基于多尺度的Canny边缘检测算法研究

为了解决传统边缘检测算法检测精度不高、稳健性不好和抗噪能力差等弱点,文章提出了一种基于多尺度的Canny边缘检测算法,该算法充分利用了小尺度影像和大尺度影像的优点,既能检测出图像边缘的整体轮廓,又能检测出图像细节。并运用MATLAB编程与几种经典边缘检测算法做了详细对比,采用ROC曲线进行了精度定量评价分析。实验结果表明,基于多尺度的Canny边缘检测算法检测结果更清晰,稳健性更好,而且抗高斯噪声能力也相当理想,能够有效地提取图像边缘信息。     

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。     

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。     

常用图像边缘检测算子定位精度对比研究

图像边缘检测一直以来都是图像处理与分析领域的研究热点。这里介绍了几种经典的边缘提取算法及其原理,对各种方法的优缺点进行了分析,并通过试验对不同算子边缘检测结果进行了详细的精度分析与比较,为边缘检测算子的选择提供了一种较好的参考。     

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MATLAB的边缘检测算法研究

边缘检测是处理与剖析图像的主要内容之一,它在文字识别、车牌识别、遥感特征地物的提取等生产和生活领域发挥着非常重要的作用。但是,不同的图像有着不同的特征,到目前为止,没有一种统一的方法对所有的图像及地物的特征进行边缘检测。针对这一不足,本文首先探讨了4种经典的二值化算法和相应的改进二值化算法,并将经典算法与改进后的算法进行对比分析,然后利用Canny算子对二值化处理后的图像进行边缘检测。得出结论,迭代法和改进的迭代法与Canny算子相结合作为边缘检测的方法是一种高效率、高精度的方法。     

改进边缘能量聚集的半全局匹配算法

针对传统半全局算法匹配时间长和视差突变处易存在误匹配的问题,提出了一种改进边缘能量聚集的半全局匹配算法。在半全局匹配算法的基础上,引入金字塔分层策略,通过对图像降采样进行加速匹配,降低匹配算法的复杂度,减少内存的消耗。利用Canny算子获得分层图像的边缘信息,匹配时根据边缘信息改进边缘处的代价聚合并构建自适应窗口减小视差搜索域,获得正确率更高的视差图。结果表明,该算法可将明显提高匹配速率,降低运算复杂度,提高正确率。     

自适应Canny边缘检测算法研究

在分析传统Canny算子边缘检测原理的基础上,提出了一种自适应Canny边缘检测方法。文中方法在保持了传统Canny算子原有的信噪比高、定位准确和单边缘响应优点基础上,提高了抑制虚假边缘的能力,并且利用全局阈值分割方法自适应确定动态阈值,提高了边缘检测的自动化程度,在实际应用中取得了良好的效果,通过实验证明了自适应Canny边缘检测方法是一种有效的边缘检测改善方法。     

FCM聚类算法协同Canny算子的遥感影像边缘检测方法

提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法,算法采用中值滤波消除原始遥感影像中的非高斯噪声;采用FCM(Fuzzy C-mean)聚类算法将滤波处理后的遥感影像中的像素分为两类:边缘类像素和非边缘类像素,并得到聚类影像;最后采用Canny算子对聚类影像进行边缘检测得到遥感影像地物边缘信息。实验结果表明,文中提出的方法能有效消除遥感影像中的混合噪声并准确地检测出地物目标的边缘,是一种有效的遥感影像边缘检测方法。     

灰色系统理论在图像边缘检测中的应用研究

提出了一种将邓氏关联度与经典的Prewitt边缘检测算子相结合的边缘检测方法。采用Prewitt算子作为参考序列,图像各像素点及其8邻域构成比较序列,计算参考序列和比较序列之间的邓氏关联度,依据邓氏关联度的大小来判断图像的边缘。仿真实验表明,该方法可以较准确地检测出有用的图像边缘信息,具有一定的抗噪能力,提取的边缘比较完整,非边缘点少,连续性好。     

