基于改进Canny算子的声呐图像边缘检测

目标的识别与解译是声呐图像处理中的一项重要任务。受到海底混响噪声和复杂背景的干扰,声呐图像有对比度差、分辨率低、噪声严重的问题,给声呐图像的目标识别带来了显著的挑战。为此,本文提出了一种改进的Canny算子边缘检测方法。通过LEE滤波器去除噪声,其次用OTSU阈值法划分高低阈值,最后运用Laplacian算子检测离群点并将其去除。本文将该方法命名为Canny-Laplacian算子(C-L算子)。本文使用多种边缘检测方法与改进的方法对真实声呐图像进行了处理,并在连续性、完整性和准确性上进行了对比。本文使用多种评价指标进行定量分析,证明了本文方法在声呐图像的边缘检测上有更好的效果。

基于全卷积神经网络的无人机巡检图像边缘检测方法

由于无人机巡检图像边缘检测的距离误差大、图像清晰度低,提出基于全卷积神经网络的无人机巡检图像边缘检测方法。采用水平集量化特征分解方法,提取无人机巡检所采集图像的多尺度边缘特征;采用全卷积神经网络构建图像边缘检测模型结构,优化损失函数,完成模型的局部和整体训练,并将多尺度边缘特征输入深度学习网络;采用二阶导数计算像素边缘概率,检测图像的弱边缘并生成边缘信息概率图,计算无人机巡检图像弱边缘对象的概率值,实现图像边缘细化。实验结果表明,所提方法能有效获取图像中目标对象的边缘特征,距离误差均小于0.25,图像清晰度均在24以上,能够完整、可靠获取图像中不同位置、物体等目标的边缘结果,且边缘检测结果更为精细。

基于TLBO的工程结构表面缺陷图像边缘检测方法

非接触式、数字化的工程质量检测方法对于快速发现建筑结构表面缺陷,如裂缝、焊接缺陷等,降低工程质量检测的劳动强度具有重要的工程意义。本文在计算机数字图像处理技术基础上,根据建筑结构表面缺陷图像特征,提出基于TLBO算法的缺陷图像轮廓识别预处理方法,作为进一步缺陷特征判断的依据。本文在TLBO算法基础上,边缘像素点的搜索不需要设定任何算法参数,实现简单;提出基于的8个方向的灰度导数,建立图像边缘强度矩阵,将边缘点附近的小规模局部搜索和大量的全局搜索相结合,TLBO算法保证了所提出的边缘检测方法不会陷入局部边缘点,找到最重要的图像全局边缘特征;将TLBO算法应用于图像边缘检测,以工程质量检测中常见的钢结构焊缝检测为例加以验证和分析,证明了本文方法在缺陷图像轮廓识别预处理中的抗噪性和有效性。

一种基于改进Canny算法的图像边缘检测新方法

针对传统的图像边缘检测算法在对图像进行识别和检测时,存在边缘轮廓不清晰不全面、对噪声敏感等问题,基于分数阶微分理论提出一种新的Canny边缘检测方法。新算法将Grünwald-Letnikov分数阶微分引入到各向同性Sobel算子中,设计分数阶Sobel算子代替Canny算法中传统的梯度算子。将提出的新算法与Prewitt算法、经典Canny算法、Sobel算法和LoG算法进行视觉对比实验和定量评估,仿真从边缘检测视觉效果、边缘连接程度和算法执行效率三方面进行分析,结果表明改进Canny算法检测出的图像边缘信息清晰全面,对于噪声不敏感,边缘检测效果优于已有的几类经典算法。

基于改进Canny的彩色图像边缘检测算法

彩色图像边缘在计算机视觉中起着至关重要的作用,但现存的彩色图像边缘检测算法存在对混合噪声抵抗性差、检测出的边缘连续性差和边缘漏检等问题。通过对彩色图像边缘检测算法的研究,提出一种改进的彩色图像边缘检测算法。该算法首先采用改进小波变换滤波方法在保持图像边缘的同时滤除图像的混合噪声;然后将滤波处理后的彩色图像由RGB颜色空间转换到CLElab颜色空间,并用提出的多方向色差计算公式计算色差幅值和方向,以提高边缘检测的完整性;最后,将以上处理方法与Canny的非极大值抑制和双阈值边缘处理相结合,从而完成彩色图像的边缘检测。实验结果表明,该算法查全率、查准率和整体精度均较高,分别达到了85.9%、96.7%和96.3%,比目前的色差边缘检测算法、亮度与颜色特征融合的边缘检测算法以及基于改进蚁群算法的边缘检测算法分别提高了3.8%~14.8%、1.6%~8%和1.3%~3.7%。基于改进Canny的彩色图像边缘检测算法可以有效去除混合噪声,并能检测出连续性和完整性较高的彩色边缘,有效提高了边缘检测率。

