散焦含噪图像的点扩散函数估计与亚像素边缘检测

针对机器视觉中图像模糊的原因,采用广义高斯函数描述点扩散函数(PSF),建立边缘过渡区模型,从一幅图像所含多条边缘中提取样本,依据提出的整合准则从全部样本的估计结果中计算整幅图像的PSF,利用最优求解的概念,可实现最小二乘意义下PSF及亚像素级边缘位置的最佳估计。实验结果表明, 由于算法获得图像所对应PSF的最佳估计,边缘检测具有比较高的抗噪性能,在边缘亚像素检测基础上完成的尺寸测量误差小于0.5%。     

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。     

一种鲁棒的散焦模糊图像点扩散函数参数估计方法

提出了一种具有较强抗噪能力的频率域鉴别散焦模糊参数的方法。该方法对模糊图像对数频谱图实施极坐标变换,然后计算距频谱中心不同半径下的多方向幅值累加和函数,进而提取第一过零圆环的半径,完成散焦模糊参数的估计。实验结果表明,该方法能够适应带噪散焦模糊图像退化模型的参数估计问题,且具有较高的鉴别精度。     

利用点插值函数作为试函数的最小二乘配点法

采用径向基函数与多项式基函数作为耦合的基函数,并利用点插值法构造加权残值法中的近似试函数,试函数中的形函数具有狄拉克-δ函数性质,因此可以直接施加本质边界条件．利用这种试函数和采用最小二乘配点法求解了一维二阶微分方程和薄板的弯曲问题,并与理论结果进行对比;同时还检验了配点数以及节点支持域半径对计算精度的影响．数值结果表明：这是一种与单元划分无关的无网格方法,具有模拟简单,计算精度高,收敛快的优点．     

含噪图像的快速边缘检测算法

提出了一种在含噪图像中检测边缘的快速算法。通过分析噪声的导数与边缘的导数的分布特点,推导出了三类模板算子：差分算子、邻域积分算子和非极值抑制算子。差分算子用于突出边缘,邻域积分算子用于抑制噪声,非极值抑制算子用于提取准确的边缘点。与Canny算子的对比实验表明,在弱噪声下,检测结果两者相当;在强噪声下,结果优于Canny算子,并且计算量仅为Canny算子的40%。     

一种新的子像素级边缘检测算法

将数学形态学、数值分析方法与传统的边缘检测理论相结合，构造出一种新的理论体系完备的子像素级边缘检洲算法，从滤波、边缘定位、拟合求精等多个方面对传统的边缘检测算法加以改进，使其可以在诸如精密检测等多个应用领域发挥作用。     

基于小波变换的图像边缘检测算法及像素结构分析

对基于多尺度小波变换的图像边缘检测算法进行了改进.通过处理小波变换后出现的负值解决了双边缘问题;通过处理两层邻域的像素点解决了边缘线间断问题,并与传统算法的结果进行了比较,结果表明,利用这一新的算法可使图像边缘更加光滑、边缘定位更精确.     

基于点扩散函数的理想亚像素边沿生成方法

针对数字成像系统无法提供精确亚像素精度图像的现状,提出了一种生成理想图像的方法,解决了亚像素定位算法评价过程中需要的高精度图像源问题.首先根据光学成像系统模型CCD采样理论以及圆孔衍射理论建立以二维高斯函数为核的点扩散函数(PSF);然后生成待测试的模拟量的理想边沿图像,将各个像素分割成N*N个子像素,以几何方法计算出各数字化的子像素;再将PSF作用于该图像得到确定边沿的数字理想图像.实验研究表明,与邻域平均方法相比,所提方法生成图像边沿过度平滑更接近实际物理成像.     

一种基于特征的纱线气圈图像边缘提取方法

本文介绍了一种基于特征的纱线气圈图像边缘提取方法，利用纱线气圈图像的特点．采用近轴法找到一些边缘点，利用这些点信息，用正交函数作最小二乘法拟合，去判断其他的点是否为边缘点．然后由边缘点拟合纱线气圈图像边缘，实验证明该方法是有效。     

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.     

图像梯度与散度计算及在边缘提取中的应用

尝试把梯度和散度的概念引入到图像分析中，基于梯度和散度的积分定义，给出了计算图像梯度散度的、与坐标选取无关的简易近似公式。并将它们应用到带噪数字图像中，利用梯度与散度的配合进行边缘提取，同时给出了实验结果。     

基于小波变换和形态多结构元的抗噪边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法.通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘.实验表明,对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声、提取边缘,且优于经典的边缘检测算法.     

基于形态多结构元和小波变换的边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法。通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘。基于实验结果,指出对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声,提取边缘,且效果优于经典的边缘检测算法。     

图像处理过程中的边缘检测和边缘配准

综述了在图像处理过程中的边缘检测和边缘匹配的算法并比较了各算法的性能,同时在牙齿三维模型建立的实验中实现了边缘检测,同时根据边缘检测出来的Z子线,以及轮廓线与模型进行配准.     

B样条函数与图象边缘检测

介绍了一种基于Ｂ样条函数的边缘检测算子,该算法是利用Ｂ样条函数对原始图象进行拟合,然后求拟合曲面的一阶导数的模极大值或二阶导数的零交叉点来检测图象的边缘。在本文中作者根据Ｂ样条函数的局部性质给出了其平滑,一阶,二阶导数的具体卷积模板,使得该算法简洁,便于实时处理。     

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.     

Image Edge Detection Based on Oscillation

IntroductionArtificial neural networks can be dividedintotwo classes :rate code neural networks and pulse-based neural networks .Inrate code neural networks the outputs of the neurons arecontinuous , whereas in pulse-based neural networks theneurons emit pulses . Although rate code neural models havebeen well studied, researchers continue to find the evidencerecently that in many cases the brain may accomplishcomputations on pulses(action potential) . Great effort hasbeen devoted towards the a…     

灰度图像边缘检测方法的比较

目前,在图像处理中如何准确且清晰地检测出目标图像的边缘是亟待解决的问题之一.本文主要介绍了几种经典的边缘检测方法,然后以同一幅汽车图像为例,通过Matlab进行仿真实验,给出了边缘检测的效果图和添加高斯白噪声之后的对比图,并对结果进行比较分析.最后对图像处理的发展方向提出了自己的观点.