基于改进的形态学灰度图像边缘检测算法

针对传统形态学在边缘检测算法上存在的检测边缘错位、较粗等缺点,在传统形态学的基础上,提出了一种具有方向估计性的梯度算子。该算法通过改进的梯度算子及多结构元素模式来获取梯度方向,并沿边缘梯度方向进行非极大值抑制,以此细化边缘宽度,最终获取图像边缘。实验结果表明,相对传统形态学边缘检测算法,该算法具有更精细的检测结果与较强的抗噪能力。     

利用自适应灰度形态学检测噪声图像边缘

传统的形态学边缘检测算法采用固定的结构元素时图像边缘进行提取,通用性不强.本文提出一种结构元素种类、滤波所使用的结构元素的尺寸郜白适应的图像边缘检测算法,该算法根据模板匹配方法,选样最优匹配的结构元素;针对不同浓度的噪声图像自适应选取结构元素的尺寸进行滤波,并进一步检测图像的边缘.仿真表明,该算法在不同噪声图像的边缘检...     

基于边缘检测的自适应降噪处理方法

提出了一种分区处理的降噪方法,对图像边缘和非边缘区域分别采用自适应中值滤波和均值滤波的方法进行处理.论及的噪声区分高斯噪声和椒盐噪声两种,对含有混合噪声的图像首先滤除椒盐噪声,然后标定图像的边缘细节,在保留图像细节的前提下充分降低噪声.测试结果表明本算法有效降低噪声,改善了图像视觉效果,提高视频编码中压缩效率.     

基于自适应形态学滤波的红外小目标检测算法

针对低对比度下小目标常被大量背景杂波和噪声干扰,检测结果不理想的问题,提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。根据人类视觉对比机制对图像进行感兴趣区域(ROI)提取以确定候选目标,通过提取轮廓获得候选目标的尺寸,并由获取的尺寸自适应构造双结构元素。运用双结构元素形态学滤波抑制噪声和杂波信号,用中值滤波对形态学滤波后的杂点噪声进一步抑制。实验表明本文提出的算法能有效抑制噪声干扰,显著提高目标信杂比,准确检测弱小红外目标,算法具有很好的鲁棒性和实时性。     

基于小波变换的陆轨两用车铁轨图像边缘检测

为了能够实时采集铁轨图像以实现陆轨两用车在站台与铁轨之间顺利切换,介绍了一种基于多尺度小波变换和自适应阈值的图像处理方法,选用二次B样条小波对图像传感器采集到的铁轨图像进行多尺度边缘检测,结合了非极大值抑制方法和自适应阈值方法提取最终边缘图像.对比几种经典的边缘检测算子,小波变换的图像边缘检测对铁轨图像的处理结果较好,实现了路轨两用电动车陆/轨转换的准确定位.     

多尺度形态学边缘检测算法

形态学作为一门新兴的非线性图像处理技术,已得到人们的广泛关注,并应用于图像处理的许多方面。文中提出了一种结合形态学滤波的边缘检测算法,该算法采用自适应方法确定锥形结构元素,然后利用双锥形结构元素对图像进行形态学迭代滤波,对滤波后的图像进行多尺度形态学边缘检测,并将各尺度下边缘检测的结果进行合成,最终得到在噪声存在条件下较为理想的图像边缘,并且与其它边缘检测算法进行了对比实验,实验验证了该算法的可行性和有效性。     

Gabor滤波与数学形态学结合下激光图像亚像素边缘检测

针对当前图像亚像素识别定位易受到噪声干扰,导致边缘检测完整性较差的问题,提出基于Gabor滤波与数学形态学的激光图像亚像素边缘检测方法。采用指定不同方向与尺度Gabor滤波器和图像卷积,对卷积激光图像实行规格化操作,利用取极小值与平均值实现激光图像Gabor滤波器结果自适应性融合,获取增强后的图像。依据图像处理,根据图像灰度与空间结构特征,通过数学形态学实现边缘点粗定位,在图像像素级上得到边缘点坐标与梯度方向。依据边缘点向量与参考阈值,通过Zernike矩实现边缘点亚像素边缘精定位,完成激光图像亚像素边缘检测。实验结果表明,所提方法具备较高的检测精度和效率,可实践性能较强。     

基于数学形态学的二值图像的边缘检测

主要介绍了数学形态学的基本原理,将这些基本运算组合应用到图像对象的边缘检测,并在MATLAB6．5中进行仿真实验,得到了满意的结果。     

基于边缘的自适应相关跟踪算法

针对相关跟踪实时性差和误差累积问题,提出了基于边缘检测的自适应相关算法.采用修正后的灰度差的绝对平均值(MAD)相关匹配克服了对噪声敏感的缺点;利用目标的边缘信息确定模板中参与匹配的区域,并采用粗精结合的搜索策略,加快了匹配速度;采用模板加权更新和中心修正有效地消除了相关运算累积误差的影响.     

