一种改进的边缘检测算法

对传统的微分边缘检测算法进行了分析和评价。针对微分边缘检测算法的缺陷,提出了一种改进的边缘检测算法。新算法将待检测像素的邻域也作为一个考虑的对象,通过计算该邻域的性质,从而增加了梯度运算的可靠性。实验表明,新算法能够检测到更细的边缘,并且在椒盐噪声的情况下要优于常用的微分边缘检测算法。     

一种基于非线性拉普拉斯滤波的边缘检测方法

我们已开发和评价了采用非线性拉普拉斯算子和Ｍａｒｒ Ｈｉｌｄｒｅｔｈ边缘检测模型的一个边缘检测方案。当信噪比据４０ｄｂ至１００ｄｂ范围变化时，该方法对图像中宽为一个象元的边缘进行检测，效果很好，也很灵活，我们将结果与文献中的结果做了比较，就所选用的试验图象看，得到的结果至少一样。而在大多数场合较之用其它类型的边缘检测器得到的结果要好得多。在比较中采用普拉特的质量因数作为定量的性能测定。当信比很低时     

一种消除不规则地物影响的规则地物边缘检测算子

对传统的边缘检测算子来说，虽然本身或在使用方法上都有一定的抑制噪声能力，但是效果并不明显，所以本文提出一种改进的方向方差算子，能够在检测“规则”地物边缘的同时，有效的抑制了“不规则”地物的影响。实验中，与传统的边缘检测算子进行了比较，结果证明本算法是有效的。     

一种基于小波变换的新的边缘检测方法

阐述了基于小波变换模局部极大值的多尺度边缘检测原理.提出一种基于图像的小波分解细节来检测图像边缘的方法,经实验,该方法得到的边缘图像明显好于经典的边缘检测算子.     

一种带有方向的边缘检测算子在道路边缘提取中的应用研究

提出了一种带有方向的边缘检测算子,以高分辨率遥感影像为例,进行了道路边缘提取实验。研究结果表明,与经典的LOG算子相比,该算子提取的道路边缘,断线少、噪声低,在线状地物的提取中有较明显的优势。     

基于多结构元的形态学边缘检测方法研究

针对传统边缘检测算子的缺点,研究了基于数学形态学的边缘检测方法,给出了基于多结构元的抗噪型形态学边缘检测算法的具体流程,进行了实验对比分析,表明该方法具有较好的边缘提取能力和抗噪性。     

数字图像边缘检测方法的探讨

首先介绍有关边缘的定义与特征,阐述边缘检测方法Roberts算子、Prewitt算子、Sobel算子、二次微分(Laplacian算子)、模板操作(Kirsch模板、Prewitt模板),并介绍Marr理论的边缘检测方法。还简单说明边缘检测的应用。     

序贯一维型边缘检测新算法

本文提出一种既可用于从图象上提取具有某种用途的一维边缘,又可用于提取具有多种用途的二维边缘的序贯一维型边缘检测新算法。由于构成该算法重要组成部分的基础算子的作用,以及将二维问题化为一维问题求解而使其明显具有简单,快速、有效的特点。该算法还具有Abdou ^[1] 等所建议的边缘检测算子应具有的两个特性。     

边缘检测Prewitt算子的改进算法

本文对Prewitt经典算子进行了分析,根据算法的计算规律提出了一种改进的计算方法,通过对常规算法与改进算法的计算量进行比较分析,从理论上说明了改进算法具有简洁的处理步骤,提高了处理的速度;又通过对200幅256×256影像的具体实验证明,改进算法不仅拥有与原算法相同的效果,而且,处理时间显著缩短。     

基于预测的边缘检测方法

提出了一种基于预测的、有一定自适应性的边缘检测方法。介绍了其原理和算法实现过程。通过计算两个相邻像素的灰度值的均值、均方差和梯度来预测下一个像素的灰度值,比较预测值和真实值来判断下一个像素是否是边界点。通过与现有同类算法的比较,证明了该算法的优越性     

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。     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子,以二值形态学为理论基础,将原有的形态学梯度算子进行改进,进行图像处理时,首先选用迭代阈值的方法对图像二值化,然后利用改进的形态学梯度算子提取图像边缘信息.实验结果表明,将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,且有很好的抗噪能力.     

图像平滑与边缘检测的迭代算法

图像平滑和边缘检测是图像处理、计算机视觉等领域研究的经典问题。区别以往对这两个问题独立求解的做法，文中作者将图像平滑与边缘检测问题结合起来综合考虑。首先，提出了基于全局边缘特征的边缘检测算法并对自适应平滑算法进行了改进。然后，利用迭代处理的思想对图像进行平滑和边缘检测，得到了迭代的平滑与边缘检测算法。实验表明，该算法可以有效地解决平滑过程中的细节保持和边缘检测时剔除伪边缘这两个难题。     

一种应用于遥感影像的自适应边缘检测算法

本文基于传统的边缘检测算法提出了一种自适应的边缘检测算法,算法对传统边缘检测的4个过程进行了替代与改进,适用于遥感影像。本算法对梯度算子依据距离加权,构造了较为精确的梯度算子模板;通过二次非极大值抑制,保证了单次响应原则,间接提高了定位精度;提出了阈值圆的方法进行阈值判定,并通过静态动态结合的检测方法提高了算子对不同频率区域的适配性;引入引导滤波进行影像平滑,在去噪同时,良好地保持了边缘特性。实验结果表明：本算法符合单次响应原则,误检率低,定位精度高,细节清晰,边缘检测完整,适合于遥感影像的边缘检测。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

SAR影像边缘检测算法研究

边缘检测是影像分析的基础,但由于SAR图像中存在强的、乘性的相干斑噪声,使在光学图像中有效的边缘检测器对于SAR图像不再适合。提出一种针对带有斑点噪声的SAR影像边缘检测改进算法,运用此算法与传统MRoA,RGoA和MRGoA算法对一幅真实的SAR影像进行处理,并且使用不同指标对处理的结果进行比较分析,试验结果证明本算法的有效性和实用性。     

一维边缘检测算子的递归算法

本文对边缘检测理论和算法作了理论和实验方面的深入研究，选用Ｄｅｒｉｃｈｅ依据Ｃａｎｎｙ设计思想导出的边缘检测算子，证明了递归算法代数卷积算法实现边缘检测的基本原理，导出了几种算子逆归算法的实用公式，实验证明递归算法比卷积算法实现边缘提取在速度方面有着明显的提高，为一维影匹配中数字影像特征提取提供了快速而实用的边缘检测方法。     

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。     

基于蚁群算法的边缘检测

蚁群算法是近些年发展起来的一种群体智能优化算法,它利用生物信息激素作为蚂蚁选择后续行为的依据,并通过蚂蚁间的协同与交互来完成全局寻优搜索过程。本文将该算法用于边缘检测,建立图像边缘与信息场之间的联系。提出了基于像素邻域的8个启发信息检测算子,指导蚂蚁选择最优边缘路径,并能自动确定分割阈值。对灰度图像进行模拟实验与经典分割算子进行对比,结果表明,该算法可以精确提取边缘特征,细节特征更为清晰。