基于区域分割与形态学相融合的图像边缘检测

图像边缘检测是图像分析的基础,但现有图像边缘检测方法各有特点,有一定的局限性,因此还需要进一步的探索和研究.根据区域分割和形态学腐蚀的特点,利用基于区域的四叉树分裂合并法对图像不同区域设置不同阈值进行区域分割,对于分布比较单一的内容区域阈值设置一般比较低,然后把分割区域进行腐蚀,从而提取出边缘信息.最后对此方法进行实例仿真,并与Prewitt算子和Canny算子进行比较,可见此算法对于内容比较单一的图像具有较高的检测精度和较强的抗干扰能力.     

基于Marr-Hildreth算子多尺度图像边缘检测

针对监控图像的不同边缘特征,图像噪声大小和对边缘检测不同的要求,利用Marr-Hildreth拉普拉斯边缘检测算子多尺度特征,使用不同尺度的Δ2G算子,对监控图像进行边缘检测.     

基于方向空间的数字图像边缘检测理论与应用研究

成果简介：该项目给出一种新的边缘检测方法，“方向空间边缘检测”，其基本原理是，建立一个方向空间，在方向空间内通过一组不等式判断，分别提取方向Ridge边缘像素和方向Valley边缘像素，构成二值化方向Roof边缘图。再在相邻的方向Ridge边缘像素和方向Valley边缘像素之间，通过求取差分极大值的方法提取方向Step边缘像素，构成二值化方向Step边缘图。最后将二值化方向Roof边缘图和方向Step边缘图通过逻辑“或”操作分别合成为二值化Roof边缘图和Step边缘图。从20世纪60年代提出用梯度方法提取边缘像素至今，尽管众多算法被提出，但边缘检测质量一直没有得到根本解决，因此，边缘检测一直是国际计算机视觉研究领域的热点课题之一。在经典边缘检测算子基础上发展起来的边缘检测算子，主要可以分为最优算子、多尺度方法和自适应方法三大类。[第一段]     

基于边缘检测的各种算子及其特点

图像最基本的特征之一就是图像的边缘,它在图像的分析、识别、重建中都具有重要的作用.文中总结了基于边缘检测的各种算子及其特点,为图像的分割、特征提取、目标识别等奠定了良好的基础.     

多尺度边缘检测与图像分割的马尔可夫随机场模型

利用小波变换模极大值检测图像的多尺度边缘信息，根据这些信息和改进的马尔可夫随机场模型对低信噪比图像进行Ｂａｙｅｓ分割，结果表明，和一般松驰算法相比这种方法改善了图像分割的质量。     

一种基于融合技术的图像边缘检测方案

从信息融合的角度出发,直接运用运算量较小的梯度算子,在分析各种简单梯度算子的互补特性的基础上,将空们有机地融合,其中融合的权重自适应地调整。针对梯度算子在检测边缘时对像素点具有扩散作用及边缘定位不准确等问题,本文采用了松弛标记的技术将融合后的边缘进行了细化,在计算量不显著增加的前提下,提高了边缘检测的质量。     

基于分裂合并法和Ncut法的图像分割

当灰度图像较大,图像中像素较多时,利用Normalized Cut(Ncut)方法分割生成图的节点数目多,从而给算法求解带来困难,所以提出了利用分裂合并法和Ncut法相结合进行图像分割.用分裂合并法将灰度分割成多个区域,结合区域间的灰度和位置信息,再利用Normalized Cut方法在区域间进行划分,完成图像的分割。实验结果证明该方法有效。     

基于次序统计滤波器的阶跃边缘检测

在二值图像的边缘检测理论中,经典的方法是用固定的卷积核构成边缘检测算子,如Sobel算子,Prewitt算子,Kirsch算子和Roberts算子等。它们对数字图像边缘的复杂几何结构缺乏算法自适应性。现作者将随机滤波的思想引入边缘检测,用次序统计滤波器构造随机卷积核,从而引入一种新的随边缘检测算子,将OSF边缘算子,并分别对雷达图像和文本图像实施边缘检测。实验结果证明了OSF边缘算子的有效性。     

空间目标成像的边缘检测方法研究

卫星事业的发展,使得人们有机会获取卫星在太空运行的图像资料。在很多情况下,比如对图像进行感兴趣区域图像压缩等应用,都需要对空间目标成像进行边缘检测。文中研究了边缘检测的原理和各种算法,并且通过实际试验,验证了各种检测方法在空间目标成像中的边缘检测效果,为空间目标成像的边缘检测打下坚实的理论基础。     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