一种基于灰度剖面分析的边缘提取新算法

针对影像中梯度较小的模糊边缘,提出了一种自适应梯度的概念和边缘检测算法。基于新的梯度概念,可以根据刀刃曲线的实际形状自适应地计算影像中每一点的梯度,比较理想地消除边缘的渐变效应(模糊)对边缘检测的不利影响。试验表明,这种梯度计算方法对模糊边缘的检测具有较好的效果。     

常用边缘检测算法在不同影像海岸线中提取比较研究

海岸线是区分海洋与陆地区域的基本线。由于区分不同的海岸线时的标准不同,因此,不同的海岸线在卫星影像上提取方法也各不相同。本文采用常用的边缘检测方法,如Sobel 算子、Roberts算子和Canny算子三种算法对人工海岸和沙质海岸线进行提取比较,并通过实验数据验证评价3种算子提取海岸线的效果。     

全极化SAR图像边缘检测的随机距离法

提出了一种基于复Wishart分布随机距离的PolSAR图像边缘检测方法,将统计学中的随机距离理论引入PolSAR图像边缘检测中,依据的主要原理是边缘两侧类别之间随机距离的大小与边缘的方向和两侧类别差异的高度相关性。通过模拟数据对随机距离检测边缘的性能进行了全面分析,表明随机距离具有准确的边缘定向和定位能力。并利用基于复Wishart分布随机数生成器模拟的PolSAR图像和一景机载全极化SAR图像进行了验证。试验结果证实了该方法检测边缘的效果。     

用改进的BP网络进行图像边缘检测

由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此提出了一种基于改进BP网络的边缘检测方法。在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量,然后用样本图像对四层BP网络采用改进BP算法进行训练。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。     

利用灰色理论进行图像边缘检测

提出了一种基于灰色系统理论的边缘检测算法。该算法根据边缘点在像素邻域数列上表现出的与非边缘点的不同特征,分别选择典型非边缘像素的邻域数列和待检测图像所有像素的邻域数列作为参考数列和比较数列,利用斜率关联度计算两者之间的灰关联度,据此区分是否为边缘像素。实验表明,该算法对于椒盐噪声和随机噪声有较好的抗噪能力,提取边缘效果较好。     

基于边缘检测的优化算法的小波阈值图像去噪

目前,小波阈值去噪方法简单有效,已成为图像去噪领域中常用的去噪方法.但传统的小波阈值去噪方法存在一些缺点,在去除图像噪声的过程中会出现去噪不彻底、噪声残留和噪声误判的问题.本文首先利用小波边缘检测算法确定图像边缘特征的小波系数;然后,根据噪声的方差设置优化阈值函数去噪,即在以往统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软闽值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活.经过优化的小波阈值去噪后得到平滑图像;最后,把小波边缘检测图像镶嵌入平滑图像中.实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留图像的细节,使图像更加清晰,提高了信噪比.     

一种新型雷达图像边缘提取技术

由于合成孔径雷达系统的有限带宽，使阶跃边缘变成斜坡型边缘，线条型边缘变成屋顶边缘，斜坡型边缘甚至难以探测。在本文中针对合成孔径雷达图像，提出了一种新型的边缘提取方法。这个方法分为二个步骤；首先根据图像亮度进行局部分割（如在一个5*5的窗口内），得到亮度不同的两个区域。第二步：将亮度不贩 两个区域边界作为图像的边缘，并根据亮度变化确定图像的边缘，将这个方法用于合成孔径雷达图像边缘提取，成功地提取了合成孔径雷达图像的边缘信息。     

基于差异信息理论的彩色图像边缘检测算法

分析了彩色图像具有较大信息差异性的本质特征,结合灰色系统的差异信息理论,提出了采用差异信息理论进行彩色图像边缘检测处理的新方法。该算法首先分析彩色图像基元的结构特点,确定彩色图像差异信息序列,然后通过计算差异信息测度、信息熵相对测度、差异信息相对测度确定图像边缘点。实验表明,采用该方法进行彩色图像边缘检测具有一定的可行性和有效性。