基于改进Sobel算子的表面裂纹边缘检测算法

文章针对经典Sobel边缘检测算子存在图像边缘定位精度不高和对噪声敏感等缺点,通过分析引水压力钢管表面裂纹图像的特点,提出了一种改进算法.首先增加6个方向模板,提高定位精度;其次,对于使用8个方向模板检测的图像运用迭代阈值分割算法进行二值化处理,去除伪边缘;最后利用形态学膨胀算法连接裂纹.经实验证明,该算法能够有效地提...     

基于Sobel算子的车辆轮廓边缘检测算法

本算法是在经典Sobel算子基础上,结合汽车本身的实际情况,增加了6个方向模板,同时利用基于L^2范数的各同性扩散去噪模型消除噪声,最终得出汽车轮廓图。仿真结果表明：该算法对汽车图像的噪声干扰有较强的抑制能力,汽车轮廓提取定位更准,精度更高,图像更清晰。     

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。     

一种改进的Sobel算子边缘检测及细化算法

针对经典的Sobel算子存在的边缘定位精度不高和边缘提取较粗等缺点,对经典Sobel算法进行了改进:在原有的两个方向模板基础上增加了135°和45°2个方向模板,并通过非极小值抑制和邻域标准差叠加获取梯度图像,提高了边缘定位精度和增强边缘强度;对梯度图像在3×3邻域内采用梯度阈值结合边缘方向进行了边缘细化处理;实验证明,该算法不仅有效地解决了Sobel算法提取边缘过粗及定位不精确的问题,而且使图像边缘更连续、清晰.     

Sobel边缘检测的细化

边缘检测是数字图像处理中基础而又重要的课题,Sobel算子是图像边缘检测中常用的方法之一。首先将Sobel与其他几种常用的边缘检测算子进行分析和比较,对经典的Sobel算子进行更深入的研究,Sobel算子的优点在于检测速度快,对噪声都具有平滑作用,对噪声具有一定的抑制能力;虽然产生了较好的边缘效果,但也存在一些问题:检测出了一些伪边缘,使得边缘比较粗,降低了检测定位精度。针对Sobel算子存在的问题,研究学者提出了一些改进的方法,如:扩展检测模板,边缘跟踪等方法,在分析这些方法的基础上,提出一种新的简单的Sobel算子改进方法。这种方法在经典的Sobel算法检测出的边缘的基础上对边缘进行细化,实验证明该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,定位精确。     

基于Sobel算子含噪低对比度图像的边缘检测方法

在分析噪声图像、低对比度图像的各种边缘检测方法及Sobel算子检测原理的基础上,提出了一种以Sobel算子为基础,应用直方图均衡化和二值化的改进算法.经实验证明,改进过的算法对含噪低对比度图像具有较好的检测效果,与传统的Sobel、Canny算法相比,具有边缘连续、清晰的优越性.     

基于复合边缘检测算子的焊缝边缘提取方法

根据对焊接过程中采集的图像特征分析,提出了一种基于复合边缘检测算子的焊缝边缘提取方法,即通过Sobel边缘检测算子对焊缝区域进行锁定,然后采用Canny边缘检测算子对焊缝的上下边缘进行精确定位.结果表明,该方法能够有效去除焊接过程中弧光等因素对焊缝提取结果的干扰,得到快速稳定的结果.     

基于VC++的改进的图像边缘检测算法研究

对4种常用的图像边缘检测算子的特点进行了分析和比较。在此基础上,针对LOG算子存在的一些缺点,运用选取阈值的方法,将Sobel算子和LOG算子结合起来,提出了一种新的图像边缘检测方法。基于VC＋＋语言,研究了该方法的设计并得以实现。实验结果表明,相对于单纯的LOG算子,该方法更具有实用性和有效性。     

