基于数学形态学预处理的Canny边缘检测算法

为了更好地提取图像边缘信息并且抑制噪声,结合Canny算法及数学形态学在图像边缘检测中的应用,文章设计了一种基于数学形态学预处理的Canny边缘检测算法。通过将该算法与一般边缘检测算法以及Canny算法的仿真结果进行比较,可以发现该算法在边缘检测及消除噪声方面具有更优的性能。     

Canny边缘检测算法在图像处理上的应用

边缘检测算法一直在图像处理领域十分活跃,本文根据Canny边缘检测算法对图像进行边缘检测处理。本文首先对带有噪声的图像进行高斯平滑滤波,尽可能地将噪声去掉。然后通过亮度梯度的计算,得出图像的整体轮廓。然后再对其进行非极大值抑制处理,将虚假边缘像素点去掉。再采用双阈值处理上一步所得到的图像,并连接边缘像素点得到边缘图像。通过实验仿真分析,该算法能够很好的抑制噪声并检测出更加精确的图像边缘。     

一种新的快速视频图像边缘检测算法

一般常用的边缘检测算法计算量较大，对细小边缘检测效果较差，不适合实时边缘检测系统。针对这一问题，本文提出一种连续分割的快速边缘检测算法：从相互垂直两方向分割梯度图像，提取截面曲线极大值获得图像边缘，使用形态学梯度，检测出细小的图像边缘。实验结果表明此算法较Canny等经典算法减少了计算量，提高了边缘检测精度。     

一种改进的相位一致性图像特征检测方法

同时检测出包括边缘特征和线特征在内的多种图像特征一直是图像特征检测中的难点。在相位一致性基本原理的基础上，提出了一种基于局部频率的相位一致性检测图像特征的算法。试验结果表明，采用的算法在图像特征的细节保留和定位方面要优于传统的相位一致性算法和Canny算法。     

完整的边缘检测提取方案

Sobel算子在图像边缘检测中是比较常用的一种方法,利用像素的左、右、上、下邻域的灰度加权算法,根据在边缘点处达到极值的原理来进行边缘检测。本文提供了实现灰度图像边缘检测利用Sobel算子的具体程序和流程以及相关的处理结果。     

点特征提取Moravec算子的改进探究

文章阐述了Moravec算子的基本算法，通过对其进一步探究，提出了基于灰度信息相关性，以边缘特征点为主要参考点的自动阈值选取的改进方法。通过用改进前后Moravec算子对单张影像进行特征点提取，并基于此得到影像匹配的效果对比图，结果证明改进后Moravec算子精度更好，有着较大的参考价值和实用价值。     

结合像素域JND阈值空间相关性与图像块类型的残差滤波算法

为了更好地将人眼视觉感知特性应用于视频压缩系统,从而去除视频的视觉冗余成分,在利用像素域的恰可察失真(Just Noticeable Distortion,JND)阈值的基础上,结合JND阈值的空间相关性与图像块类型,提出了一种改进的残差滤波算法。该算法首先在像素域计算出每个像素的JND阈值,然后在变换单元(Transform Unit,TU)中挖掘每个像素JND阈值与其周围邻近像素JND阈值之间的空间相关性,再利用索贝儿(Sobel)边缘检测算子将TU分成不同类型的图像块,并且计算出对应的复杂度因子,最后结合上述像素JND阈值的空间相关性和TU复杂度因子对TU残差进行滤波。提出的算法模型可以嵌入到高效率视频编码(High Efficiency Video Coding,HEVC)框架。实验结果表明,在全I帧配置下,提出的算法与标准算法HM16.0相比,在人眼主观感知质量基本一致的情况下,平均可节省16.1%的码率。     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

遗传算法在数字图像分割中的应用

为了快速准确地确定图像的最佳分割阈值,提出了一种改进的遗传算法.该算法通过完善选择机制、引进父子竞争机制和使用二元变异算子进行变异操作,有效地解决了遗传算法的收敛速度慢和种群过早成熟的问题.     

