基于CANNY算子的工业CT图像边缘信息提取

工业CT图像边缘信息提取是缺陷识别及三维重建的关键步骤。传统的边缘提取算法难以对CT图像边缘信息进行有效的提取．文章在对canny的最佳边缘信息检测算子进行理论分析研究的基础上，用VC 实现了该算法，并与Sobel算子、Gauss-Laplace算子提取的结果进行了比较．结果表明，用Canny算子对工业CT图像的边缘信息提取是有效和可行的。     

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。     

基于小波域图像融合的边缘检测算法研究

针对多聚焦度分析和部分有损图像分析中难以提前完整边缘信息的问题,提出了一种基于小波域图像融合的边缘检测算法。它是在小波变换多分辨率分析的基础上,运用图像融合及图像增强理论,使得小波子带边缘信息量最大化,再运用经典的Canny算子边缘检测算法最终实现图像边缘的检测。     

基于粒子群优化的图像边缘融合算法

目前,图像融合算法大多利用源图像信息进行融合,融合模型的建立和融合参数的配置主要依赖于经验,存在随意性。提出了一种基于粒子群优化的图像边缘融合算法：首先对源图像进行多尺度边缘检测;然后利用边缘相关性作为目标函数,采用粒子群算法优化搜索融合参数;最后利用融合后的多尺度边缘重构出融合图像。该算法克服了融合模型对经验的依赖性,使得源图像边缘信息最大量地保留在融合图像中。仿真结果表明,使用该算法得到的融合图像能够有效包含源图像信息。     

基于图像分解与边缘检测的图像去噪方法

针对图像去噪时产生的“阶梯效应”、边缘线条上的光滑性和线状结构不易恢复性,提出基于图像分解与边缘检测的图像去噪方法,首先用图像分解与边缘检测模型将噪声图像分解为结构部分和纹理部分,并提取边缘信息,然后根据边缘指示函数用P—M扩散和相干增强扩散结合的方法对纹理部分去噪,最后将去噪的纹理部分与结构部分组合得到去噪图像。数值试验结果表明,该方法提高了图像去噪的质量,有效避免了扩散中产生的“阶梯效应”,较好地保护了边缘信息,恢复其光滑的线状结构。     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

基于小波变换和微分算子的图像边缘检测

本文提出了一种检测彩色图像边缘的新方法,该方法先把彩色图像分解为红、绿、蓝三基色图像,然后利用小波变换对三基色图像分别进行多尺度的分解,提取其低频系数,用微分算子检测其图像边缘,最后利用多通道信息融合的办法将三基色的图像边缘融合在一起。通过一个实验说明了该方法的有效性。     

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。     

图像分割算法在零件图像测量中的应用研究

通过分析图像测量系统的组成,说明了图像分割算法在零件图像测量中的重要地位,综合阐述了目前常用的图像分割算法的特点。针对零件图像测量的实际应用情况,提出了一种新的图像分割算法,实现了对目标边缘的准确检测。在此基础上设计了边缘检测的亚像素细分算法,对目标边缘进行亚像素精确定位,并用实例说明了本算法的可行性。     

基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

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.     

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.     

基于改进Canny算子的医学图像边缘检测算法

边缘检测作为图像分割的一部分,能够用于医学图像诊断。在医学图像获取过程中不可避免地会出现一些高频噪声,从而对属于高频分量的边缘产生干扰。传统Canny算子在高斯滤波去噪时会滤除一些边缘信息,且需要人为设定高斯滤波方差及高低阈值,缺乏自适应性。通过采用自适应中值滤波去噪,以及采用Sobel算子计算梯度幅值方向,并利用非极大值抑制对图像进行细化,最后利用Otsu计算图像高低阈值,从而对Canny算子进行改进,并在医学图像上进行实验。结果证明,该方法能更准确地检测边缘信息,且具备较强的自适应性。     

基于多尺度数学形态学边缘检测的图像配准的理论研究

在数字图像处理中,边缘检测和图像配;住是两种最为关键的技术本文研究了多尺度数学形态学边缘检测算子,并在理论上提出了基于多尺度数学形态学边缘检测的图像配准算法。     

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。     

几种边缘检测算子在铁路图像中的应用

边缘检测是数字图像处理与分析的基础内容之一,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.介绍了边缘检测技术的基本原理,描述了几种边缘检测方法,并将其应用到铁路图像中,研究了它们处理图像的优缺点.     

基于HVS模型及边缘检测的点扩散算法

针对传统点扩散算法在处理图像时会产生人工纹理且对于图像的边缘轮廓细节处理不够完善的缺陷,提出了一种基于HVS模型及边缘检测的点扩散算法,借鉴迭代法的思想,考虑人眼的视觉特点,减少输出图像的人工纹理,保留图像轮廓细节信息,获得了更好的图像质量。     

基于引导滤波与 LoG 算子的安检图像增强算法

引导滤波是一种能保持图像边缘的滤波器,可用来减少图像噪声。高斯拉普拉斯算子（Laplacian of Gaussian,LoG）在去噪的同时能够检测到边缘信息,并实现图像边缘增强。针对 X 光安检图像噪声大、边缘不清晰、对比度低等特点,提出一种基于引导滤波与 LOG 算子的安检图像增强算法。首先用引导滤波对图像作平滑处理,然后用 LoG 算子检测其边缘并进行增强,最后用限制对比度自适应局部直方均衡化（CLAHE）作对比度拉伸。实验结果表明,该算法与改进 CLAHE 算法相比,平均梯度可提高 50%左右,图像清晰度较高。     

一种基于形态学多结构元素的医学图像边缘检测方法

针对传统检测方法模糊图象边缘及定位精度不高的问题提出一种基于形态学多结构元素的医学图像边缘检测方法.该方法利用多个结构元素和复合算子检测图像边缘,仿真实验结果表明,该方法能够提取清晰的图像边缘,定位精度高,优于传统边缘检测方法.