一种改进的基于模糊增强的Canny边缘提取算法

边缘检测是图像处理领域中的基本课题之一,广泛应用于图像分割和模式识别等领域.提出的基于改进模糊增强的Canny边缘检测方法是在快速模糊增强的基础上,用模糊增强代替Canny算法中的高斯滤噪,用最大类间方差法改良Canny算法中双阈值中高阈值的设定.试验表明,改进算法有较高的信噪比,能达到比较理想的边缘检测效果.     

融合Canny算子和Snake模型的细胞轮廓提取

设计了一种融合Canny算子和Snake模型的细胞轮廓提取算法.算法首先采用基于区域生长的阈值分割方法确定Snake模型的初始蛇,然后将Canny的边缘定位法融入到Snake模型的贪婪算法中,使蛇最终逼近细胞的真实轮廓.实验表明该融合算法性能稳定,所提取的轮廓定位准确.特别是解决了虚假边缘和边缘断裂现象较为严重的细胞轮廓提取.     

基于Canny算子的棉花异性纤维检测算法的研究

阐述棉花分拣系统结构原理,用Canny算子提取棉花异纤边缘的边缘特征,Canny算子的基本原理和算法实现过程,并利用图像梯度的熵和标准差来自适应调整阈值,实验结果证明该方法有效,极大地提高了棉花异纤检出率.     

基于Canny算子的机械零件图像分块自适应边缘检测

针对自动生产线上的机械零件图像几何特征,提出一种基于Canny算子的分块自适应边缘检测方法.主要包括基于鼠标框选的图像不均匀分块和基于Otsu算法的检测阈值自适应生成等.实验表明,该法有较强的抑制噪声能力,检测准确,是一种有效的机械零件图像边缘检测方法.     

基于改进Canny算法的女性服装款式轮廓检测研究

为了降低女性服装多样性(如纹理、款式等)在边缘提取环节带来的难度,提出一种改进Canny算法,使得服装款式图像的轮廓提取更具有实用性和强适用性.创建女装图像的样本库后,对样本进行图像预处理,并使用Otsu算法对所获得的灰度图像进行二值化,凸显出目标的服装轮廓.然后在Canny算法中采用自适应的双阈值进行边缘分割,提升边缘的准确性,并设计追踪算法,提取服装款式的外部轮廓,减少了纹理和服装所形成的噪声.根据实验结果,对比微分算子算法和改进Canny算法.该算法在女性服装款式轮廓提取时,表现出良好的鲁棒性、准确性和连续性.     

基于Canny算子的图像边缘检测与提取的算法

近年来,图像分析和处理紧紧围绕理论、实现、应用三方面迅速发展起来.图像边缘识别在实际应用中一直是图像边缘检测中的热点和难点,迄今已有许多边缘检测方法,其中Canny算子在图像边缘的检测与提取中已经取得了较好的处理效果.     

基于改进分水岭算法和Canny算子的医学图像分割

针对分水岭算法存在的过分割问题和医学图像的特点,比较并选取了彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的,然后利用阈值分割方法消除无效梯度信息,并用分水岭算法处理所得到的梯度图,再结合Canny算子提取的物体边缘得到分割结果.实验结果表明:该方法能够有效消除局部极小值和噪声干扰,得到精确的分割结果.     

基于改进的各向异性扩散方程Canny的边缘检测算法

在计算机视觉中边缘检测是一个热门的研究领域。边缘检测能缩减大量数据并滤掉无用的信息,同时保护图像中重要的结构特征。Canny边缘检测算法是一个经典的算法,对此提出基于改进的各向异性扩散方程的检测算法,以克服传统算法对噪声的敏感性。传统Canny算法的双阈值需要人工赋值,针对不同的图像具有使用缺陷,因此,提出基于Otsu方法的自适应方法。实验表明,改进的算法有效地提高图像边缘检测的准确性,定位精确度高。     

基于TBB的并行Canny算法

在诸多图像边缘检测的算法中,Canny算法具有边缘检测性能良好、不易受噪声的影响、可以在噪声和边缘检测间获得很好的平衡等优点,不足之处是计算量大、实时性差。针对Canny算法存在的计算量大和实时性差等问题,提出了一种并行实现策略,即基于Threading Building Block(TBB)工具和C++语言的并行Canny算法,可以有效的缓解上述问题。通过串、并行算法执行时间的比较,证明了并行算法的优越性。     

结合图像增强和改进Canny算子的遥感图像边缘检测

针对遥感图像对比度低和含有大量混合噪声,采用传统Canny算子难以有效地提取遥感图像边缘信息,本文提出一种结合图像增强和改进Canny算子的遥感图像边缘检测算法.首先利用NSCT(非下采样轮廓波变换)将图像分为高低频子图,采用高斯滤波器对高低频分量进行去噪预处理,并重构得到预处理后的图像;然后运用Top-hat变换对预处理后的图像进行图像增强突出细节信息;最后采用改进Canny算子得到边缘图像,并去除部分孤立点得到最终边缘图像.实验结果表明,本文算法相比传统Canny算子具有更好的去噪效果,有效增强了图像对比度,可以保留遥感图像更多真实边缘,改进了传统Otsu方法,提高计算效率.     

