基于Gabor滤波器的边缘检测方法

本文给出了一种基于Gabor滤波器的边缘检测方法,分析了该方法的性能指标,并与其它常规线性边缘检测算子性能做了比较,得出了结论。     

基于边缘检测的多聚焦彩色图像融合算法

针对左聚焦和右聚焦彩色图像的融合问题,设计了一种基于边缘检测的彩色图像融合算法。首先将彩色图像转换为NTSC图像,再利用Canny方法检测出亮度信息图像的最优边缘,然后对亮度信息图像的边缘部分采用平均法进行融合,其余部分采用相关系数的权值法进行融合,最后将融合之后的饱和度图像、亮度图像和色调图像转换为彩色图像。从融合效果来看,文中算法能够将两幅左右聚焦的彩色图像融合成一幅信息量饱满且清晰的单一聚焦彩色图像。实验结果和信息熵客观评价结论表明,该彩色融合算法能够将信息熵提高2.13%～2.51%。     

工业图像中屋脊边缘多尺度检测方法

针对屋脊边缘的特点，提出了一种多就度屋脊边缘的检测方法，该方法分析了图像中屋脊边缘的可能性，并根据该可能性量自适应调整滤波器的尺度参数，分析了对屋脊边缘进行滤波的尺度参数选取范围，实验表明该方法是可行的。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能。针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加。实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息。     

基于Gabor滤波器的Sobel算子图像边缘检测算法

Sobel算子对图像进行边缘检测时,只对垂直与水平方向敏感,使得一些边缘检测不到,从而限制了Sobel算子的检测性能.针对此问题,文中提出了一种基于Gabor滤波器的边缘检测算法,先对图像进行Gabor变换,找出不同方向上人眼敏感程度低的系数,再用Sobel算子对变换过的图像进行边缘检测,最后把此图像与直接用Sobel算子检测的图像相加.实验表明,该算法改善了Sobel算子检测方向单一的不足,包含较多的边缘信息.     

基于过采样滤波器组的多尺度边缘检测

研究基于过采样滤波器组的多尺度边缘检测算法。图像经过过采样滤波器组分解,各个尺度下的子图像大小一致,有利于不用尺度下边缘信息的融合。提出了一种自适应双门限方法,消除了局部极大模检测中的伪边缘;同时,提出一种从大尺度边缘向小尺度边缘聚焦的方法,对不同尺度下的边缘信息进行融合,并讨论了滤波器长度对边缘检测性能的影响。仿真结果验证了所提出方法的有效性。     

基于最优离散滤波器的边缘检测算法

边缘检测已经成为图像理解和计算机视觉中的一个主要领域,其检测的质量直接影响后期理解的效果。寻找一种对噪声不敏感、定位精确、能有效区分真假边缘的方法,一直是研究的重点。从理论上来说．Canny算子是连续域最优的边缘检测算子,但在离散域中却并非最优,对于数字图像可能存在误差。为此,提出一套完整的离散域边缘检测算法。在最优滤波器理论基础上,推导出离散域的最优平滑算子,抑制了图像的分割错误、噪声和伪边缘的影响。实验表明,该算法能有效实现灰度图像的多尺度边缘检测。具有高的信噪比．更清楚和更符合计算机识别要求,是一个理想的边缘检测方法。     

基于多尺度多结构形态学火焰图像边缘检测

针对从工业锅炉采集到的火焰图像边缘形态和噪声的不同,以数学形态学梯度边缘检测算子为基础,结合多结构元素和多尺度的特性,提出了一种基于多尺度多结构数学形态学图像边缘检测算法,并将其应用于火焰图像的边缘检测。仿真结果表明,与经典的Sobel算子、Canny算子和传统的算法相比,提出的算法具有边缘定位准确、轮廓清晰、图像细节保留较多、噪声不敏感等显著优点。     

基于多特征和模糊推理的边缘检测

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数这一单一特征,并且对模糊边缘图像不敏感,针对此问题,本文提出基于多特征和模糊推理的边缘检测算法.根据不同类别的边缘点附近灰度分布的特点定义多种边缘特征;利用不同的边缘特征确定模糊规则,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测.最后,文中给出应用本算法进行边缘检测的实例,与传统算法相比较,本算法检测边缘效果更好,并能较好地抑制噪声.     

各向异性的多尺度边缘检测算法

提出了一种各向异性的多尺度边缘检测算法.首先,在给定的多个尺度下分别应用各向异性的高斯滤波器获取图像的边缘强度图.然后,将所获取的多幅边缘强度图融合为一幅边缘分辨率高、拓散效应小的边缘强度图.最后,将融合的边缘强度图嵌入到Canny边缘检测算法的框架中,获得最终的边缘检测结果.创新性地提出基于"信号平均"技术的多尺度融...     

