一种改进的模糊边缘检测算法

在全面分析Pal.King模糊边缘检测算法的基础上,针对已有算法存在的缺陷,提出了一种改进的模糊边缘检测算法。该算法给出了利用遗传算法确定最佳隶属度阈值的方法,采用简单的隶属函数,简化了Pal.King复杂的变换和逆变换,根据需要对μc进行优化处理,较快获取理想效果,将“Max”和“Min”算子结合起来提取图像边缘。仿真结果表明,采用改进的方法边缘检测质量得到了很大改善,运算速度得到了显著提高。     

改进的快速图像模糊边缘检测算法

边缘检测是图像预处理中最重要的内容之一,本文通过对Pa1模糊边缘检测算法进行 改进,提出一种改进的新的模糊边缘检测算法。该算法采用简单的隶属函数,速度快(比Pa1算法快10倍) 。该算法具有较强的检测模糊边缘和细小边缘的能力,图像的边缘采用min或max算子来提取。仿真结果表明:该算法是一种实用、高效的边缘提取算法。     

一种改进的模糊边缘检测算法

针对Pal.King算法的缺陷，通过定义新的模糊隶属函数，并引入饱和增强点和广义渡越点参数，给出了一种新的模糊边缘检测算法。访该算法具有速度快、效果好、能够检测模糊边缘和细小边缘的优点，最后仿真结果验证了该算法的有效性。     

一种改进的模糊增强算法

针对在图像处理的过程中要面对许多含糊不清的情况,采用模糊集理论这一有效的数学工具是非常必要的。本文在研究模糊增强传统算法的基础上,提出了一种新的隶属度函数。它克服了传统算法中的变换强度较小、运算速度较慢和丢失部分灰度信息等缺点。另外,为了更好地保持图像的细节,本文在模糊增强算法中引入了平滑处理,完善了图像的模糊增强系统...     

Kirsch边缘检测算子快速算法

本文利用经典边缘检测模板算子８个方向模板之间的内在联系。提出了一种快速Ｋｉｒｓｃｈ算法。实验表明。采用ＦＫＣ算法可将图像的处理速度提高到采用经典Ｋｉｒｓｃｈ算法所达到的运算速度的３倍以上。     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

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.     

一种改进的SUSAN边缘检测算法

SUSAN算法是一种基于图像灰度比较的算法,不涉及梯度的计算。对基于灰度比较的SUSAN边缘检测算法进行了讨论,提出一种改进的SUSAN边缘检测的算法。首先对边缘做初步的估计,然后再运用SUSAN算法对边缘定位。最后对该算法用VC 进行了编程实验,实验证明改进后的SUSAN算法在计算量大为减少的情况下,边缘检测效果不会变差。     

一种基于蚁群优化的显著边缘检测算法

该文提出一种基于蚁群优化的显著边缘检测算法。该算法利用相位编组方法计算支持区面积作为描述图像边缘梯度方向一致性的指标,将梯度幅度和支持区面积结合起来形成启发信息和信息素增量的计算方法,采用线性加权方法将信息素、梯度幅度、支持区面积3种信息综合起来得到蚂蚁转移概率,通过引入禁忌表增大蚂蚁的活动范围。实验结果表明：该文提出的算法能够有效检测图像中的显著边缘特征,对多类图像都有良好的适应性,而且收敛速度较快。     

基于分形理论的边缘检测算法

图像边缘检测在图像分析以及图像理解中是十分关键性的一项技能,采取多种分形方式来提取图像边缘,并对几种分形方式进行对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长,而利用图像的分形特征以及统计特征来进行测度,并选择多种测度方式,可提高图像边缘区域的精细程度,得到更多的图像信息资源。     

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.     

基于模糊熵的自适应图像多层次模糊增强算法

该文对图像模糊增强算法中的非线性变换进行了较深入的研究,发现了其存在的问题,例如变换的强度较小,运算速度较慢,丢失部分灰度信息等缺点.提出了一种新的模糊增强变换算子,该变换算子不但克服了上述缺点,而且具有封闭性、变换强度可调性以及移植性好等优点.并将该算子成功地引入到多层次图像模糊增强算法中,取得了较好的效果;另外,该文针对以往算法需要人工介入设置阈值参数方可进行图像增强的缺点,通过模糊熵的引入,新算法可以自动地选取最佳的阈值参数而不需人为的介入,因而成功的解决了这一难题;最后,将新的多层次模糊增强算法应用于图像边缘检测中,取得了优于现有模糊增强方法的效果.     

一种基于模糊逻辑的图像增强算法

在分析Pal模糊增强算法不足的基础上，提出了一种改进的模糊增强算法，该算法简化了Pal算法中复杂的变换和逆变换运算，并采用新的增强算子，可根据不同类型的图像动态调整隶属度阅值υc，克服了Pal算法中隶属度阅值设置为固定值的不足，而且减少了迭代次数。实验证明，该算法适用面广，尤其时对于灰度范围相对比较集中的低对比度的医学图像，处理效果更佳。     

图像边界检测的区域对比度模糊增强算法

分析了Pal的区域对比度模糊增强边界检测算法的不足,给出了一种新的用于增强图像区域之间对比度的广义模糊算子,并利用升半梯形模糊分布将空间域的灰度图像变换为对应的广义隶属度.最后给出的两个实例表明该算法提取图像边界速度快、效果好.     

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.     

An Improved Algorithm for Image Edge Detection Based on Lifting Scheme

Wavelet transform is an ideal way for edge detection because of its multi-scale property, localization both in time and frequency domain, sensitivity to the abrupt change of signals,and so on. An improved algorithm for image edge detection based on Lifting Scheme is proposed in this paper. The simulation results show that our improved method can better reflect edge information of images.     

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.     

基于全向小波的图像边缘检测算法

 针对现有边缘检测算法难以提取图像任意方向的边缘特征,提出基于全向小波的图像边缘检测算法.首先,定义了全向小波的概念、构造其模型并推导了全向小波的最大值与梯度模值相等的关系.理论分析表明本文算法始终沿小波变换值的最大值方向提取边缘.然后,选择二维高斯函数实例化模型,以8方向和3×3变换窗为例进行算法设计.标准图像对比试验表明本文算法能提取更多方向的边缘特征、边界清晰度也比SADD算法、Canny算子分别高出约2.17%、8.66%.