基于局部模糊分形维度的图像边缘检测算法

介绍了一种局部模糊分形维度,并将该技术应用到图像边缘检测中.将像素覆盖方法推广到N维模糊离散集分形维度的计算就得到了局部模糊分形维度.给出了局部图像的LFFD计算流程和基于LFFD的图像边缘检测方法.采用实例验证了本文的算法,实例结果显示,本文的算法是正确的、可行的和有效的.     

基于局部边缘二值模式的图像检索

在定义局部边缘的基础上提出了局部边缘二值模式(LEBP),并结合Gabor滤波器将其扩展到多分辨率LEBP(MLEBP)。对传统的中心对称局部二值模式(CS-LBP)和方向局部二值模式(D-LBP)进行了改进,新描述符在不增加计算复杂度和提高特征维数的基础上,进一步融入了局部边缘信息。为验证新描述符的性能,采用3个通用的纹理图像库进行图像检索实验。结果表明,结合本文方法,明显提高了传统描述符的分辨能力。     

灰度值不连续图像的边缘检测方法研究

对灰度值不连续图像的边缘检测方法作了研究，把梯度法，门限法和边缘跟踪法等3种方法分别用于目标图像，进行比较并得出了结论。     

基于最大模糊熵的红外图像边缘检测算法

针对红外图像边缘检测这一难题,结合红外图像及其梯度图像的特点,在红外梯度图像模糊划分的基础上,提出了一种基于最大模糊熵的红外图像边缘检测方法.首先通过改进传统Sobel算子构造出红外图像的梯度图并研究其直方图特点,然后对其进行自然模糊划分,最后根据最大模糊熵准则确定最优模糊参数,进而确定梯度图像的最佳分割阈值,从而实现边缘提取.与传统的基于梯度的边缘检测算法进行对比实验,结果表明,该方法用于红外图像边缘检测能获得更好的效果.     

一种遗传算法优化的图像模糊边缘检测方法

提出了一种遗传算法优化的图像模糊边缘检测方法.首先利用方向模板对图像进行卷积,求得梯度图像.然后对梯度图像的直方图进行模糊化,针对模糊窗宽参数的选取困难,根据图像确定了模糊函数窗宽的范围,利用遗传算法的全局搜索性能进行阈值的搜索,并利用最小图像模糊率来确定最优阈值.根据得到的阈值对梯度图像进行分割,得到图像的边缘.结果表明,边缘检测效果较好,显著提高了运算速度.     

一种基于神经网络图像边缘检测的方法

本文提出一种采用组合神经网络对图像边缘检测的方法,该组合神经网络由自组织竞争型神经网络和BP神经网络所组成,结合遗传算法,通过学习与训练,可实现对图像的边缘检测。     

基于局部三值微分模式的人脸识别方法

为了减轻噪声干扰,提取更为丰富的人脸鉴别特征,提出了局部三值微分模式算子。通过判断近邻像素灰度值是否在某个范围内对当前像素的局部微分模式从二值扩展到三值,然后将扩展后编码的Uniform模式的空间直方图依次相连形成人脸的特征向量,采用卡方统计算样本相似度并进行分类。在ORL、Yale和CAS-PEAL-R1人脸数据库上的实验结果表明,提出的算法的识别性能优于局部二值模式和局部微分模式。     

基于标准差梯度的模糊边缘检测算法

红外图像的边缘检测是图像处理领域的难题之一。结合红外图像的特点,将最小误差原理推广到模糊域进而应用到红外图像的边缘检测上,提出了一种基于标准差梯度的红外图像模糊边缘检测算法。首先提出了一种基于标准差的梯度算子,将图像中潜在的边缘区域很好地区分出来;而后引入模糊最小误差阈值算法．根据此算法自适应提取了标准差梯度图像中的最优阈值,从而实现了红外图像的目标边缘检测。与传统的基于梯度的红外图像边缘检测算法进行对比实验,结果表明,该算法用于红外图像边缘检测能获得更好的效果。     