基于边缘视觉特征描述的自适应多尺度小波边缘检测方法

本文从人类视觉的特点出发,提出了一种新的图象边缘特征描述。根据该特征描述,定义了邻域的有效边缘测度,以作为边缘复杂程度的度量,并以此来调整多尺度小波边缘检测中的尺度参数。最后给出了相应的实验比较结果。     

基于神经网络和点的重要性度量的边缘提取方法

本文从边缘点所在尺度和其邻域的灰度分布状况入手,提出了一个由四个分量组成的、对应于点的、用于衡量该点重要性的边缘重要性度量向量,为了考虑应用背景,用人工分类好的样本对一BP神经网络进行训练,用训练好的网络对图像的边缘点依重要性进行分类,从而获得图像的重要边缘。另外由于本文的方法无须对图像进行卷积,所以不会产生边缘偏移。经实验验证此方法取得了良好的效果。     

低信噪比图象边缘提取的非线性方法

针对低信噪比图象的边缘提取问题,本文提出了一种非线性方法,即利用大窗口平滑去噪性能强与小窗口提取边缘性能好相结合的方法,此时采取大窗口滤波,小窗口中作非线性的微分算子求导。为了避免求导后阈值选取的盲目性,文中提出了一种噪声引导的阈值确定准则,并根据这个阈值分割图象。在大窗口滤波中,采用了二维卷积等于两个一维卷积级联的技术压缩滤波器的存储空间。最后对这种方法进行了性能评价,并且给出了实验结果。     

多尺度边缘检测中的有效尺度研究

在边缘检测中,检测不同类型的边缘需要的滤波尺度各不相同.本文详细讨论了以紧支、对称平滑函数构造的滤波函数在检测不同类型边缘时的有效尺度,同时分析了高斯平滑函数及三次B样条平滑函数在抑制噪声时的有效尺度范围.该文的结论为多尺度边缘检测中滤波尺度的调整提供了重要的理论依据.     

基于塔型结构的多分辨率模糊边缘检测

结合数学形态学、塔型数据结构及模糊技术，提出一种新的非监督多分辨率边缘检测方法，该方法利用数学形态学滤波构造塔型结构，将相邻层边缘点的父子连接关系看成是一种模糊模型，可使粗糙、低分辨率的边缘图通过这个模型在塔型结构中前传和精提，得到高分辨率、准确的目标边缘，并分别就人工图像及实际图像与其他方法做了对比实验，结果证明了本算法的有效性。     

使用小波变换的图象边缘检测算法

将小波变换理论应用于图象边缘提取,提出了一种新的图象边缘检测算法。一种相对于(c0,c3)=(0.05,0.05)的对称尺度函数被用于二进小波变换,得到原图象的一个多分辨率表达式,再提取图象的边缘特征。实验结果表明,本方法是解决图象边缘提取的一个十分有效的模型。     

基于非线性积累的高分辨极化目标检测

研究了毫米波高分辨雷达体制下的目标极化检测问题,提出了极化域非线性加权积累的思路,以提高雷达接收信号杂比,在此基础上提出了基于高分辨雷达目标一维距离像“位置“相关的目标检测方法,在毫米波段的实验结果表明,该方法是一种非常有效的扩展目标检测方法。     

小波变换边缘检测特性分析

本文一改以往的以仿真的感性效果作为信号边缘检测质量的效果评价方法,提出小波变换边缘检测定位精度和抗噪声能力量化分析方法。基于小波变换的边缘检测算法,物理意义上是一个先平滑,再进行边缘检测的过程,其边缘检测特性与边缘类型和尺度大小有关。随尺度增大,定位偏差增大,反映了小波变换局部化特征强弱对边缘检测特性的影响。本文给出了不含噪声和含有噪声情况下,典型边缘定位精度的量化表述。     

一种新的SAR图像的边沿检测方法研究

该文针对合成孔径雷达(SAR)图像的特点,利用小波变换的高频分量能反映边沿细节的特性,提出了一种结合小波变换、模糊中值滤波、自适应门限判决和微分梯度算子的边沿检测的新方法,在采用模糊中值滤波时,提出了一种自适应选择模糊中值滤波系数的方法。实验研究的结果表明该方法具有良好的边沿检测效果和稳定性。     

基于分数布朗运动的图象目标检测

本文分析了处处连续而不可导的非平稳不规则信号模型分数布朗运动(fBm)。fBm具有时间(或空间)长程相关性和指数功率谱特性,在大尺度轮廓上,有较大的相关性;而观察尺度越小,变化幅度越小,越表现丰富的细节。这在自然景物、图形建模方面具有很好的应用前景。同时自然景物的较好符合fBm的分形模型与人造物体不符合分形模型之间的差异可以用来进行图象分割。文中给出了一个基于fBm分形参数的图象目标检测方案,并给出了实验结果。