基于FPGA的Sobel边缘检测架构

本文提出了一种基于Field Programmable Gate Array(FPGA)实现的高效8-bitSobel边缘检测硬件架构,通过结构优化和引入流水线技术,不仅减少了硬件资源利用率,并且提高了系统运行的最大频率。与三种现有的Sobel边缘检测架构相比,第一种是传统的Sobel边缘检测结构,另外两种也是8-bitSobel边缘检测结构。结果表明,本文提出的8-bitSobel边缘检测结构比传统的Sobel边缘检测结构在硬件资源上减少了37.55%,运行速度上提高了14.74%.尽管与运行速度最快的8-bitSobel边缘检测结构相比在速度上降低了1.24%,但是在资源率上提高了25%。因此,本文提出的8-bitSobel边缘检测架构更适用于硬件资源有限的平台。     

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...     

改进的图像边缘检测算法的FPGA实现与仿真

针对经典Sobel算子方向和模板尺寸的局限性及FPGA硬件处理速度快、并行流水线处理等特点,本文提出了对图像边缘8个方向进行检测并由Verilog语言编程实现的改进的Sobel算子。FPGA仿真结果表明,改进的Sobel算子可以优化图像边缘检测效果,同时可以并行处理多张图像,满足图像处理系统的实时性要求。     

AVS帧内预测算法DSP平台的实现

结合TMS320DM6446平台硬件特性,完成D1分辨率AVS帧内预测算法实时实现。采用了单宏块双缓冲处理机制,实现EDMA传输与DSP处理AVS帧内模式选择并行完成。对耗时的残差运算和重构运算进行汇编级指令集优化,经过汇编级优化后,残差运算所需时钟周期数是只经过C语言级优化的6.03%;重构运算所需指令周期是只经过C语言级优化的4.43%。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

基于Sobel算子的池化算法设计

池化算法是卷积神经网络中用于特征降维、参数压缩、扩大感受野的重要一层。针对现有的池化方法没有充分考虑到池化前特征图的整体内容及风格特征分布问题,提出了一种通过Sobel算子对卷积后的特征图计算每个特征点的梯度值,并根据梯度值分布确定每个池化窗口取最大值、均值或者最小值的池化算法。该算法充分考虑了特征图池化前后的整体内容及风格特征分布,保持了特征图的整体不变性。实验表明,该池化算法在VGG、ResNet等经典网络架构上取得了优异性能,具有普适性,可用来替代常用的最大池化、平均池化。     

小波包多载波调制算法及DSP实现

为实现小波包多载波调制，设计了小波包多载波调制的DSP实现方案．采用一种等效结构，将小波包多我波调制转化为串／并变换、小波包综合和脉冲成形3个环节，小波包综合和脉冲成形由小波包快速算法（Mallat算法）实现．以高速浮点DSP为硬件平台，编程采用软件流水优化和DMA技术．利用Mallat算法的特点，采用交替组合法使算法中乘法的运算量减半．所设计的软件在TMS320C6701EVM评估板上成功实现实时运行．CCS环境下的实测结果表明：软件流水方法产生目标代码的运行效率已接近该DSP的最高性能．     

基于多核DSP的动目标检测算法的设计与实现

脉冲多普勒处理无法解决跨距离单元走动问题,而跨距离单元走动补偿算法运算量大,不利于工程化实现。为了解决上述问题,利用高性能浮点DSP处理器TMS320C6678,采用距离分段方式来实现动目标检测。该方法对检测空间进行距离分段,对近距离目标使用MTD方法进行检测,而对远距离目标,考虑到跨距离单元走动问题,使用基于Keystone快速变换的长时间积累算法。实验结果证明,该方法不仅能够有效的降低处理器的运算量,而且一定程度上能够对远距离目标跨距离单元走动进行有效补偿。     

基于DSP的运动目标实时检测自适应算法

嵌入式系统中运动目标检测存在噪声影响大、实时性差的问题。采用TI系列的TMS320DM642设计了一种运动目标自适应检测系统。首先计算相邻帧图像差值的熵值,通过三帧差法自适应地提取目标。最后,将该算法移植到了DSP平台。实验结果表明,该算法能有效解决三帧差法中噪声干扰问题,而且实时性好。