Sobel算子改进边缘检测算法在混凝土裂缝识别中的应用

大型建筑、道路及桥梁等表面裂缝问题是其安全性检测中不能回避的问题,传统的人工检测手段,不仅速度慢,其计算精度也有待提高,更重要的是对于不安全的位置,使用人工检测危险性高。针对该问题,提出基于Sobel算子的改进边缘检测算法对图像进行处理,能够准确识别混凝土表面裂缝的边缘。     

一种简单的图像边缘保护算法

针对一些图象存在线，尖顶等细节较多的情况，对图像边像素点灰度值与其领域点灰度值关系进行研究和分析，提出一种简单的边缘保护算法，用该算法实现的滤波器对具有上述特征的目标图象进行滤波，较好地滤除噪声，同时使图像的边缘得到较好地保护，该算法简单易行，处理目标图象较快。     

边缘检测算子在武夷岩茶图像处理中的比较

图像处理是计算机视觉的重要组成部分,而图像边缘是图像非常重要的特征之一。结合武夷岩茶弯曲度大的特点,采用5种经典算子,即Roberts算子、Sobel算子、Prewitt算子、LoG算子和Canny算子来检测茶叶图像边缘,并通过实验结果来比较这5种算子的区别。     

图像边缘检测算法研究及其MATLAB实现

本文研究分析了边缘检测算法的特点,介绍了Sobel算子和Canny算子边缘检测的基本原理,并利用MATLAB进行了仿真实验,分析了两种算子的优缺点。     

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。     

边缘检测和证据理论在机器人目标识别中的应用

以NAO机器人为平台,在机器人视觉算法的基础上,研究了NAO机器人的有色目标识别方法。采用基于HSI颜色空间的离散小波变换方式,利用可自动适应阈值Canny算子边缘检测方法和双阈值法提高了图像边缘的准确性和容错性。通过NAO机器人双摄像头系统进行图像的颜色标定,提出的基于模糊系统下证据理论的双摄像机融合策略能够有效地减少颜色之间的标定冲突,将目标图像的识别性能提高约29%。     

基于改进SUSAN原则的小目标边缘检测算法

为解决叶片图象中害虫弱小目标的检测问题,提出了基于改进SUSAN原则的检测方法,该方法通过重新定义SUSAN原则,设置恰当的阈值,使之对小目标极为敏感,抑制背景和噪声。实验证明,本文设计的算法具有较高的效率和很好的抗噪声能力,是一种有效提取小目标的边缘检测方法。     

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。     

复杂腔体零件机器视觉图像亚像素边缘检测

基于复杂腔体类铸造零件机器视觉系统中的边缘检测问题,提出了一种改进的灰度矩亚像素边缘检测方法。提出了以模糊模型代替阶跃模型,将误差函数运用到矩方法的边缘检测算法。通过实验对检测精度和运行速度进行了对比,结果表明,改进的灰度矩边缘检测算法比传统算子具有更高检测定位精度和更快的速度,可满足图像目标高精度实时在线测量要求。     

基于Canny算子的边缘检测研究

详细介绍了Canny算予边缘检测理论的基本原理,给出了Canny算子的具体算法过程．对实验结果从主客观方面分析、对比表明,Canny算子提取边缘的效果较理想．     

基于机器视觉的车道标志线检测研究

针对车辆辅助驾驶或自主驾驶中的车道保持问题, 研究了基于视觉的车道标志线实时检测方法. 介绍了系统组成、工作原理和车道模型, 并着重讨论了车道图像的检测算法. 其主要思想是在图像上选取几个合适的处理区域, 通过对每个处理区域进行适当的预处理、边缘检测和霍夫变换等过程来提取车道描述特征. 试验结果表明, 该方法具有实时性好、识别可靠性高等特点, 在一定程度上能为后续的辅助驾驶或自主驾驶提供决策依据.     

一种新的模糊边缘检测算法

基于信息论中最大熵原理 ,提出了一种新的模糊边缘检测算法 .首先介绍了模糊概率、用条件概率与条件熵定义模糊划分熵的概念以及模糊划分的原理 .算法利用了自然划分以及梯度图像模糊划分的关系 ,在条件概率与模糊划分熵的基础上 ,通过最大模糊熵原则实现图像分割中最优阈值的自动提取 ,从而实现图像的边缘检测 .对不同测试图像的边缘检测结果进行比较 ,表明了该算法的有效性 .     

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.     

数字图像处理研究性实验教学的改革与实践——基于分数阶偏微分的图像边缘检测

以开放实验"图像边缘检测创新方法设计实验"为例,介绍了数学实验室如何在传统实验中适当引入新的研究内容开展创新性实验。用分数阶微分方法研究图像边缘检测,对数字图像处理研究性实验教学进行探索,使图像处理实验成为培养学生创新能力的载体。实践表明,教学效果明显改善,该创新实验的引入不仅能有效地加深学生对数字图像处理基本理论的理解,而且能培养学生的实践动手能力,有效地实现创新能力的渗透式培养。     

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。     

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。     

基于机器视觉的软包锂电池表面缺陷检测

针对软包锂电池表面缺陷检测,基于机器视觉技术提出了一种改进的自动检测方法。 对图像进行预处理后,将Canny 算子检测法和Close_Edges 算子检测法相结合,分割出软包锂电池表面的缺陷?最后以最小外接矩形法计算出划痕的长度和宽度,以累加法计算出针孔的直径。 实验结果表明该方法能够有效分割出软包锂电池表面的划痕和针孔,缺陷尺寸计算的误差低于5%。     

基于LabVIEW机器视觉的二维码实时识别系统设计

为了能够实时采集图像并识别二维码所包含的信息, 通过LabVIEW构建程序框图, 运用图像灰度化、图像二值化、图像定位等研究方法, 设计了一套运行速度快、代码简洁、成功率高的二维码识别系统.测试结果表明, 识别成功率较高, 运行速度约35 ms/图, 可以满足生活或工业要求.     

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。     

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.