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.     

基于前视红外图像的边缘特征检测算法评估

随着技术的发展和实战需求的提高,基于前视景像匹配的制导方式成为了新一代精确制导武器中的研究热点。针对前视红外实时图匹配预处理中边缘特征检测的四种典型算子(Roberts,Sobel,Log,Canny)进行了研究。结合实际采集的前视红外图像数据,对四种算子的可识别性和处理的快速性进行了仿真验证,给出了评估结论。     

结合Sobel算子的蚁群红外图像边缘检测

红外图像边缘检测是红外图像处理的重要组成部分,蚁群算法应用在边缘检测方面具有良好的表现,但算法中蚂蚁初始位置的随机释放使得蚂蚁一开始会在非边缘区域耗费时间.采用Sobel边缘检测算子来引导蚁群边缘检测算法中蚂蚁初始位置的分布,使其以较高概率成为边缘的像素点作为起点对图像进行全局搜索,在对高概率区域检测的同时也将算法迭代...     

基于模糊梯度的微齿轮图像边缘检测算法

提出一种基于模糊梯度思想的微齿轮图像边缘检测算法.该算法采用正切归一化函数对灰度图像模糊化,并计算该模糊图像的梯度矩阵;采用正弦函数对梯度矩阵进一步模糊化得到模糊梯度矩阵;采用基于归一化实数编码的遗传算法来搜索最优的阈值λ对模糊梯度矩阵做截集,获取图像边缘点集合.实验中以不同微齿轮图像作为实验对象,测试了该算法性能.实验结果表明,该算法的检测精度优于10μs,检测时间基本为1s,整体性能优于Canny算法和Pal-King算法.     

一种基于模糊熵划分的边缘检测算法

基于信息论中最大熵原理,提出了一种基于梯度图像的模糊划分边缘检测算法。该算法首先根据图像边缘的特点和类型构造出新的梯度算子,再根据梯度图像自然划分以及2-划分的关系得到模糊2-划分条件熵,基于最大模糊条件熵原则实现梯度图像划分中最优阈值的自动选取,实现图像的边缘检测。仿真实验结果比较表明,该算法用于边缘检测能获得较好的效果。     

几种边缘检测算子在红外图像处理方面应用研究

为了从原始红外图像中提取目标轮廓信息,并克服图像对比度低、噪声干扰大等缺点,需要对红外图像进行边缘检测处理。文章分析Sobel,Canny等几种常用边缘检测算子原理并将其应用于红外图像的边缘检测,同时根据仿真结果比较了它们所代表的一阶梯度算子、二阶梯度算子以及复合检测算子在不同类型红外图像边缘检测中的表现,总结了不同算子检测效果的特点并分析其对应的理论依据。为今后红外图像处理中边缘检测算子的选择提供了参考。     

基于模糊神经网络的边缘检测方法

本文提出了一种集合模糊神经网络的边缘检测方法。首先,将每一个像素的4方向特征矢量与6个边缘模型矢量的距离测度作为输入模式送入到自组织竞争神经网络的输入层,通过这个网络进行边缘分类,得到粗边缘图像。在分类结束后,采用竞争规则来细化边缘,得到粗细适度的边缘图像。最后,从边缘图像中剔除斑点,得到最终理想的边缘图像。将我们的方...     

基于正交Gaussian-Hermite矩的边缘检测方法

边缘对应着图像中高频成分,为实现有效抑制噪声,同时又要尽可能地保持目标对象边缘信息,采用一种基于正交Gaussian-Hermite矩理论的边缘检测方法,提出了不同阶次矩的结合方案,针对具有复杂背景的红外图像进行目标检测.仿真实验结果表明该算法平滑效果好且能准确定位目标对象的边缘位置.     

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．     

基于多层次模糊增强的图像边缘检测

在图像边缘检测中,往往需要提取不同灰度层次的边缘,而图像的边缘通常具有不确定性．多层次模糊增强可以较为有效地确定图像的边缘,使得不确定的边缘变成确定．对于多层次模糊增强,各层次灰度级的选取直接关系到边缘提取的有效性．文章提出的算法可以有效地确定图像各层次灰度级．     

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.     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

基于Clifford代数的多光谱图像边缘检测

为了充分利用多光谱图像不同图层之间的关联性,采用Clifford代数描述多光谱图像.在Clifford代数空间中,定义了多光谱图像的Clifford微分与Clifford梯度.在此基础上,提出了一种新的多光谱图像边缘检测与融合算法.该算法首先计算出各像素点的Clifford梯度,进而得到Clifford梯度范数;然后以此为依据,判断像素点是否为边界点,从而得到多幅边缘检测图像;最后,将这些图像融合,便可得到最终的边缘图像.与基于最大熵的多光谱图像边缘检测算法的比较结果表明,算法由于利用了多光谱图像不同图层之间的关联性,因而可以更好地保留边缘信息,获得更完整的边缘检测效果.     

基于直觉模糊集的阔叶树苗叶片边缘检测

针对田间或苗圃植物背景的复杂性,为准确从采集的样本图片中分割出树苗叶片,提出了一种基于直觉模糊集的阔叶树苗叶边缘检测算法。首先采用3×3模板分别对RGB颜色空间中的R、G、B灰度图进行x方向、y方向、45°以及135°方向模糊聚类,然后采用最大类间方差法提取模糊聚类图像的阈值,最后根据阈值检测出阔叶苗叶边缘。对经典的基于微分算子的边缘检测法与该研究提出的边缘检测算法进行了分析比较,结果证明该研究提出的算法能较好地检测出阔叶树苗叶边缘,特别对于重叠区域叶片也能检测出边缘。     

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。     

基于均方差比归一化垂向梯度法的位场边界检测

针对位场数据处理中边界定位精度和识别能力的问题,提出一种新的边界检测方法——均方差比归一化垂向梯度法。均方差比(MSER)可进行边界识别,是针对边界点异常方向性和均方差衡量数据波动性提出的,对全区数据点4个方向的均方差进行归一化后选择各个数据点均方差比的最大值作为滤波输出实现的;均方差比归一化垂向梯度(NVD-MSER)可进行边界增强,是通过均方差比的垂向梯度及其总梯度的比值实现的。模型试验对比分析结果表明,NVD-MSER方法具有计算稳定性强、反映的边界位置连续性好、与实际模型边界对比偏差小的优点,这说明NVD-MSER法有较强的边界检测能力。用NVD-MSER法可以检测出黑龙江虎林盆地19条断裂,而欧拉反褶积只能识别出11条断裂,说明NVD-MSER法增强了对断裂平面位置的识别能力。     

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.     

用模糊概率检测图象边缘的方法

提出一种用模糊概率检测图象边缘的方法；详细讨论了边缘隶属函数的建立及用模糊概率检测图象边缘的具体方法和步骤。最后给出用该方法检测图象边缘的实例，结果令人满意。