一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

Canny双阈值算子在边缘提取中的优势

对Canny双阈值算子原理进行了分析,并利用Canny算子处理图像仿真实验对研究区图像边缘进行提取。利用Prewitt算子、Sobel算子、形态学算子处理研究区影像,并将结果进行对比。结果表明,Canny双阈值算子不仅能去除遥感图像中的椒盐噪声,而且能保证边缘提取的精度;与其他算法相比,在提取效率上也有明显优势和优异的稳健性。     

一种基于形态学梯度矢量和自适应模糊的目标边缘提取算法

鉴于现有的形态学梯度边缘检测算子没有考虑梯度的矢量性,在边缘检测部分提出了具有方向估计的形态学梯度算子,并将平滑处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现.同时,在图像分割部分运用了多层次自适应的模糊阈值分割方法,利用自适应的方法对典型的模糊分割器的窗宽进行调整,并运用多层次的局部调整使图像分割后的物体边缘更加完整清晰.     

改进Canny算法的图像边缘增强方法

边缘检测是图像特征提取的关键技术之一.为强化所提取的边缘特征,设计一种联合Otsu算法和多尺度细节增强的策略对传统Canny算法进行改进.首先针对高斯滤波模糊图像细节的不足,利用多尺度细节增强算法对遥感图像进行处理,增强图像的细节信息,降低高斯算法的影响;然后针对传统Canny算法的人为选择阈值带来的不足,利用Otsu算法进行自适应阈值选择,以提高算法的适应性.实验证明,在主观视觉效果以及客观评价指标下,所设计的改进方法对于不同场景的图像边缘特征增强都具备良好的效果.     

一种改进型Canny算子边缘检测算法

在图像边缘检测领域,与传统边缘检测算法相比,Canny算法在解决抑制噪声与保留边缘上效果更好,但在保留边缘细节和减少伪边缘方面仍存在不足。提出了一种改进型Canny算子边缘检测算法,采用具有保边去噪特性的双边滤波器代替高斯滤波器进行去噪,并在非极大值抑制和阈值选取方面做出了改进。实验结果表明,该算法能比传统算法检测到更多的边缘细节。     

基于色差的遥感影像海岸线提取

分析了Canny算子边缘检测的基本原理和存在的问题,介绍了彩色空间及计算方法.根据海岸地带遥感影像特征,探讨了基于色差的Canny算子自适应边缘提取算法.实验表明,改进的算子具有较高信噪比,能达到比较理想的海岸线检测效果.     

基于色差的遥感影像海岸线提取

分析了Canny算子边缘检测的基本原理和存在的问题,介绍了彩色空间及计算方法.根据海岸地带遥感影像特征,探讨了基于色差的Canny算子自适应边缘提取算法.实验表明,改进的算子具有较高信噪比,能达到比较理想的海岸线检测效果.     

基于改进遗传算法的遥感图像边缘检测

遥感图像的边缘信息包含了丰富的地物形状特征,边缘提取是图像分析的重要手段。本文在对简单遗传算法分析的基础上,对它的三个算子进行了部分改进,其中选择算子采用无回放余数随机选择,交叉算子采用非等概率融合单阈值单点交叉,并采用自适应改变的变异算子在保护最优个体的同时,加快较差个体的淘汰速度。把该改进的遗传算法用于遥感图像边缘阈值的选取中,与简单遗传算法相比,缩短了平均进化次数,且图像定位准确,边缘检测效果明显。     

利用多尺度弦角尖锐度累积的自适应角点检测算子

为提高角点检测算法的定位精度和对噪声的鲁棒性,提出了基于多尺度弦角尖锐度累积的自适应角点检测算子。首先,利用Canny算法快速提取图像边缘轮廓;然后,划分轮廓支撑域并将其作为尺度,分别计算3个尺度下的弦角尖锐度均值,并将其累积作为角点响应函数;最后,根据每条轮廓各自的自适应阈值标记角点。实验结果表明,与现有的角点检测算法相比,该算法提高了噪声图像和模糊图像上角点的定位精度和抗噪声能力,并具有自适应性。     

无人机采场图像二维经验小波变换降噪研究

针对传统图像降噪方法难以适用于露天矿无人机(UAV)图像降噪的问题,该文提出了一种基于经验小波变换(EWT)算法思想的露天矿UAV图像快速降噪方法。采用Littlewood-Paley小波算子检测提取UAV图像噪声特征,以提高阈值函数匹配精度;借助改进的自适应H阈值函数对UAV图像噪声进行计算,提高UAV图像边缘细节度;并通过二维经验小波变换逆重构,从而提高UAV图像纹理精度。实验结果表明,本文算法能够实现露天矿UAV图像的快速降噪,保留边缘细节和纹理特征,并具有较好的降噪效果。     