图像边缘检测常用算子研究

数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础,在计算机视觉、图像分析都起着很重要的作用。向读者展示Robert算子等六个算子的原理及实现以此简单介绍一下这个技术,并对算法进行了相关的比较。     

软组织肿瘤细胞图像形态学边缘检测——L＊a＊b＊色彩模式下

针对软组组肿瘤细细胞形态学特性,在灰度形态学的基础上,提出了一种基于L*a*b*色彩空间的形态学数字图像处理理论,并给出了彩色模式下多结构元素、多尺度的软组织肿瘤细胞的边缘检测算法。实验结果表明,该算法很好的利用L*a*b*色彩空间的特性和形态学特点,对形态学梯度算子加以修正,提取的边缘完整、连续,且图像边缘的细节丰富、边缘定位准确。     

基于自适应阈值的车道检测系统的研究

车道检测系统中的关键问题是图像分割，而图像分割的基础则是自适应阈值的确定。本文针对车道检测系统对比了不同的自适应阈值算法，并采用物理模型仿真的研究方法简要分析了这几种算法的特性，最终确定了一种各项性能指标均较优的自适应阈值算法。     

双边滤波下局部强度与梯度融合的小目标检测

针对红外小目标在复杂背景下难以检测的问题，提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像，然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像，最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明，该算法能够很好地抑制高斯噪声和背景边缘，相比于传统的检测算法，其检测性能显著提高，鲁棒性能较好。     

《电讯技术》专题资料《毫米波雷达／战场侦察雷达系统与技术》题要（七）

基于由粗到细边缘检测的海岸线提取方法（李由，孙祥一，于起峰）与传统的基于图像分割的思路不同，把海岸线提取看作一个边缘检测问题，提出由粗到细边缘检测的海岸线提取方法。首先基于M—H的二阶导数过零点边缘检测理论，使用大尺度的LoG算子提取长边缘作为海岸线提取的粗略结果，接着构造包含该粗略结果的细带状区域，然后通过环绕抑制计算该区域内每个象素的边界度，最后借用Canny的思想，用一阶导数极大值点提取海岸线精细位置。由于采用由粗到细的策略，本方法具有很强的实用性。理论分析和实验结果表明，该方法是高效和可靠的。     

一种基于帧差法与背景减法的运动目标检测新方法

为改进单独利用帧差法或背景减法进行运动目标检测时存在的不足,提高运动目标检 测的准确率和鲁棒性,提出了一种利用边缘信息的帧间差分法和背景减法相结合的运动目标 检测方法。该方法首先通过基于边缘信息的三帧差法获得一幅前景图像,然后利用改进的mo de算法进行背景差分获得另外一幅前景图像,最后将得到的两幅前景图像进行布尔或运算 ,得到前景目标。实验仿真结果表明,利用该方法,目标检测的准确率可以提高496%～36 01%,且算法具有较好的鲁棒性。     

利用局部灰度特征分析实现红外弱小目标检测

提出了一种利用局部灰度特征分析进行红外弱小目标检测的新方法。该方法通过判 断图像局部灰度包络曲面是否具备二维高斯函数曲面特征实现红外弱小目标检测,不需要进 行传统的背景预测。设计了新的目标局部灰度特征提取方法和适合工程计算的自动目标检测 算法。实验结果证明了算法参数选择策略的有效性,验证了算法对复杂背景边缘良好的杂波 抑制能力。     

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。     

角点检测综述

角点是图像的一种重要的局部特征，通过对图像角点的检测与处理，对把握图像的局部及整体特征，特别是在视觉匹配、目标识别和运动估计与追踪等领域都有重要的实际应用。现有的图像角点检测方法可分为基于模阪、亮度变化、边缘特征三种检测方法，对其分别进行了综述，分析了相关的算法，并对算法进行了评价。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。