基于有向无环图的时间——费用优化调度算法

在网格计算环境中,基于时间限制和费用最小的有向无环图（DAG）调度算法,运用了经济规律把网格用户的任务映射到网格资源中运行。该文综合考虑时间、费用以及任务间的优先关系等诸多QoS需求,提出了基于有向无环图的优化调度算法。通过仿真实例,论证了该算法的优越性。     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

基于边被收缩图的有向有环图有向割集求解算法

为了提高有向有环图有向割集生成算法的效率,通过收缩有向有环图环路中的边将有向有环图转换成带收缩顶点的有向无环图,并使得生成有向无环图有向割集的算法可以生成有向有环图的有向割集.在理论上分析了本文提出的算法的时间复杂度和空间复杂度,并进行了实验测试.理论分析和实验测试的结果表明本文提出的算法是很高效的.     

使用基于Canny理论的算法自动识别及筛选菌落

在微生物研究中,经常需要大量挑选重组子或突变子,工作量十分繁重。本文基于Canny算子,提出了一种算法用以自动识别及筛选菌落,从而减轻这一操作的工作量。该算法能够直接处理彩色图像,充分利用彩色图像信息,能很好的检测彩色图像边缘,从而自动识别菌落。算法既继承了传统Canny算法优点,又针对检测差异菌落图像这一实际目的做了优化。除能进行菌落图像边缘检测外,本算法还使用边缘曲线半径、长短轴比、像素半径比等菌落图像描述参数来表述菌落,以此来区别不同菌落。结果表明该算法能准确识别菌落,对特征不同的菌落,区分效果良好。结合算法开发相应仪器,可以自动化识别并筛选菌落,在需要进行大量的菌落挑选时,该方法具有一定实用价值。     

基于曲率和活动轮廓模型的重叠细胞分割算法

提出了一种基于曲率和活动轮廓模型的重叠细胞分割算法,用于解决重叠细胞显微图像边界难以自动分离的问题.该算法使用Otsu算法和形态学滤波得到重叠细胞整体轮廓,并根据其曲率信息来定位细胞边界接触点,再采用活动轮廓模型分割得到重叠区域轮廓,最后结合边界接触点信息将其与整体轮廓拼接得到单个细胞轮廓.实验结果表明,算法实现了重叠细胞的分割,分割得到的细胞完整度高,且算法具有一定的鲁棒性,表明该算法用于重叠细胞的分割是可行、有效的.     

一种改进的基于Canny算子边缘检测算法

 基于已改进的Canny算子, 用半像素插值方法将已改进的3×3模板扩展为5×5模板, 并利用归一化自相关最大值的方法判断边缘方向, 缓解了传统Canny算子由于噪声影响使检测效果有断边缘或假边缘的现象. 实验采用接受者操作特性曲线评价提出的算法性能. 结果表明, 与已有算法相比, 改进算法的检测效果有所提高, 可以精确边缘方向, 同时减小假边缘点出现的概率, 对线条边缘丰富的图像效果尤其显著.     

基于有向图模型的多模态新闻图像检索研究

不同模态特征描述网络新闻数据各具优势。为充分利用不同模态特征的优点,提高网络新闻图像检索准确率,提出了一种基于有向图理论模型的多模态特征融合检索方法。首先对新闻图像进行预处理,提升新闻图像兴趣点对比度,之后对新闻文本提取关键词,然后对新闻图像进行场景辨别,结合图像人物特征,将文本、场景、人物特征依据有向图理论模型进行融合,形成基于有向图理论模型的多模态融合检索。在10万条新闻数据上测试,实验结果表明,本文提出的方法检索准确率达到了69%,查全率达到70%,效果提升了5%。     

自适应Retinex与Canny的炉膛火焰边缘检测算法

对炉膛火焰图像的增强与检测是获得炉膛内部燃烧情况的重要手段.首先,提出了一种自适应多尺度Retinex算法,提高了火焰清晰度和炉膛火焰与炉膛的对比度.其次,提出了识别火焰边缘改进的Canny算法,提高了火焰边缘清晰度.仿真结果表明,炉膛火焰与环境对比度得到提高,改善了图像的视觉效果,火焰边界连续且轮廓清晰.     

基于全局有向图的商品会话序列推荐算法

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况, 在一定程度上丢失整体商品访问趋势的问题, 提出一种新的基于全局有向图的商品会话序列推荐算法. 首先, 构建商品会话序列全局有向图, 图中节点为商品, 节点间的弧表示点击次序, 并用图数据库存储该有向图; 其次, 给出在有向图上的全局偏好传播策略, 同时考虑点击时间因素对推荐的重要影响; 最后, 获得待推荐商品的评分. 在Diginetica和Yoochoose标准数据集上, 该算法根据P@20标准, 比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%; 根据MRR@20标准, 则分别提升了15.04%和33.88%. 实验结果表明, 该全局有向图搜索和评分策略有效.