algorithm,FOA)的零件图像边缘检测算法.该算法首先通过Canny算子得到边缘点的先验知识,再利用希尔伯特变换提取角点信息,以边缘点和角点信息作为启发信息,建立基于FOA的零件图像边缘检测模型,最后通过随机平均移动机制和循环终止条件得到图像的单像素边缘.经实验验证,算法在无噪声边缘检测的条件下,相比传统的Canny算子,在零件图像检测的精度和准确性上有较大提升,可应用于工业零件的高精度无损检测.     

基于排序统计的图像边缘增强滤波

主要研究了如何对受混合噪声污染的模糊图像进行边缘增强滤波,并提出了一种基于排序统计的图像边缘增强滤波算法,该算法将输入样点集划分成两个具有不同灰度值的子集,通过子集的运算值之差判断边缘是否存在。如果边缘存在,则通过判断滤波窗位于边缘的哪一侧来选择某个子集的输出运算值以增强边缘的梯度;如果边缘不存在,则考虑进行噪声的平滑,计算机模拟实验表明,基于排序统计的图像边级增强滤波器在增强边缘的梯度的同时,能     

一种改进的图像边缘检测算法

边缘检测是图像处理中重要的处理技术,在经典Prewitt算子基础上,介绍一种改进算法.该算法检测八个方向的图像边缘,利用图像梯度模、边缘点的相关性及约束性确定图像边缘,具有图像边缘定位准确、抗干扰能力强等特点.     

基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.     

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.     

图像边缘检测研究进展

 图像边缘是图像的最基本和最重要的特征之一,它包含了位置、轮廓等许多有用的信息,为人们描述或识别目标及解释图像提供了一个重要的特征参数。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,是进行模式识别和信息提取的基本手段。已有的图像边缘检测方法很多,但每种方法都尚有不足之处,在某些情况下仍不能检测到目标物体的最佳边缘,未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点,其新理论、新方法不断涌现。对已有方法进行改进,或是按照具体要求设计新方法,是目前边缘检测领域研究的主导方向。本文阐述了边缘检测的研究意义,总结了图像边缘检测的基本思想和检测出的边缘的一般要求,回顾了边缘检测的各种方法,分析了这些方法的优点和存在的不足,总结了边缘检测的最新发展方向。最后分析了现有的边缘评价方法的特点,为边缘检测进一步的研究和应用提供参考。     

基于多结构元素的脊骨边缘提取

提出了一种从脊骨图像中提取边缘的有效算法。该算法在数学形态学的基础上,针对图像中脊骨边缘形态选择不同的结构元素进行脊骨边缘提取。实验表明,该算法具有良好的边缘提取能力。     

相位信息和数学形态学的彩色图像边缘检测

针对传统边缘检测算法最初只基于灰度图像,对彩色图像提取的边缘定位不准确、边缘有断点等问题,将在HSV彩色空间中对彩色图像进行了多通道边缘检测.考虑到传统边缘检测算子对图像的噪声和明暗程度比较敏感,采用相位一致和数学形态学相结合的方法对单通道图像进行边缘检测.仿真实验显示,该方法可以有效地提取彩色图像的边缘.     

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。     

基于模糊元胞自动机的图像边缘检测方法

针对基于元胞自动机图像边缘检测的原有算法,提出了新的改进算法.该算法采用基于方向信息测度与边缘有序性度量的多信息融合方法,利用模糊逻辑对特征信息进行模糊推理,利用推理结果对上一时刻特征信息进行模糊反馈处理,最终通过元胞自动机的自动演化工程得到图像边缘.试验表明,算法边缘检测的准确度高,检测模糊边缘和细节边缘的能力较强.是一种实用、高效的图像处理算法.