基于细胞神经网络的图像边缘检测研究

提出一种数字图像边缘检测算法,采用差分进化算法优化细胞神经网络,通过简单的训练图像对细胞神经网络的模板参数进行适应性调整,得到边缘检测算子,采用该算子提取图像的边缘.实验结果验证了算法的有效性,该算法能够获得较好的图像边缘.     

Canny边缘检测改进中的自适应平滑与增强

通过对Canny算子进行边缘检测的过程分析,指出采用高斯模板对图像进行滤波会造成图像的过度平滑并导致图像中弱边缘的丢失,使得Canny算子的弱边缘检测能力降低。提出采用自适应平滑与增强方式对图像进行处理,在平滑图像区域内部的同时对图像边缘进行了增强,提高了Canny算子进行弱边缘检测的能力。     

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.     

一种细胞边缘信息提取的结合型算法

目的 本文较详细介绍了一种提取细胞边缘信息的、基于Canny算子和数学形态学的结合型算法. 该结合型算法的建立为后续细胞图像的目标识别、特征提取、图像匹配等的实现提供一定的理论依据. 方法先采用Canny算子进行细胞边缘的粗提取, 接着运用数学形态学对图像进行一系列操作, 直至检测出细胞边缘. 结果与结论该方法优于传统的微分算子和经中值滤波后再进行Canny算子检测后的边缘效果.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于五阶CNN的图像边检测算法研究

边缘是图像的最基本的特征之一,边缘提取是图像分析中非常重要的步骤,而细胞神经网络是边缘检测中很有效的一种方法.作者基于细胞神经网络(cellular neural network,简称CNN),研究了5阶CNN模板对图像边缘检测的过程,阐述了算法实现过程中的关键步骤,并且证明了算法的稳定性.对图像分别采用基于5阶、3阶CNN算法和经典算子(Prewit、Canny、Sobel等)进行边缘提取,定性分析比较了几类算法在性能上的优劣,定量比较了检测结果的准确性.实验结果表明,基于5阶CNN模板算法的边缘检测结果更加显著,且在硬件实现上能够高速并行计算,实现图像实时处理.     

基于图像增强的边缘检测方法

在对传统边缘检测算法分析的基础上,文章提出了基于图像的自适应增强的边缘检测算法,首先分别对图像的目标和背景物体进行灰度增强,然后对增强后的图像进行边缘提取,并对提取后的边缘图像进行融合。试验结果表明,该方法能有效的提取图像边缘细节,取得良好的边缘检测效果。     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

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.     

小波变换用于多分辨率的图像边缘检测

提出了一种用小波变换检测图像边缘的新方法。它基于小波变换多尺度方法分析图像局部的直方图内的信息,通过对小波变换后直方图内信号零交叉点的检测,得到一序列门限值点用于描述图像的边缘即可检测出图像边缘。选取不同的尺度可得到不同分辨率的图像边缘。文中介绍了小波变换用于图像边缘检测和基本原理,给出了小波变换的快速算法和实际检测结果。     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

基于灰度不均匀图像边缘检测算法改进

边缘检测算法是图像处理中的一个重要的研究内容。该算法的好坏直接影响着图像处理的结果,常用的检测算法常常不能满足特定情况下的要求(例如实时跟踪下的图像处理)。本文在分析了灰度图像各种边缘检测算法的特性的基础上,根据具体需求,对灰度不均匀的图像边缘检测算法进行了改进。实验表明,在图像对比度较差的情况下,应用灰度变换增强后,配合相应的边缘检测算法,可以大大减少运算量,与原来的算法相比,能够取得较好的效果。     

图像边缘检测研究进展

 图像边缘是图像的最基本和最重要的特征之一,它包含了位置、轮廓等许多有用的信息,为人们描述或识别目标及解释图像提供了一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和信息提取的基本手段。已有的图像边缘检测方法很多,但每种方法都尚有不足之处,在某些情况下仍不能检测到目标物体的最佳边缘,未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点,其新理论、新方法不断涌现。对已有方法进行改进,或是按照具体要求设计新方法,是目前边缘检测领域研究的主导方向。本文阐述了边缘检测的研究意义,总结了图像边缘检测的基本思想和检测出的边缘的一般要求,回顾了边缘检测的各种方法,分析了这些方法的优点和存在的不足,总结了边缘检测的最新发展方向。最后分析了现有的边缘评价方法的特点,为边缘检测进一步的研究和应用提供参考。     

一种精确的图像边缘检测法

边缘检测是图像处理与识别中最基础的内容之一,一幅图像就是一个信息系统,其大量信息是由它的轮廓边缘提供的。边缘提取与检测在图像处理中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能。现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待于进一步的改进和发展。提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,从理论上分析了该方法的精确性和较强抗干扰能力,给出此算法的实例并与传统的边缘检测算子Laplacian-Gauss算子、Prewitt算子和Canny算子的检测结果进行了比较。     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

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DM642的图像边缘检测算法研究与实现

实时图像处理技术已经成为最热门的研究课题之一.本文给出基于DM642平台实现实时图像处理系统的设计方案,在分析常用图像边缘检测算子基础上,引入适用于具有灰度渐变、噪声较多图像的边缘检测算子,结果证明在该系统下能实时完成视频图像的处理,给出的边缘检测算子能较好的消除噪声的影响,边缘轮廓清晰.     

轴类零件数字图像边缘检测对比研究

图像处理技术可应用于轴类零件自动检测装配线上,针对图像处理速度慢会导致装配线上自动化检测效率低的问题,对比研究了图像平滑及边缘检测算法,分析了分辨率对图像处理速度及边缘提取效果的影响。实验结果表明,将处理不同分辨率图像的速度与装配线上零件的传送速度匹配起来,可以在实现实时检测的同时提高检测效率。     

图像边缘处理技术

概述了目前边缘检测技术和边界跟踪技术,归纳了一些常用的处理算法,并根据边缘检测结果提出了几种后续处理方法,边缘连接及边界跟踪提取,以得到最终的结果:目标边缘图像。