基于三次B样条小波变换和Franklin矩亚像素级图像边缘检测算法

为了满足精密测量和红外与可见光图像配准对图像边缘定位的高精确度和高抗噪性的要求,提出一种基于三次B样条小波变换和Franklin矩结合的亚像素级图像边缘检测算法。首先,利用三次B样条小波窗函数对图像边缘多层分解,根据小波模极大值原理对各层检测得到初始边缘信息,随后将其边缘点与多尺度范围下3×3邻域内的点进行比较,将模值和幅角相近的点保留,建立新的边缘图像。然后,建立亚像素边缘模型,根据Franklin矩旋转不变性原理,分析图像边缘旋转至一定角度之后各级Franklin矩之间的关系,得到计算亚像素边缘点的模板关键参数,将模板在小波变换得到的新边缘图像上移动并与其覆盖下的子图进行卷积运算,进而得到图像的亚像素级边缘点。实验结果表明,并与当下表现较优的3种算法进行对比,本文提出的基于三次B样条小波变换和Franklin矩结合的算法精确度更高且抗噪性更强,能够更好地满足对于红外与可见光图像配准稳定可靠及高精度测量的要求。     

基于改进Zernike矩的光斑图像亚像素边缘检测算法

为了满足光束质量检测中对光斑边缘高精度的定位要求,采用了一种基于改进Zernike矩的亚像素边缘检测算法.首先由Sobel算子对光斑进行粗定位,再由Zernike矩的边缘模型对获取的像素级边缘进行重定位,最后根据改进的边缘判断条件,确定图像中的实际亚像素边缘点,以完成光斑图像亚像素级边缘的提取.通过对仿真图像亚像素边缘...     

一种基于梯度的亚像素边缘检测算法

采用Sobel算子确定图像边缘的大致位置,然后用三次样条插值函数对灰度边缘图进行内插计算,使目标边缘定位达到亚像素级.再对插值后的图像采用阈值迭代算法得到阈值特征图像.实验表明,该方法能精确定位目标边缘,达到亚像素精度,优于传统的边缘检测方法.     

基于Cinny准则的B样条小波图像边缘检测

基于Canny准则,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则。并在此基础上构造出二次B样条小波,提出了基于小波变换的多尺度自适应阈值图像边缘检测的新方法。     

基于Zernike矩的黑片图像亚像素边缘检测

针对目前像素级边缘检测算子存在精度较低,难于实现黑片零件缺陷检测的高速度、高精度的要求,提出了一种基于Zernike矩的黑片图像亚像素边缘检测方法。实验结果表明,该方法测量精度高,定位精确,提取的边缘坐标能达亚像素级,可应用于黑片缺陷的在线检测。     

基于Canny准则的基数B样条小波边缘检测

本文基于Canny准则,分析了收敛于Canny算子和Marr-Hildreth算子的基数B样条小波,用数学方法分别计算出它们的信噪比SNR、检测精度L和伪边界平均距离M,并通过数学计算证明了用这两类小波做边缘检测时,收敛于Canny算子的小波优于收敛于Marr-川ldreth算子的小波.收敛于Canny算子的基数B样条小波既能象高斯函数的导数一样,近似满足Canny提出的最优准则,同时与Canny算子相比可以快速有效地实现.     

基于小波和Zernike矩的标尺靶亚像素检测算法

为解决特殊环境下基于光电成像的高精度测量系统中的低照度含噪靶面高精度测量的难题,提出了一种基于小波变换和Zernike矩相结合的亚像素边缘检测方法.该算法首先对获得的低照度含噪靶面图像采用基于小波变换局部模极大值的方法进行抗噪声的粗级边缘提取和去噪处理,获得靶面图像的像素级边缘和具有边缘保持特性的无噪声靶面图像,然后通过在边缘区域内求取Zernike矩的方法进一步提高边缘检测的精度,使得边缘检测的精度达到亚像素级,以便进一步提高测量精度.试验和仿真结果表明:该算法能够在特殊环境下实现对低照度含噪靶面的高精度边缘检测和测量,检测精度达到0.2pixel,具有较强的工程应用价值.     

改进Zernike矩亚像素边缘检测算法研究*

针对Ghosal算法检测出的边缘较粗以及手动反复调节阶跃强度阈值引起的效率低的问题,提出了一种改进算法.首先,推导出模板系数,并计算得出Zernike矩.其次,利用推导出的公式计算出距离阈值和边缘阈值,利用Otsu法计算得到最佳阶跃强度.最后,通过设计三组实验,来验证改进算法的有效性.实验证明,改进算法能够更加有效地检测出图像的边缘,减少伪边缘的存在并且细化了边缘,提高了定位精度,同时降低了算法的执行时间.     