基于改进Canny算法的图像边缘检测

针对传统Canny算法对椒盐噪声敏感,在计算梯度幅值时只考虑了水平与垂直方向、在非极大值抑制过程中仅依据梯度方向的梯度幅值,从而导致梯度计算不准确、滤波后图像边缘模糊等问题,提出一种改进的Canny边缘检测算法。首先,结合自适应中值滤波与引导滤波的混合滤波器不仅能有效去除图像中的椒盐噪声,还能更好地保存图像边缘;然后,利用4个方向Sobel算子模板计算图像梯度;最后,在非极大值抑制过程中,采用自适应线性插值方法提升边缘检测精度。仿真实验表明,所提算法不仅能有效滤除椒盐噪声,并且相较于传统Canny算法能检测出更多边缘细节。

基于GHT的公路隧道衬砌裂缝图像边缘检测系统

针对目前方法存在裂缝覆盖性能差、检测裂缝宽度误差大、检测效果差的问题,设计基于GHT的公路隧道衬砌裂缝图像边缘检测系统。首先基于裂缝检测要求完成系统的整体框架;再对框架中图像采集、辅助以及裂缝识别等模块进行设计;以系统模块为基础设计系统软件,其中采用GHT算法对图像像素进行缩减操作,从而实现裂缝图像边缘的检测。实验结果表明,本次设计的系统覆盖性能高,检测裂缝宽度误差小,检测效果好。

一种基于植物群落算法的图像边缘检测方法

图像边缘检测是机器视觉领域的基础任务,由于图像边缘特征的复杂性使得该任务存在着诸多困难。为了能够自适应的降低这些复杂性带来的影响,文章提出了一种新的更为鲁棒的智能算法。以传统Sobel边缘提取算子的思想为切入点,模拟植物群的繁衍生存过程提出了植物群落算法。最后通过实验提取边缘并与其他算法结果进行比较以证明本算法的优越性。

基于图像边缘检测技术的入水空泡形态及特征计量方法研究

目的:对高速摄像得到的入水空泡影像图片进行空泡轮廓提取,定量分析入水空泡形态和特征。方法:前期利用图像增强技术对入水空泡图像进行预处理,利用Canny边缘检测算子对预处理得到的图像进行空泡边缘坐标提取,最终完成对入水空泡的形态特征计量。结果:通过对小球入水实验入水空泡图像进行边缘轮廓处理,算法计算结果与实验数据误差保持在2.5%以下,验证了空泡边缘检测技术的可行性。利用空泡边缘检测技术对小球入水空泡以及圆柱入水空泡边缘坐标进行了提取并进一步定量分析了入水空泡的形态特征。结论:入水空泡边缘检测技术在应用中效果良好,可以定量提取入水空泡边缘轮廓坐标。

基于局部混合滤波的SAR图像边缘检测

该文结合基于非下采样方向滤波-双树复小波变换(NonSubsampled Direction Filter Bank-Dual-TreeComplex Wavelet Transform,NSDFB-DTCWT)的局部混合滤波算法和Dempster-Shafet(DS)证据理论提出一种基于局部混合滤波的SAR图像边缘检测算法。该算法首先对SAR图像进行局部混合滤波,然后对不同尺度滤波图像使用指数加权均值比(Ratio Of Exponentially Weighted Averages,ROEWA)算子检测边缘的强度,再使用Canny算子检测边缘的方向,从而得到SAR图像各尺度上的边缘,最后使用DS证据理论融合各尺度的边缘形成原始SAR图像的边缘。实验结果表明:该文所提出的算法具有很好的边缘检测效果,检测到的SAR图像的边缘定位准确和完整,且伪边缘较少。

