一种基于Canny彩色图像边缘检测算法

本文提出了一种新颖快速彩色图像边缘检测算法，充分考虑了彩色图像的边缘特性，根据数据融合技术对各个分量得到的边缘信息进行联合优化，进行RGB色融合成新图像，再边缘检测。实验证明，该算法能提取更多的彩色边缘信息，检测精度和效果都比较令人满意。     

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.     

一种基于彩色化的单幅彩色图像超分辨率重建

对单幅彩色图像进行超分辨率(Super-resolution,SR)重建,一般是将原始RGB图像转换为YUV图像,对亮度分量Y进行SR,而对色度分量U、V只进行简单的插值.因为图像插值很容易产生边缘模糊和锯齿,本文用彩色化算法对低分辨率的U、V分量进行处理,并提出一种基于彩色化的迭代反投影(Itherative Back-projection,IBP)方法,改善了传统基于插值的IBP算法对边缘图像的处理效果.实验结果表明,文中算法得到图像的客观质量和主观质量既优于传统的基于双立方插值处理的SR彩色图像,也优于其它以彩色化为基础进行色度图像处理的SR图像.     

基于色差梯度的彩色边缘检测方法

彩色图像有亮度、色调和饱和度的信息.为了充分利用彩色图像丰富的信息,在L*a*b*颜色空间中.利用色差梯度算子对彩色图像进行边缘检测.该方法能检测出更符合视觉特性的彩色边缘.实验结果证明了这种方法是有效的,优于基于灰度的边缘检测方法.     

基于Hermite插值的彩色图像边缘检测技术

针对现有的边缘提取方法存在的不能同时解决抑噪能力强和保证边缘连续性好的问题,提出了一种基于Hermite插值的彩色图像边缘检测技术算法.该算法与多通道彩色图像边缘检测算法相结合,根据图像自身的彩色、梯度信息,依靠多尺度Hermite曲线插值技术对边缘线段进行连接修复,保证了算法抑噪和检出边缘曲线光滑连接的能力.实验证明,与现有的算法相比,该算法能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的连续性.     

结合模糊C均值聚类和边缘检测算法的彩色图像分割

图像分割是计算机视觉的最核心技术之一,是图像处理到图像分析的关键步骤.深入研究了C均值聚类分割算法,该算法已广泛应用于彩色图像分割领域,在真实彩色图像分割中,由于C均值的初始化对分割效果有很大影响,故对C均值分割算法进行改进.然后引入边缘检测算法以及RGB彩色模型,对边缘检测算子Roberts、Sobel算子和Prewitt算子进行了研究,对Sobel算子进行改进,对模糊聚类算法的分割结果进行进一步处理,通过在合成图像上及大量真实自然彩色图像上进行实验,结果证明通过C均值聚类和边缘检测算法相结合,能够有效提高分割结果的准确性.最后对彩色图像分割技术将来的发展方向进行了展望.     

向量空间彩色图像的Canny边缘检测

针对Canny算法检测边缘的准确性,提出了基于Canny算法的彩色图像边缘检测方法.根据Canny算法的特性,用近似高斯函数的滤波器平滑图像;利用梯度模板计算图像的向量梯度及方向角,并依据方向角对梯度图像进行非极大值抑制;计算高、低两个阈值,基于8邻域连接边缘点.实验结果证明,该方法继承了canny的性能,并充分利用了彩色信患,能较好地检测出彩色图像边缘.     

采用局部差分模型描述的彩色图像配准技术

针对光照方向、强度、色彩或摄像头参数等因素的变化导致待配准彩色图像对间存在复杂的色彩变化,从而严重影响彩色图像配准效果的问题,提出了一种对彩色变化不敏感的彩色图像配准方法.该方法首先根据彩色图像间的von Kries彩色变换模型,建立图像的彩色不变量空间,在此空间利用尺度不变量特征转换(SIFT)算法完成特征点的检测;为加快运算速度,采用2阶局部差分模型(LDP)方法对特征点进行描述,并完成彩色图像特征间的初匹配;再进一步利用RANSAC算法消除误匹配特征点对,得到最终的匹配特征点对.实验结果表明,该彩色图像配准方法与其他算法相比,可以快速、准确地获得彩色图像间的映射关系,因此更加适合存在色彩变化的彩色图像的配准.     

一种Bayer图像的插值与去噪方法

为了改善彩色图像还原效果,降低硬件设计复杂性,分析了彩色插值对脉冲噪声的影响,以及彩色插值与去噪先后顺序对图像质量造成的影响,提出一种基于5×5窗口的先去噪后插值的彩色图像还原方法。采用阈值检测噪点的中值滤波算法去除Bayer图像的脉冲噪声,后采用基于梯度的插值算法完成彩色插值。仿真结果表明,该方法还原的图像性能指标优于传统方法,可以有效去除脉冲噪声,同时较好的保留图像细节,且算法复杂度不高,实时性好,易于硬件实现。     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表...     