基于边缘检测的图像提升小波降噪方法

图像边缘是图像最有用的高频信息。因此,在图像降噪的过程中,能否较好地保存图像的边缘信息,直接决定了降噪处理的成败。鉴于这一思想,提出了基于边缘检测的图像提升小波降噪方法。该方法在图像降噪之前,先通过提升小波边缘检测的方法确定图像的边缘信息,然后将图像的边缘信息与噪声信息进行区分,有针对性地对含噪图像进行降噪,这样便可有效地保护图像的边缘信息,达到预期降噪的效果。提升小波以计算速度快,能形成整数到整数的可逆变换的优势在数字图像处理领域有着广泛的应用。     

基于二值化的边缘图像滤波方法

图像经过边缘提取之后常会带有各种噪声,提取的边缘还不能满足我们的需要。讨论了对边缘图像的滤波方法,先对图像进行二值化,再进行区域标记,处理后的图像再与边缘图像进行与运算。实验结果表明,该方法对提高边缘图像的质量是非常有效的,并且具有非常高的实用性。     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于相对熵的水下图像模糊增强与边缘检测算法

采用一种基于相对熵的水下图像模糊增强算法对深海结核分布丰度图像进行处理.该算法首先使用基于阈值选取的图像分割原理确定一个阈值参数,然后根据此阈值参数定义隶属函数,从而将图像转化为等效的图像模糊特征平面,通过在模糊平面上采用相对熵的算法对图像进行增强运算,最后实现对图像的边缘检测.仿真结果表明该算法是有效的.     

基于NSCT和边缘检测的图像融合算法研究

近年来,图像融合已经成为计算机视觉领域一向有价值的新技术,论述了NSCT变换理论,先将图像作非下采样拉普拉斯金字塔尺度分解,在各个尺度层对高频子带作非下采样方向分解,然后分别采用基于区域能量和边缘检测的融合规则得到融合图像的非下采样Contourlet低频和高频系数;最后再进行非下采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合图像多项指标都优于Contourlet变换、NSCT变换。     

基于Laplacian算子的图像边缘检测方法研究

在分析图像边缘特性及其Laplacian算子检测原理的基础上对经典Laplacian算子算法进行改进，以便能准确地检测出图像中的目标边缘，并利用该改进算法来检测彩色图像的边缘。     

一种改进的模糊边缘检测快速算法

比较全面的分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法.该算法不仅克服了Pal.King模糊检测算法定义的不足,简化了复杂的变换和逆变换运算,而且针对Pal.King算法中对隶属度阈值设置为固定值的不足,提出了确定模糊增强变换中最佳隶属度阈值的自动算法;并在此基础上实现模糊增强函数中增强阈值的自动获取.仿真结果证明,该算法效率高、提取边缘精细、适用面广,是一种很有实用价值的图像处理算法.     

一种基于阈值分割的红外图像边缘检测方法

针对红外图像对比度和信噪比低,经典的图像边缘检测方法对实际图像难以检测的特点,提出了一种基于阈值分割的边缘检测算法。首先利用最大方差阈值法分割出红外图像的目标图像,其次用线性拉伸的方法对目标图像中存留的噪声进行去除,最后运用Sobel算子对目标图像进行边缘检测得到结果图像,并与经典的Roberts边缘检测算法、Sobel检测算法、Prewwit检测算法、Gauss-Laplacian检测算法进行比较。实验结果显示该检测方法是可行、有效的。     

基于Sigmoidal函数最小二乘拟合的一维图像边缘检测方法

在线阵 CCD 检测系统中,图像的边缘检测是关键技术之一。传统阈值比较法容易受到随机噪声的干扰,为了减少这种干扰,提出了一种基于Sigmoidal函数最小二乘拟合的一维图像边缘检测方法。利用Sigmoidal函数对图像边缘区域内所有点的灰度信息进行最小二乘拟合,能够有效避免单个信号点上的噪声对测量结果的影响。对拟合函数一阶求导,并寻找其一阶导数最大值对应点,该点即为图像的边缘位置。实验分别采用阈值比较法和基于Sigmoidal函数最小二乘拟合法,对采集图像的边缘位置检测结果进行比较,实验结果表明,基于Sigmoidal函数拟合方法稳定性好,具有较高重复精度,能够有效抑制系统随机噪声的影响,具有较好的检测效果。