基于contourlet模极大值的图像边缘检测

现存的基于空间域或小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘。本文提出在contourlet变换子带上搜索模极大值的图像边缘检测算法。通过适当地调节变换各尺度上的分解级数得到具有抛物线型尺度的基,另使其满足方向消失矩条件,则contourlet变换获得对图像中分片光滑边缘的最佳逼近。对原图像进行非下采样contourlet变换,然后对各子带进行阈值处理。由于contourlet变换子带不同于小波子带的全新特点,根据各方向子带代表的方向及其梯度方向,子带上各样本点与其梯度方向上相邻点比较模值即得变换系数模极大值。该算法不需经过复杂的连接模极大值点操作,亦可得到较高的边缘检测性能,较大地降低了计算复杂度。实验显示本文算法所提取的边缘更加逼近图像真实边缘,且具有较低的计算复杂度。

基于分形特征的图像边缘检测方法

运用分形理论描述图像纹理特征,通过分析不同纹理图像及图像边缘处的分形参数,得到一种新的边缘检测分形特征,从而提出一种基于分形特征的图像边缘检测方法。自适应阈值的引入,能够实现不同图像的边缘检测。该算法简单迅速,并具有良好的抗噪性能。

分形方法用于有噪图像边缘检测的研究

本文研究了加性高斯白噪声对于基于离散分数布朗随机场（简记为ＤＦＢＲ场）模型图像分形维数估计的影响，并将分形方法用于图像边缘检测，指出了在加性高斯白噪声的情况下，分形方法用于图像边缘检测较之经典的基于梯度运算的边缘检测方法有好的抗噪性能，同时又能检测出较丰富的图像边缘细节。

基于顺序形态学的图像边缘检测快速算法的研究

图像边缘检测是图像处理的关键技术,边缘检测的结果直接决定了后续图像处理的性能.数字图像的边缘检测主要要求就是边缘定位准确,运算速度快.以此要求为依据,本文在深入研究了数学形态学和顺序形态学的基础上,提出了一种基于顺序形态学的优化边缘检测算法,该算法能够快速准确的提取图像的边缘,对于尺寸较大的图像效果尤为明显.通过仿真实验表明该算法是一种准确快速的边缘检测方法.

一种快速Hough变换改进算法及其在图像边缘检测中的应用

在图像处理和计算机视觉中，Ｈｏｕｇｈ变换（ＨＴ）是一种应用非常广泛的图像边缘检测技术，但ＨＴ还存在许多问题，例如，存储空间需求太多，计算量太大，可能产生冗余点和虚交点．存在重复线段，阈值选择困难等．本文提出了一种快速Ｈｏｕｇｈ变换（ＦＨＴ）的改进算法，可以有效解决上述问题，同时提高计算速度方面有非常明显的优势．

小波变换在图像边缘检测中的应用

研究一种新的提取图像边缘特征的方法．方法依据图像的多分辨率小波分解及其所表现出的多尺度特性、局部化分析特性及方向选择性等特点，通过二进尺度下小波变换局部极大值的检测提取图像边缘特征．结果利用此方法在计算机上对２５６×２５６×８ｂｉｔｓ／像素的Ｌｅｎａ图像做了边缘提取，得到不同尺度下的连续、光滑、单像素宽的边缘链图像．结论边缘提取准确，表明这种特征提取方法是有效、可行的．

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。

BP神经网络在图像边缘检测中的应用

为实现数字图像边缘的有效检测与提取,借助BP神经网络,采用了改进的最速梯度下降法,通过对动量项的合理选择,有效地实现算法的快速收敛。为提高算法的执行效率,采用直接编程和对图像采用分块的思想,并给出了算法实现的方法和步骤。用Matlab软件对灰度图像进行了仿真,并将仿真结果和传统的方法进行了比较,结果表明,所设计的网络边缘检测优于传统方法,并具有较好的泛化能力。

图像边缘检测Sobel算法的FPGA仿真与实现

针对目前数字图像处理速度不足的问题,提出一种使用硬件FPGA芯片实现Sobel边缘检测的方法。由于FPGA在并行结构和流水线结构具有天然优势,通过提高算法的并行性,可以大幅提高Sobel边缘检测速度。采用模块化方式构造了串/并转换模块、数据窗口生成模块和边缘检测模块,保证了系统的扩展性。使用Verilog HDL语言编写算法程序并成功进行了仿真和实现。

一种基于IFS的图像边缘检测方法

首次提出了一种基于IFS的图像边缘检测方法，该方法以IFS理论为基础、以MSE为失真测度，对图像进行边缘检测，改进的局部快速算法可以有效减少检测搜索时间。实验结果表明，本文所采用的边缘检测方法是一种有效的图像边缘检测方法。