基于Alpha稳定分布模型的彩色图像边缘检测新算法

 在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。     

基于主色色差的彩色图像边缘检测方法

图像边缘是图像重要特征之一,传统的边缘检测方法大都基于灰度图像,将彩色图像转为灰度图像后进行边缘检测不能充分利用彩色图像信息,而基于非均匀空间的彩色图像边缘检测方法也会造成信息丢失。文章提出了一种基于均匀颜色空间CIE1976L*a*b*空间色差的彩色图像边缘检测方法,充分考虑了颜色矢量距离差异和颜色矢量方向差异,能够比较准确的检测到彩色图像的边缘,优于基于灰度和非均匀颜色空间的边缘检测方法。     

一种基于色差的彩色图像的边缘检测方法

传统的边缘检测方法大都是基于灰度图像的,这就不能充分利用彩色图像的全部信息。文章提出了一种基于色差的彩色图像的边缘检测方法,它能快速准确地检测到图像的边缘,具有低的错判率和较高的效率,优于传统基于灰度的边缘检测方法。     

反馈型颜色分割在边缘检测中的应用

针对传统的边缘检测算子容易产生边缘丢失和畸变的缺点,为准确获取彩色图像的边缘,本文提出了将传统方法提取的边缘作为反馈对原始彩色图像进行初步颜色分割,根据区域内颜色信息的分布统计,进行分裂合并及均衡化处理,对颜色区域边界进行骨架细化,从而提取边缘。实验结果表明:与传统方法比较,该方法可以更有效地检测出边缘信息。     

基于颜色恒常的照度准不变边缘分类算法

现有的照度准不变边缘分类算法在标准光源下分类效果较好,但是该算法没有考虑光源颜色的影响,而实际上光源颜色对算法的分类效果影响很大,因此提出了一种基于颜色恒常的照度准不变边缘分类算法.该算法首先估计光源颜色,然后用估计出的光源颜色参数矫正照度准不变边缘分类算法.与传统的照度准不变边缘分类算法相比,该算法由于能估算出光源的颜色,所以当光源颜色发生改变时,矫正以后的照度准不变分类算法仍然对光照颜色改变具有鲁棒性.实验结果显示,基于颜色恒常的照度准不变边缘分类算法,在光照颜色变化的情况下,不仅能检测出更多的边缘,噪声点更少,而且检测的边缘更准确,稳定,线条更光滑连续.     

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。     

彩色视频图像卡通风格化研究与实现

提出一种彩色视频图像卡通风格化的新方法,将均值漂移滤波与高斯图像金字塔结合起来使用,在对彩色视频图像进行颜色聚类和噪声消除的同时,提高了处理的速度.运用DoG算子对滤波后的图像进行边缘检测;再对移滤波后的图像进行色彩量化;最后将量化后的图像与边缘图像进行融合.融合时根据边缘处梯度的大小设置边缘颜色的深度,使得最终得到的卡通化图像不仅在高对比度区域得到加强而且减少了噪声,边缘更加自然.实验结果表明:本算法与传统的双边滤波和DoG算子相比,获得了更好的卡通风格化效果和更快的运行速度,并且可以直接将输入的视频文件转换为卡通化的视频文件输出.     

用BP网络进行彩色图像分割和边缘检测

采用ＢＰ网络模型,研究了彩色图像分割和边缘检测的神经网络方法．选取训练样本图像,并分别以区域增长分割法和Ｓｏｂｅｌ边缘检测方法所得结果为导师信号,将图像的特征向量采用ＢＰ算法进行训练,然后对实测图像进行分割和边缘检测．与采用区域增长法所得分割结果和采用Ｓｏｂｅｌ边缘检测方法所得边缘检测结果进行比较,ＢＰ网络方法能取得同样较好的效果     

CMAC Based Color Separation in Printing Images

To over come the drawbacks existing in current measurement methods for detecting and controlling colors in printing process, a new medal for color separation and dot recognition is proposed from a view of digital image processing and patter recognition. In this model, firstly data samples are collected from some color patches by the Fuzzy C-Means （FCM） method; then a classifier based on the Cerebellar Model Articulation Controller （CMAC） is constructed which is used to recognize color pattern of each pixel in a microscopic halftone image. The principle of color separation and the algorithm model are introduced and the experiments show the effectiveness of the CMAC-based classifier as opposed to the BP network.