曲波变换域侧扫声纳图像海底底质分类

通过快速曲波变换将海底声纳图像分解为低频子带和各方向子带. 用低频子带的标准差描述声图的整体不均匀度,各方向子带的纹理能量测度描述声图纹理的方向性和粗糙性. 将构成的特征向量按SVM分类算法用于对侧扫声纳海底图像进行底质分类. 对沙、泥、石3 种类型海底的侧扫声纳图像进行分类实验,并与空域、小波域的分类方法相比较,表明文中方法能较好地用于海底底质分类.     

基于最大类间方差遗传算法的图像分割方法

分析了最大类间方差阈值图像分割算法的基本原理，结合遗传算法及其特点提出了一种自动阈值选取的图像分割算法，在本算法中对传统晨大类间方差图像分割的算法及遗传算法进行了改进，提高了传统算法的速度，改善了遗传算法的收敛速度与最优解的协调关系，最后从速度及性能上进行了分析比较，并对实际图像分割做了反复实验，结果表明，本遗传算法的图像分割方法在图像分割过程中具有速度快，效果好的特点。     

基于FPGA的图像边缘检测算法设计

通过研究Sobel原理和算法,在FPGA内部用流水线的方式来实现数据的具体提取、计算和存储,最终实现了对任意Bmp格式图像的边缘检测图像的计算和提取,并显示出来,证实Sobel算法有比较好的边缘检测效果,而且采用流水线的技术,可以有效提高数据计算的效率,实现了一个时钟周期就输出一个像素图像的导数值。     

边缘检测算子LiDAR河流数据提取的研究

由于LiDAR数据具有离散、不连续的特点,在空间上并没有明确的函数关系,现有的LiDAR数据地形地物的提取算法存在依赖辅助数据和算法只针对建筑物等明显地物提取的问题。河流的数据存在形状不规则、边缘不明显的特征,自然形成的原因导致其坡度信息多变,常见的数据提取算法难以解决这类问题,Robert边缘检测算子对边缘信息更为敏感,实验证明,与Sobel和Prewitt算子对比,Robert算子更适用于提取较高精度河流地物边缘并且有较好的精确性和适用性,可获得较高精度作为准确的目标信息。     

基于Simulink的肺部CT图像边缘检测

<正>如今,CT(计算机断层扫描)成像技术为肺部疾病诊断提供了强有力的工具,但是由于现代成像技术的迅速发展,CT成像产生的数据也日益庞大,这给医生的诊断工作带来了巨大的困难。计算机辅助诊断技术的出现大大地提高了医生的诊断效率,并减轻了劳动强度。现在,CT图像中肺部疾病的计算机辅助诊断技术已成为全球的研究热点之一。     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

基于S1mul1nk的肺部CT图像边缘检测

如今,CT（计算机断层扫描）成像技术为肺部疾病诊断提供了强有力的工具,但是由于现代成像技术的迅速发展,CT成像产生的数据也日益庞大,     

基于像素灰度关联的边缘检测

在量子理论的启发下,提出将归一化的数字图像看作是一个多维量子系统,利用邻域像素的叠加态结构建立了像素灰度的相干性空间,通过叠加态结构运算取代传统的模板操作,从而实现数字图像的边缘检测.仿真试验结果表明,所提出方法相比传统的Sobel算法检测出来的边缘细节更为丰富,轮廓更为清晰,并且对噪声具有更好的抑制作用.     

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程. 针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法. 在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.     

基于空间矩和Zernike矩的亚像素边缘检测

介绍了两种矩的理论,然后根据建立的四参数边缘模型,分别利用两种矩的性质推导出边缘参数与矩之间的关系,利用矩得到图像边缘参数,最后由边缘参数确定图像边缘.两种矩方法得到的边缘的边缘定位精度都已达到亚像素级.     

基于简化Mumford-Shah模型的活动轮廓边缘检测模型

在Chan-Vese活动轮廓模型(C-V法)的基础上,提出了一种新的边缘检测模型.在该模型中,图像被定义为两个同质区域的组合,图像边缘检测问题转化为基于Mumford-Shah泛函的能量函数最小化问题.本文在分片常数优化逼近中,添加了图像梯度信息,通过调节该项的权重因子,可以得到基于不同灰度强度的图像边缘图.该方法采用了水平集数值技术,因此活动轮廓具备了拓扑变化的能力,并能克服C-V模型检测不出离灰度均值较远的边缘的问题,实验表明了其有效性.     

粒子群优化的深海图像暗边缘检测优化算法

为解决深海资源探测图像识别难题,提出一种基于粒子群优化的图像暗边缘检测优化算法。该算法通过指数型线性单元和高斯误差线性单元改进激活函数,根据Marr-Hildreth算子检测结果并结合改进激活函数构建暗边缘检测算法,利用粒子群对改进暗边缘检测算法进行训练和优化。最后,采用不同算法对水下11个数据集进行比较的结果表明：改进算法的峰值信噪比、结构相似度和边缘保持指数最高,分别达到18.769 6 dB、0.660 7和0.834 5;图像均方误差最低,为3 750.225 3;平均检测时间为0.667 4 s,比其他对比实验中性能最好的算法缩短了14%。     

应用启发式边缘生长的遥感影像分割

基于边缘的遥感影像分割方法有两个难点：边缘点检测和边缘线连接. 文中提出一种基于启发式边缘生长的分割方法. 首先对Canny 算子进行三方面的改进以准确提取边缘点：自适应小波去噪、最优双阈值计算、基于邻域全变分的边缘决策. 定义一个新的边缘连接异质性指标,包括空间异质性和光谱异质性. 在此基础上提出启发式的全局交互最优决策技术以正确连接断裂边缘线. 文中用快鸟影像和航空影像进行分割实验,并与eCognition 的分割结果进行定性和定量比较. 实验表明启发式边缘生长分割方法能正确地连接绝大多数边缘线,并提供准确的分割结果.     

一种基于轮廓和混合高斯模型的运动车辆视频检测方法

针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题．实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性．