强噪声条件下数字图像模糊边缘检测算法

强噪声会造成图像细节不清晰,不利于获取高精度的图像边缘检测结果,为了有效解决上述问题,提出一种强噪声条件下数字图像模糊边缘检测算法。在强噪声条件下,采用分解算法预先处理数字图像,通过低通滤波器消除部分高频梯度信息,在滤除数字图像噪声的同时更好地保留边缘细节信息。将数字图像灰度信息模糊化,通过模糊偏移度最小准则确定模糊对比度操作系数,获取最优S型灰度映射函数,增强数字图像对比度,引入多方向模糊形态学检测数字图像模糊边缘。实验结果表明,所提算法可以有效检测数字图像模糊边缘,同时还可以有效提升检测效率。

一种改进的模糊边缘检测快速算法

系统分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了Pal.King模糊检测算法定义的不足,简化了复杂的变换和逆变换运算,而且针对Pal.King算法中对隶属度阈值设置为固定值的不足,提出了确定模糊增强变换中最佳隶属度阈值的自动算法。仿真结果证明,该算法效率高、提取边缘精细、适用面广,是一种很有实用价值的图象处理算法。

图象模糊边缘检测的改进算法

图象的边缘检测技术是图象处理中最重要的内容之一 ,且已在图象分析和识别领域中得到了广泛的应用 .针对图象边缘由模糊性引起的不确定性问题 ,提出了一种图象模糊边缘检测的改进算法 .该算法是首先确定一个阈值参数 ,然后根据此阈值参数来定义一个新的隶属函数 ,从而将图象转化为等效的图象模糊特征平面 ,通过在模糊特征平面上进行增强运算 ,将其转换为空域图象 ,最后再进行边缘提取 ;同时还对具有多峰直方图分布图象的模糊边缘检测方法进行了推广 .仿真结果表明 ,该算法是有效的 .

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、低分辩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 。

一种改进的Pal和King模糊边缘检测算法

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失这一缺陷,提出一种改进的图像模糊边缘检测算法。该算法首先通过阈值来定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强处理来提高区域之间的层次,加强边缘两侧的对比度;最后根据一定的判别准则提取出图像的边缘。实验结果表明,采用改进的方法边缘检测质量显著提高,算法速度大大加快。新算法中具有唯一的参数且可以自动确定,保证了算法的自适应性。

快速模糊边缘检测算法

通过对Pal.King的模糊边缘检测算法进行改进，提出了一种快速模糊边缘检测算法。该快速算法不但简化了Pal.King算法中复杂的G和G-1运算，而且通过实验，确定了Tr变换中最佳的隶属度阈值，大大地减少了迭代次数。从实验结果中可以看出，该快速算法不但提高了Pal.King算法的效率，而且具有很强的检测模糊边缘和细小边缘的能力。这种快速算法的性能优越，是一种非常实用的、高效的的图像处理算法。

基于遗传算法阈值优化的模糊边缘检测

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失的问题,提出一种改进的图像模糊边缘检测算法。算法先使用遗传算法和Otsu得到最佳阈值参数,通过阈值定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强提高区域之间的层次,加强边缘两侧的对比度;再对图像进行灰度增强;最后用Min算子提取出图像的边缘。实验结果表明,改进算法提高了边缘检测质量。

模糊边缘检测在机器视觉图像系统仿真研究

研究图像优化问题,针对精确定位边缘和抑制噪声,视觉图像中最重要的是进行边缘检测,用于轮廓抽取、特征检测和纹理分析。传统的Pal.K ing增强算法在速度和检测效果等方面存在缺陷,提出了一种新的检测算法,算法简化了Pal.K ing复杂的变换和逆变换。先通过阈值来定义一个新的隶属函数将原始图像映射到模糊特征平面,利用模糊增强处理来提高区域之间的层次,加强边缘两侧的对比度,最后根据一定的判别准则提取出图像的边缘。实验结果表明,改进算法提高了运算效率,而且提取的边缘比较精细。新算法中具有唯一的参数且可以自动确定,保证了算法的自适应性。

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上,提出了一种改进的模糊边缘检测算法,采用该快速算法,不仅简化了Pal算法中复杂的G和G-1运算,而且提出了改进的模糊增强Tr变换,并减少了迭代次数．实验证明,采用该改进算法,不但提高了边缘检测的效率,而且检测效果优于Pal算法,并具有较好检测模糊边缘和抑制噪声干扰的能力．