基于二次曲面拟合的子像素边缘检测算法

针对传统边缘检测算法边缘信息保留不完整与边缘点定位不精确的问题,提出了一种基于二次曲面拟合的子像素边缘检测算法。利用拟合法求得子像素图,其抗干扰性强,检测位置较准确,并在此基础上利用改进的Canny算子精确地判断图像边缘位置。实验结果表明,该算法不仅提高了图像的边缘信息保留能力,且图像边缘光滑,边缘点定位精确,细节信息完全。     

多结构元多路加权形态边缘检测算法研究

边缘检测是图像特征提取与模式识别的基础。形态学边缘检测因其算法简单,噪声抑制和边缘保持能力已成为研究热点。但很多算法采用单一结构元素,很难对弱边界进行有效处理。基于此,利用多结构元思想构造多结构元抗噪型数学形态学边缘检测器,很好地抑制了噪声和提取到弱边缘。     

基于融合及形态学的自适应阈值图像边缘检测

传统的Sobel和Roberts边缘检测算子阈值固定,适应性和抗噪能力较差。通过将最大类间方差法和双峰法引入边缘自适应阈值的确定,利用自适应阈值的Sobel和Roberts算子检测出图像边缘后进行融合,再进行形态学的细化。实验结果表明,该算法检测出的边缘清晰,适应性好,对噪声抑制能力强。     

基于自适应背景选择和多检测区域的相关滤波算法

为了进一步提高相关滤波算法的判别力和对快速运动、遮挡等复杂场景的应对能力,该文提出一种基于自适应背景选择和多检测区域的跟踪框架。首先对检测后的响应图进行峰值分析,当响应为单峰的时候,提取目标上下左右的4块区域作为负样本对模型进行训练,当响应为多峰的时候,采用峰值提取技术和阈值选择方法提取较大几个峰值区域作为负样本。为了进一步提高算法对遮挡的应对能力,该文提出了一种多检测区域的搜索策略。将该框架和传统的相关滤波算法进行结合,实验结果表明,相对于基准算法,该算法在精度上提高了6.9%,在成功率上提高了6.3%。     

基于分步搜索策略的自适应盲元检测算法

盲元一直是影响红外焦平面探测器成像质量的重要因素之一。探索了一种基于分步搜索策略的自适应盲元检测算法,无需借助黑体等辅助定标设备,完全基于场景信息即可对探测器使用过程中不断出现的新盲元进行有效检测。     

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。     

基于卡尔曼滤波器的网络异常检测

通过分析网络异常所引起的网络设备参数变化的特点,对传统的卡尔曼滤波器进行了相应的改进,以时间序列预测方法中的指数平滑的方式对卡尔曼滤波器的噪声系数进行了自适应的调整与改进。并且基于改进后的卡尔曼滤波器,提出了一种自适应的单节点异常检测模型与多节点异常监控模型,这两种模型能够对网络中的单个节点或者多个节点的关键参数进行检测,且具有较低的复杂度以及良好的实时性。     

基于Canny边缘检测的自适应空域隐写术

针对自适应空域隐写术设计的关键问题,该文结合Canny边缘检测和校验格编码(STC)提出一种不需要同步边信息的自适应空域隐写方法。首先,根据秘密消息长度、载体图像等因素确定Canny边缘检测算法中的参数取值,进而根据相应的参数取值使用Canny边缘检测算法来选择载体图像的边缘区域。然后,分别定义边缘区域像素和非边缘区域像素的嵌入失真;最后,在载体像素的多个最低有效位平面(LSB)使用STC嵌入秘密消息。实验结果表明：该隐写方法在4种嵌入率情况下抵抗常见通用隐写分析的性能优于3种已有的隐写方法,且在较小嵌入率情况下与空域通用小波相对失真方法(S-UNIWARD)相当。