一种新的模糊彩色图像边缘检测算法

为提高算法的普适能力,本文提出了一种新的模糊彩色图像边缘检测算法。算法引入了特征散度度量像素差异性,凭借多尺度理论去噪和准确定位的优势,有效地检测彩色图像的边缘。与传统的边缘提取算法和模糊竞争算法相比,模糊彩色图像边缘检测算法较好地降低了彩色图像大样本数据的运算量,得到更满意的效果,与人的主观视觉感知具有良好的一致性。     

一种提取模糊图像边缘区域的双阈值分割方法

针对目标和背景在同一平面的图像，提出一种双阈值分割方法获取图像由目标过渡到背景的边缘区域，并将提取的边缘区域平均梯度用于图像清晰度的评价，评价效果较好．     

基于Pal算法改进的边缘模糊检测算法比较分析

边缘检测是图像分析和计算机视觉中最重要的内容之一.80年代中期,从图像所具有的不确定性是由模糊性引起的观点出发,首次将模糊集理论引入图像的边缘检测中,提出了图像边缘检测模糊算法(简称附算法).与传统的空间域微分算法相比,该算法具有较好的抑噪、边缘检测效果,但是此算法仍然存在不少缺陷.就三种改进的模糊算法从算法原理和检测效果上与传统的Pal算法进行比较分析,用以说明改进算法能取得更好的检测效果.     

一种改进的Sobel边缘检测和细化算法

提出了一种改进的Sobel边缘检测和细化算法,用8个方向的模板对灰度图像进行边缘检测得到粗边缘图像,将粗边缘图像再进行Sobel边缘检测得到新的边缘图像,将前者减去后者得到差值图,从而得到边缘较细的边缘图,对于边缘模糊的部分,这种过程可以重复多次,这样能够捕捉多个方向的边缘信息,使检测到的边缘和边缘细化定位更精确。该算法容易实现,计算量小,速度快,适合作为图像检测中的快速边缘检测及细化。     

一种彩色图像的边缘检测算法

通过对灰度图像的边缘检测的研究,构造了一种新的基于色度差的边缘检测算法,并充分利用彩色图像的颜色信息,将此算法从灰度图像转化到RGB的颜色空间中。这种新方法旨在区别于传统意义上对图像的边缘检测要求的精准性,而把提取出彩色图像中直观形象的轮廓信息作为研究目的。实验仿真表明,该算法提取出的边缘能够较好地反映目标图像中具有代表性的信息。     

一种基于边缘流的图像分割算法及其应用

基于边缘流的图像分割算法以方向相反的边缘流相遇的位置确定对象的边缘,解决了传统基于边缘的图像分割算法难以确定合理阙值的问题.论述了基于边缘流图像分割算法的原理,对该算法进行了调整,将其应用于昆虫图像的分割.实验结果表明:基于边缘流的算法不仅能够有效地分割出图像中的昆虫对象,而且对昆虫对象的各个部分还能进行较为有效地分割.与传统的基于闽值分割算法相比是更好的图像分割算法,促进了计算机视觉技术在农林业领域的应用,促进了计算机视觉技术在农林业领域的应用.     

基于迭代最佳阈值分割的边缘检测研究

为了解决传统的人工定义阈值和检测算子在边缘检测方面的不足,提出了基于迭代最佳阈值分割的边缘检测,并据此进行图像的边缘提取。这种方法不仅大大降低了算法的复杂度,提供最佳阈值,同时也能保证边缘提取的精确度,消除图像噪声对边缘提取的影响。通过对迭代阈值的应用,利用边缘检测算子对图像进行边缘检测,并和现有的方法进行对比。实验结果表明,和现有的检测方法比较,该方法在检测效率和准确度上表现比较优秀。     

基于双阈值分割法的模糊图像边缘区域的提取研究

图像边缘分割技术一直是图像分析处理中最困难的任务之一。本文提出以双阙值分割法来提取模糊图像边缘区域,通过双阙值分割算法的应用获得靠近边缘的初始轮廓,能准确跟踪图像边缘区域。结果表明在提取模糊图像边缘区域中,双阙值分割法具有良好的效果。     

提取数字图像边缘的算法比较

本文简要地介绍了几种经典算子的原理,设计了相关实验来提取图像边缘,并使用Marlab对图像进行边缘检测,分析这几种经典算子的优劣,找出适合进行图像边缘检测的最佳算子.     