一种Zernike矩亚像素边缘检测的优化算法

Zernike矩边缘检测算法是一种基于亚像素级的检测算法,但是传统的Zernike矩算法在阈值选取方面需要人工调试,不具有智能性,无法满足现代高效率工业检测技术的要求。本文为了克服这个不足点,从算法的阈值选取出发,对算法进行了改进,推导出了一种阈值的优化计算方法。实验结果表明这种优化算法能够有效地检测出图像的边缘,并有极高的检测精度,很大程度地提高了算法的检测效率,增强了该算法的实用性。     

用二次B样条小波进行图像的自适应阈值边缘检测

根据边缘检测的评价标准,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则,并在此基础上构造出二次B样条小波,提出了基于小波变换的自适应阈值图像边缘检测的新方法.通过计算机仿真对该算法进行了验证,结果明显好于采用固定阈值的小波边缘检测.     

基于边缘检测小波变换的图像融合研究

本文用基于极大值图像边缘检测的小波变换进行图像融合,即通过用B样条函数构造适用于图像边缘检测的小波对输入图像进行两个互相垂直方向的分解,然后分别用小波系数比较的融合准则和边缘比较的融合准则进行融合,实验发现由此融合的图像质量优于基于典型小波分解的融合.进行了仅用图像边缘融合并通过简单重构生成输出图像的实验,发现由此得到的融合图像质量可以在可接受的范围内,但可使参与融合的像素大幅度减少,这对于某些要求数据压缩,存储量较少的工程化图像融合系统有一定参考价值.     

用B样条小波进行图像的多尺度边缘检测

提出了一种基于B样条小波理论的多尺度图像边缘检测算子,并与传统的边缘检测算子:Carnny算子和Sobel算子,进行了比较.计算机仿真结果显示,该算子性能优于Sobel算子,与Canny算子性能相当,但比Canny算子算法简单,效率高.     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

亚像素边缘检测在小模数齿轮参数检测中的应用

针对工业中小模数齿轮参数检测高精密的要求,本文设计了一种改进的Sobel算子和三次样条插值法结合得到亚像素边缘检测的方法,以快速且精确的方式,得到二值化的边缘图像。通过对小模数齿轮图像边缘提取实验,对该算法的有效性和检测精度进行了验证,给出了实测尺寸对比结果。实验结果表明:本文的亚像素定位算法比传统算子检测定位精度更高,可满足图像高精度实时在线测量的要求。本文网络版地址:http://www.eepw.com.cn/article/145482.htm     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于三次B样条提升方案的图像融合算法

提出了一种基于三次B样条提升方案的图像融合算法,该算法是对三次B样条小波基进行提升,采用一定的融合决规则对高频分量和低频分量进行融合.高频分量采用多尺度下邻域方差法来计算,低频分量采取求平均的方法进行融合,最后将三次B样条提升算法与传统的小波变换算法的融合图像和参数指标进行比较,实验表明不论从视觉效果,还是采用信息熵,联合熵和平均梯度作为评价标准,都优于传统的小波变换法.     

屋脊型边缘的亚像素级检测算法研究

通过分析屋脊型边缘的成像特点,提出了一种针对屋脊型边缘的亚像素级检测算法.给出了算法的理论证明,说明了算法不存在原理性误差,此算法将求取边缘点的亚像素位置转为求解图形的对称中心.推导出算法的离散化公式.通过实验验证了此算法在无噪和含噪情况下的有效性,并分析了误差产生的原因.研究结果表明,此算法计算量小、精确度高,并具有抑制噪声的能力.     

基于误差效应的亚像素边缘检测算法

针对传统亚像素边缘检测算法在实时性、精确性和鲁棒性之间难以平衡的问题,提出了一种基于误差效应的亚像素边缘检测方法。该方法首先建立边缘函数模型,并计算每个像素边缘对应函数方程常数项的近似值和对应误差,然后结合最小二乘法使整体函数模型误差最小,从而获得较为精确的边缘参数。基于标准图像和实际图像的实验测试结果表明,该算法具有快速、鲁棒性强和检测精度高等优点,能够满足实时检测的要求,评价指标优于其他传统算法。