工业物料识别的一种快速模糊边缘检测算法

边缘检测技术是图像处理技术中的一个重要环节,在图像分析和识别等应用领域中有着广泛的应用前景。针对图像边缘由模糊性引起的不确定性问题,笔者在PalKing模糊边缘检测算法的基础上,提出了一种快速模糊边缘检测算法,针对不同的工业物料,确定Tr变换中最佳的隶属度阈值,减少了迭代次数,简化了Pal.King算法中G和G-1运算,实验表明,该算法具有很强的检测模糊边缘和细小边缘的能力,对提高工业物料的识别精度和系统的实时性起到了很好的作用。

新的模糊边缘检测算法及在煤车定位中的应用

针对煤车智能取样对车厢定位的要求,提出了一种改进的模糊边缘检测算法。该算法通过阈值计算分段定义隶属度函数模糊特征,使图像目标区域边缘的灰度级达到较大增强,适合对较大目标区域(车厢)的多级灰度图像边缘检测;另外,该算法根据边缘的一般特征及不同的灰度区域自适应地选取算法参数,实时性好。工程应用表明,该方法在车厢边缘检测中,精度高、实时性强,能满足实际需要。

模糊边缘检测技术在机器人触觉图象处理中的应用

讨论了图象的模糊边缘检测问题。把模糊的概念引入到了触觉图象的表达与处理过程中，设计了适合于触觉图象的隶属度函数、构造了模糊增强的变换表达式。这一方法在阵列触觉传感器的图象处理中取得了较好的效果。

一种改进的模糊边缘检测算法

针对 Pal.King算法的缺陷 ,通过定义新的模糊隶属函数 ,并引入饱和增强点和广义渡越点参数 ,给出了一种新的模糊边缘检测算法。该算法具有速度快、效果好、能够检测模糊边缘和细小边缘的优点 。

一种改进的模糊边缘检测快速算法

比较全面地分析了 Pal.King模糊边缘检测算法的缺陷 ,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了 Pal.King模糊检测算法定义的不足 ,简化了复杂的变换和逆变换运算 ,而且针对 Pal.King算法中对隶属度阈值设置为固定值的不足 ,提出了自动确定模糊增强变换中最佳隶属度阈值的算法 ,并在此基础上实现模糊增强函数中增强阈值的自动获取。仿真结果证明 ,该算法效率高、提取边缘精细、适用面广 。

GVLF及其在广义模糊边缘检测中的应用(英文)

人眼作为一个普通的感觉器官对不同强度的灰度刺激有着不同的分辨阈限。首先在实验的基础上结合感觉测定理论建立了人眼灰视觉阈限模型GVLF(Gray Vision Limen Function)。进而,我们以GVLF构造出广义模糊边缘检测的变换函数。实验表明,基于GVLF的广义模糊边缘检测方法具有相对优越性。

基于模糊边缘检测的胸水癌细胞显微图像处理技术

针对胸水癌细胞显微图像人工检测工作量大,且过分依赖经验的状况,将图像处理技术用于癌细胞的检测分析中.在计算图像最佳阈值的基础上,应用模糊边缘检测法得到细胞的边缘,进而根据形态学知识对胸水癌细胞的形态特征进行描述.实验结果表明,通过将胸水癌细胞显微图像中诸如核质比、核分裂、核形状等特征提取出来作为诊断的依据,可提高诊断精确度和效率.

一种模糊边缘检测的算法研究及硬件实现

讨论一种基于模糊理论的图像边缘检测算法中模糊因子对边缘检测结果的影响。通过大量实验,用典型实验结果说明并讨论了模糊因子在图像边缘检测和图像增强中的最佳取值区间及其影响。并用一种客观评价方法进行对比评价。最后给出了这种算法的硬件实现方案。

二维直方图模糊边缘检测算法

为了提高一般模糊边缘检测算法的抗噪声能力,本文提出了一种二维直方图模糊边缘检测算法。该方法通过像素邻域信息构建二维直方图,采用二维Otsu的方法来确定阈值向量,根据阈值向量重新定义了模糊隶属度函数;另外本文结合量子遗传算法来快速搜索阈值向量,大大节省了时间。仿真实验表明,该方法边缘检测效果较好,同时具有更强的抗噪声性能。

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。

基于顶帽变换的红外图像模糊边缘检测算法

红外成像技术广泛应用航空航天、国家防卫、农业工程及医学工程等各个领域,红外图像边缘信息的获取具有重要意义。提出了改进的图像模糊边缘检测算法,首先改变隶属度函数,简化运算量和缩短处理时间。其次,在选取分割阈值过程中引用基于顶帽变换的自适应方法求取不同图像的阈值,使得分割更加准确。实验结果表明,本算法可以保留红外图像更多的低灰度边缘信息,且较传统的Pal-King算法减少了运算时间,可应用于红外目标探测以及红外目标识别等领域。