基于二阶局部纹理熵的边缘检测方法

针对传统的边缘检测方法将灰度变化较为平缓的区域误判为边缘的问题,提出了基于二阶局部纹理熵的边缘检测方法。利用了二阶局部纹理熵能表示局部区域灰度变化大小的性质,并采用灰度错位压缩法消除灰度值压缩造成的条纹现象。实验表明,本文提出的方法能有效地检测出各类边缘,解决了上述的误判问题;通过不同大小窗口的边缘检测效果比较,建议在采用基于二阶局部纹理熵的边缘检测方法时将窗口设置为3×3。     

一种基于正则化方法的SAR图像边缘检测算法

提出了一种基于正则化方法的SAR图像边缘检测算法,并用MSTAR(moving and stationary target acquisitions and recognition)数据进行大量的仿真实验。实验表明,与经典的边缘检测方法相比,该方法能保持图像的细节特征,较好地解决了边缘断裂和抗噪问题,具有较好的边缘检测能力。     

A total variation model based on edge adaptive guiding function for remote sensing image de-noising

The unexpected noise generated during the process of remote sensing images formation and transmission process is a main factor undermining the images’ quality and usage. In recent years, thanks to its local self-adapting characteristics, formal normalization, and modeling flexibility, PDE has received wide attention for its image de-noising functions, thus pushing the realization of maintaining image details while successfully de-noising a new goal for remote sensing images filtering. Having firstly analyzed and discussed the TV model and M model, a modified variation-model (S model for short) based on edge adaptive guiding function is proposed in this paper. The model introduces edge adaptive guiding function based on the standard gradient into the non-linear diffusion term and re-constructed approaching term, which adaptively adjust the smooth intensity around edge and texture information-rich regions of remote sensing images. S-model does not only overcome staircase effect that is easily produced in the TV model, but also avoids losing details and texture information which is often seen in M model, it can efficiently eliminate noises, maintain a good image edge and keep texture details perfectly. The experimental results validate the effectiveness and stability of the proposed model.     

基于梯度幅度直方图和类内方差的边缘提取方法

针对复杂背景中目标边缘提取的问题,提出一种基于梯度幅度直方图和类内方差进行边缘提取的新方法———CAGH(cluster algorithm based on gradient histogram)算法。该算法先分析经“非最大梯度抑制”后的梯度幅度直方图的特征,确定边缘集中区域,再通过类内方差确定梯度阈值,并利用该阈值确定边缘。在车牌识别中运用该方法提取复杂背景中的车牌边缘,并与Sobel、Canny等算法进行了比较。结果表明,CAGH算法适应性强、提取效率高,提取的是连通性、独立性好的单像素边缘,有利于后续的特征提取和模式识别。     

一种顾及区域特征差异的热红外与可见光图像多尺度融合方法

针对传统的热红外与可见光图像融合方法对比度低,容易出现边缘细节、目标等信息丢失或减弱的现象,提出一种顾及区域特征差异的热红外与可见光图像多尺度融合方法。首先采用自适应PCNN（脉冲耦合神经网络）模型和二维Renyi熵相结合的图像分割方法,分别对红外和可见光图像进行区域分割;然后利用非下采样Contourlet变换对原图像进行多尺度多方向分解,根据区域的特征差异设计不同的融合规则,融合热红外与可见光图像。实验结果表明,该方法不仅能有效地融合热红外图像的目标特征,还能更多地保留可见光图像丰富的背景信息,融合图像对比度高,在视觉效果和客观评价上优于传统融合方法。     

一种结合四元数与直方图的多光谱图像自适应边缘检测方法

针对图像自适应边缘检测的难点和传统多光谱遥感图像边缘检测方法的局限性,提出了一种结合四元数与直方图的自适应边缘检测方法。该方法在四元数空间,利用矢量旋转完成了多光谱图像的边缘检测,并通过直方图统计的方法获取自适应阈值,实现了边缘图像的检测。利用陆地多光谱遥感图像和水域多光谱遥感图像分别进行实验,验证了方法的有效性。     

基于倾斜摄影建筑模型的采集精度改进与评估

研究了基于倾斜摄影建筑模型的采集以及提高精度的优化算法。针对已有的建筑模型采集方法无法做到很好的精度控制，建筑物边线采集方式单一，获取的边线未经过算法处理的情况，提出了约束条件的建筑边线采集方法，并在此方法基础上通过建筑边线和墙体关系开展优化建筑边线精度的算法研究，即利用给定的采集方法和优化算法。使用该采集方法获取建筑立面线粗图，并将这些数据统一批量优化，进一步从采集阶段和优化阶段有效提高立面线数据的精度。     

一种新的去除遥感影像混合噪声组合滤波方法

提出了一种三层组合滤波的去噪方法,在小波BayesShrink阈值与自适应中值滤波的基础上增加第三层Wiener滤波,利用Wiener滤波对信噪比高的信号去噪效果好的特点可有效去除残留的混合噪声,为了在去噪过程中保留影像的边缘,在滤波过程中加入了边缘提取算法,对影像的细节进行保留使去噪后的影像更加清晰。试验表明,本文提出的三层滤波方法在去除遥感影像常见的高斯与脉冲混合噪声时,效果要明显优于传统的两层组合滤波算法。