几种分形方法在图像边缘检测中的应用研究

介绍并比较了几种基于分形理论的边缘检测技术,包括基于分形编码的图像边缘检测、基于离散分数布朗随机模型的图像边缘检测、基于多重分形方法的图像边缘检测、利用人造目标和自然背景的不同分形特征提取目标边缘。具有不同分形特征的图像采用不同的的算法都可以取得较理想的效果,但实际上无论哪一种算法在解决一定问题的同时也存在不同类型的缺陷。因而,寻求更理想的分形方法应用在图像边缘检测中将仍然是图像处理与分析中研究的主要问题之一。     

机器视觉之边缘检测算法在数码管识别中的应用

本文开发了基于键盘板数码管、LED灯以及按键的自动化测试系统,该系统采集键盘板数码管和LED灯的实时图像,能够识别数码管各段是否正常工作,并分析各个LED灯的颜色,亮度以进行分析判断;利用模拟按键动作来判断按键是否正常工作。解决了以往人工检测,效率较低且容易出现误判的问题。本文利用图像处理中边缘检测手段以实现自动判断多个数码管的位置,实现自动检测,从而大大提高了检测效率和准确性。     

Training a neural network for moment based image edge detection

Edge detection is a crucial step to computer vision. Currently, there is not a single edge detector that has both efficiency and reliability. Traditional differential filter-based algorithms have the advantage of theoretical strictness, but require excessive post-processing. This paper introduces a neural network edge detector that takes advantage of moments features. It functions as a neural pattern classifier that directly estimates the posterior probability from the training data set. Two subsystems can be distinguished and different kinds of learning rules are used. For the end-user, it works as a black box that directly transforms raw images into the edge maps so no complicated postprocessing is required. Tests on both simulated and real images showed the proposed neural network edge detector is superior to traditional operators.     

基于平稳小波变换的高鲁棒性的边缘提取

借鉴平稳小波变换的多尺度分析思想,结合模糊聚类均值法,提出了一种高鲁棒性的图像边缘提取算法.该算法利用平稳小波变换的位移不变性,将小波分解后的分量进行配准构成一像素的特征向量,然后利用模糊c-均值进行无监督分类,分割图像,最后用Canny算子提取图像边缘.用一系列附加不同强度的高斯白噪声图像测试了该算法的有效性.实验证明在图像受到较强噪声(如附加高斯白噪声)污染时,该算法仍可检测到较好的边缘效果,展现出良好的鲁棒性.     

一种基于形态学的线粒体电镜图像边缘检测算法

提出了一种基于形态学的线粒体电镜图像边缘检测算法。首先对图像按需求裁剪,然后根据像素间灰度差异关系实现灰度图的二值化,再利用一套组合的形态学操作实现抽出背景、去除目标区域噪声、平滑边缘,最后通过去除所有内部的点获得线粒体的边缘。实验结果表明,对于电镜图像的线粒体边缘检测,该算法比现有的算法更有效,更接近人工检测的结果。     

A psychophysical-based fuzzy image interpolation algorithm

To produce a smoother and more natural interpolated image, and to preserve and enhance original image details, we defined three perception-based local statistic parameters, namely contrast, noise visibility, and edge strength based on three psychophysical principles, including Weber＇s Law, Fechner＇s Law, and Stevens＇ Power Law, and integrated these parameters into a fuzzy logic system to set up an advanced image interpolation algorithm. Application of this algorithm to detect edge behaviors and local statistical information of images demonstrated better noise removal ability and obtained sharper edges than traditional image interpolation algorithems such as nearest neighbor, bilinear and bicubic interpolation methods.     

利用边缘信息的二值图像遗传恢复算法

多数遗传算法在进行图像恢复时并没有充分考虑图像本身的特点.本文提出了一种新的二值图像恢复算法.它利用二值图像具有0、1两个灰度值和明显的边缘信息的特点,并将该信息加入到遗传算法的变异算子中.变异时,只对非边缘信息点进行0或1改变.实验结果表明,该方法比简单遗传算法的恢复结果更准确,并在一定程度上保护了图像边缘;同时,该方法的恢复结果明显优于传统图像恢复方法.     

多尺度顺序边缘连接算法在乳腺图像边缘检测中的应用

在图像处理与分析领域,边缘检测是一个重要的研究内容。本文将多尺度顺序连接算法（MultiresolutionSequentialEdgeLinking,MSEL）应用于乳腺边缘检测,采用金字塔结构分解图像,用低分辨率子图上的全局边缘信息指导高分辨率子图上的顺序边缘搜索,从而降低噪声干扰,减少了伪边缘,提高边缘检测的准确性。实验表明,多尺度顺序边缘连接检测算法对于乳腺放射图像的边缘检测效果有明显改善。