基于Prewitt算子的计算机数字图像边缘检测改进算法

为了使提取的图像边缘的结构定位精确，并产生连续的精细边缘，同时能滤除边缘信息中的噪声干扰，提出了一种以Prewitt算子为基础，应用区域分割和骨架提取的改进算法，实现了图像边缘信息的提取，能消除图像中的噪声，产生精细的边缘。实验证日月，该算法能有效地消除噪声，准确地检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

边缘信息指导下的半模糊聚类图像分割方法

提出了一种利用边缘信息的半模糊均值聚类的图像分割算法，它先用边缘检测和区域生长算法对图像进行一次预分割，确定聚类的初始参数，然后在这个基础上对“边缘”部分的点采用模糊聚类、非“边缘”部分使用分明聚类，避免了模糊聚类时初始参数设定的盲目性，减少了迭代时的计算量，提高了迭代收敛速度．除灰度特征外，聚类时还利用了点到类的距离特征，较好地保持了分割图像的连续性．直接观察对比多幅图像的分割实验结果可以明显地发现，该算法较常用的Cksu方法、二维熵阈值分割方法以及FCM方法的分割结果更准确．就Lena图像而言，该算法的收敛速度也比一般的FCM快了将近一倍．     

基于边缘检测的溢水标记分水岭算法

针对已有标记分水岭算法存在的过分割问题,提出一种基于边缘检测的溢水标记分水岭算法。首先,对遥感影像进行相位一致边缘检测,获取边缘信息。然后,基于获取的边缘信息进行区域增长,检测对象区域的微弱边界,并改善对象边界的位置精度。最后,利用提出的溢水模型生成新标记继续增长,直到得到最终分割结果。在卫星影像和航空影像数据集上的实验结果表明,所提出的算法有效地抑制了过分割现象,能够准确的提取对象区域。     

改进的基于区域合并的纹理图像分割方法

针对自然纹理图像的特点,提出了一种改进的基于区域合并的纹理图像分割方法.首先选择符合人类视觉对颜色的感知区分能力的L*a*b*颜色特征;然后提取图像的Gabor能量作为纹理特征;接着由颜色相似度和纹理相似度的概率加权平均获得2个相邻区域的相似度;最后利用基于最大相似度的区域合并算法交互式地完成图像分割任务.实验结果表明:该方法比仅使用红绿蓝(RGB)颜色特征的相似度测量获得了更加精确的分割效果,并且在相同的初始过分割以及人工交互条件下,优于Lazy Snapping.     

基于区域分割的彩色航空影像建筑物自动检测

为了从高分辨率遥感图像中完整提取建筑物区域,采用区域分割的原理,研究了建筑物自动检测的方法。该方法首先利用利用K-Mean分类方法将地物分为两类:人工地物类和非人工地物类,然后利用阴影、Mean Shift分割信息来剔除人工地物类中干扰区域,再根据形状分析来确定真实的建筑物区域。本文用上述方法对高分辨率航空影像进行了实验,实验结果证明了该方法有着较高的识别率、较好的准确性和鲁棒性,具有实用价值。     

一种基于简单算法的图像边缘检测方案

在分析简单边缘检测算子互补特性的基础上，提出了一种图像边缘检测方案．该方案能够将不同算子检测到的边缘信息有机地融合起来．在算法简单、运算量不大的前提下，提高了边缘检测的质量．     

图像边缘检测方法综述

目的介绍图像边缘检测技术的研究现状。方法总结了经典的边缘检测算子和近年来出现的新的边缘检测方法,分析了各种算法的特点和处理性能,并对它们自身的优缺点进行了论述。结果与结论每一种方法都有优缺点,在图像边缘检测中可根据实际需要选择合理的方法。     

一种基于边缘检测的视网膜图像的分割方法

基于图像处理的理论,提出了一种针对视网膜图像的分割方法。实验结果表明,该方法在保留原图的边界特征的基础上,很好的改善了图像的视觉效果。     

火灾视频图像的边缘自动检测研究

针对火灾视频图像的特点，在介绍了边缘检测的基本思想后，详细研究了火灾视频图像的边缘检测方法和常用的几种边缘检测算子，同时利用拍摄的火焰视频图像对本文提出的算法进行了多次试验，并通过结果图像证实了提出的边缘检测方法效果良好．     

基于K邻近均值滤波器的自适应Canny边缘检测

本文在分析传统Canny算子的优缺点基础上,针对其在平滑滤波和阈值选取上的不足,提出了新的改进算法.该算法首先采用K邻近均值滤波器对图像进行预处理,然后利用非极大值抑制过程后图像本身的信息来自动产生高低阈值对图像进行边缘检测.经过实验证实,使用本算法检测到的边缘连续性更好,边缘细节更丰富,同时阈值选择的自适应能力有所提高.