基于数据场模型的多光谱图像边缘检测

数据场模型模拟了物理世界中力的相互作用,具有较好地描述数据分布、反映数据关系的优势.基于这一优势,提出了一种新的多光谱图像边缘检测算法.在特征空间,将多光谱图像像元看成是具有辐射能力的质点,利用数据场理论计算不同像元之间的相互作用,从而将多光谱图像从特征空间映射到数据场的势空间.多光谱图像的结构能够通过势场图解释,从而可以通过势场图获得多光谱图像的边缘图像.实验结果表明,基于数据场的边缘检测算法对多光谱遥感图像的检测具有显著的效果,能够正确识别地物边缘,有利于遥感图像地学分析的进一步处理.     

基于Marr-Hildreth算子多尺度图像边缘检测

针对监控图像的不同边缘特征,图像噪声大小和对边缘检测不同的要求,利用Marr-Hildreth拉普拉斯边缘检测算子多尺度特征,使用不同尺度的Δ2G算子,对监控图像进行边缘检测.     

Clifford代数的spinor表示空间

讨论了Clifford代数的结构，证明Clifford代数的pinor或spinor空间都可以表示为其子空间，且都可以由一个元素生成。选取不可约表示空间的基，具体建立了Clifford代数与矩阵代数之间的同构。     

基于多光谱柑桔缺陷检测方法研究

基于多光谱技术探讨一种新的柑桔缺陷检测方法.构建由光照箱、多光谱光源、摄像机等部件组成的系统.根据色度学基础理论,采用图像融合技术对柑桔图像进行融合分析判断,得到使柑桔缺陷识别率最高的图像为红光、黄光、近红外光波段融合后的图像.对融合后的多光谱图像,采用Otsu等图像处理算法进行缺陷检测.实验表明,采用多光谱技术可快速有效的提取缺陷特征.     

Clifford代数的Spinor表示空间

讨论了Clifford代数的结构 ,证明Clifford代数的Pinor或Spinor空间都可以表示为它们的子空间 ,且都可以由一个元素生成 选取不可约表示空间的基 ,具体建立了Clifford代数与矩阵代数之间的同构     

一般Clifford代数的自同构及对合之研究

以一般Clifford代数内自同构观点引出了Clifford群的定义,并论证了其普遍形式;检讨了厄米共轭的Clifford代数表述形式及关于座标变换的两种观点,作为下一步研究广义Dirac方程代数的特性的基础。     

Clifford代数上正则函数的边值问题

Ｃｌｉｆｆｏｒｄ代数上正则函数的边值问题巩志国（河北师范大学石家庄市０５００１６）空间Ｒｎ＋１上的Ｃｌｉｆｆｏｒｄ代数Ｒ（ｎ）是一个２ｎ维向量代数。设ｅ０，ｅ１，ｅ２，…，ｅｎ为Ｒｎ＋１的一组标准正交基，则Ｒ（ｎ）的元素可表示为ｅ１，这里Ｓ是｛１，２...     

一种基于边缘检测的图像融合新方法

提出一种新的基于边缘检测的图像融合方法.该方法利用Canny算子进行边缘检测,将边缘检测图像的逻辑值与小波变换进行结合.在小波变换域内,对低频和高频子图像采用区域融合的方法.最后,进行小波逆变换得到融合图像.通过主观评价和包括熵、均方根误差、峰值信噪比和互信息等客观评价标准进行评价,结果表明,基于边缘检测的图像融合方法融合效果较好,对于模糊部分不同的源图像进行融合具有一定的通用性.     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

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.     

关于Clifford代数中多项式解的一个结果

利用代数基本定理,证明以Clifford代数所基于的结合代数的一子空间作系数空间,一类特殊的多项式方程在该子空间中至少存在一个根.     

基于BP神经网络的数字图像边缘检测算法的研究

指出了传统边缘检测算子算法的不足，提出了一种利用基于BP神经网络的数字图像边缘检测算法，即利用传统边缘检测算子检测出来的图像中像素的灰度的不同比例作为学习训练图像，进行神经网络的学习训练，改变神经网络的结构参数得到神经网络的模型参数，最后给出了BP神经网络实现图像边缘检测的实验研究结果。从实现中可发现，将人们关于边缘特征的先验知识包含在内进行数字图像的边缘检测，能够取得比较好的效果。     

基于改进Sobel算子的多仪表图像边缘检测算法

为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

基于多维PCNN的彩色枸杞细胞显微图像的边缘检测

改进脉冲耦合神经网络模型,结合矢量运算,提出一种基于多维脉冲耦合神经网络的边缘检测模型,直接提取彩色细胞图像边缘,且本模型算法在染色不均匀造成的弱边缘检测和抗噪性能等方面表现优异.仿真和实验结果进一步表明了该算法的有效性.     

图像边缘检测方法综述

目的介绍图像边缘检测技术的研究现状。方法总结了经典的边缘检测算子和近年来出现的新的边缘检测方法,分析了各种算法的特点和处理性能,并对它们自身的优缺点进行了论述。结果与结论每一种方法都有优缺点,在图像边缘检测中可根据实际需要选择合理的方法。     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于CNN的彩色图像边缘提取方法

根据人眼对R、G和B的敏感特性,提出一种基于视觉感知的矢量角度彩色空间距离度量方法,较传统方法补偿了RGB颜色空间的不均匀性,有效提高了RGB颜色空间内色差度量的精确程度.对基于细胞神经网络(Cellular Neural Network,CNN)进行的彩色图像边缘提取进行理论分析,确定与其功能相适应的最佳模板参数.实验结果表明:该算法不仅实现了彩色图像的边缘提取,同时提取效果更全面,更符合人眼的视觉效果,具有较强的鲁棒性.     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

基于小波变换的Canny算子边缘检测算法

分析了基于小波变换的图像增强算法和传统的Canny边缘检测算法,提出将两种方法有效地结合起来,应用于对比度低图像的边缘检测中。实验证明,该方法准确的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。