一种连续相位板焦斑边缘轮廓的提取方法

为了获得连续相位板（CPP）焦斑的外形尺寸,提出一种焦斑边缘轮廓的提取方法。连续相位板焦斑图像内部梯度起伏较大,直接应用传统边缘检测方法,易形成内部伪边缘。通过对焦斑图像依次作梯度处理、阈值分割、空间扫描和椭圆拟合,可以有效地获取焦斑边缘轮廓。比较了分别采用Laplace, Sobel, Krisch, Log算子进行梯度处理的提取结果,结果表明:采用Krisch算子,焦斑边缘轮廓提取的结果更稳定可靠。比较了阈值分割时不同阈值情况下的提取结果,表明阈值选取在背景梯度均值的110倍至180倍时,焦斑边缘轮廓提取结果比较可靠。     

激光雷达距离像的实时边缘检测

针对激光雷达距离像边缘检测精度低、抗噪性能差和需要人为设定阈值的问题,提出一种改进Sobel算子的边缘检测算法,算法通过增加梯度检测方向提高算法的边缘定位精度,采用中值滤波计算局部距离像边缘阈值,在实现自适应阈值的Sobel边缘检测的同时增强算法的抗噪性能,同时采用FPGA硬件加速,实现算法实时性边缘检测。此外,设计激光雷达距离像采集系统,通过实验验证该算法能够满足高精度实时边缘检测的要求,较好提取距离像的完整边缘信息,具有一定的工程应用价值。     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

高能闪光照相中Sobel算子的边缘检测方法

 针对高能闪光照相中投影图像的特点,对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析,发现该算法存在检测出的边缘粗和人为进行阈值的选取会造成边缘点的误判的缺点;为此提出了一种阈值确定方法和基于最大梯度的定位准则算法。改进的算法实测结果表明：该方法有效地解决了Sobel算子检测出的边缘过粗的问题,得到的边缘较细,定位精确,提高了边缘检测精度,可用于高能辐射照相中的边缘提取。     

改进的3D Canny算子在MRI乳腺图像分析中的应用

摘要：为了突破Canny算子普遍适用于二维图像的局限性和实现大批量三维MRI乳腺图像的精确边缘提取,结合了基于二维Canny算子和三维边缘检测方面的相关知识,提出了一种基于二维非极大值理论的三维非极大值抑制新方法和迭代法自适应双阈值选取的方法。现有的三维边缘检测算子在非极大值抑制方面选取像素点,考虑x,y,z三个轴的信息,通过比较该像素点与梯度方向上两个点的幅值大小。为了简化模型,在三维空间内寻找一个角,用它取代与三个轴的梯度方向角,在此基础上实现线性插值。根据图像二维直方图的形状,采取迭代法双阈值的方法,避免了传统的人工选取阈值的繁琐。通过主观评价对边缘检测结果进行分析,结果表明,改进的3D Canny应用在MRI乳腺图像中也能达到比较好的结果。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

基于图像处理的零件二维尺寸检测方法

为了提高零件二维尺寸测量精度和效率,提出一种基于图像处理的非接触式检测方法。对零件图像进行灰度化、采用自适应中值滤波算法来减小图像数据量以及除去噪声;通过最大类间方差法自动确定阈值获得二值图像;采用形态学梯度算子提取图像边缘,并用最小二乘法拟合像素尺寸;通过标准件法对系统进行标定获得零件尺寸。以6204-Z型深沟球轴承作为实验对象,获得轴承内、外径的尺寸。与游标卡尺测量结果比较,所提出的图像处理方法获得的内、外径平均误差达到9.6μm和0.7μm。通过实验对比与分析,方法快速有效,具有较高的准确性和良好的鲁棒性。     

图像跟踪中的边缘检测技术

为提高电视图像跟踪系统的图像检测精度,实现对目标的稳定跟踪,研究一种有效、实时的图像检测方法非常必要。本文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,如传统的基于经典微分算子的边缘检测、LOG滤波器与Marr Hildreth边缘检测算子、多灰度图像边缘聚焦法、Canny边缘检测算子、基于梯度信息的自适应平滑滤波和基于小波的边缘检测算子等。给出了边缘检测技术在实际图像跟踪中的应用实例,指出实际的电视图像跟踪系统可以根据不同的图像类型,考虑安全性、稳定性、精度噪声等因素,选择最优的边缘检测方法。     

中阶梯光栅光谱仪谱图背景去除算法

中阶梯光栅光谱仪凭借交叉色散特性实现全谱瞬态直读,面阵探测器接收的二维光谱图像需要还原成一维谱图以提取有效波长。由于二维谱图含有庞大的数据,且有效信息仅占极小比例,因此在谱图还原前进行背景去除能够减小数据量、提高运算速度。详细分析了中阶梯光栅光谱仪二维图像的特点,并针对其特点提出了背景去除算法。将图像边缘检测方法应用于弥散光斑的检测中,选择合适的边缘检测算子与原始图像卷积得到边缘图像,设置边缘图像的全局阈值对其进行二值分割,最终利用二值边缘图像映射原始图像得到去除背景的二维谱图。依据不同元素灯在不同积分时间下所拍摄的谱图,对比不同边缘检测算法的背景去除效果,分析了各算子对算法速度、精度的影响。实验结果表明本文提出的算法运算简单、边缘图像阈值易于计算、目标提取精度高,处理后的图像可以与谱图还原算法有效对接,谱图处理速度显著提升。     

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中, 大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘, 当边缘部分被噪声严重污染时, 这些方法不能有效检测出这些边缘, 因而无法保留边缘特征. 为了较完整的保留图像的区域信息, 用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理, 得到图像熵序列, 并将图像熵序列作为边缘检测算子引入到扩散方程中, 不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端, 而且能较完整地保留图像的区域信息. 然后, 用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值, 设计最佳阈值控制扩散强度, 建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD). 分析与仿真结果表明, 该模型与经典模型相比, 保留了更多的图像信息, 能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息, 较完整的保留了图像的区域信息, 性能指标同样也证实了新模型的优越性. 另外, 该模型的运行时间较经典模型的短, 因此, 该模型是一个理想的模型.