边缘信息引导多级尺度特征融合的显著性目标检测方法

针对基于FCN和U型网络架构的深度学习显著性目标检测方法提取的显著性图存在边界不清晰和结构不完整的问题,文中提出了一种基于边缘信息引导多级尺度特征融合网络(EGMFNet)。EGMFNet使用多通道融合残差块(RCFBlock)以嵌套的U型网络架构作为主干模型。同时,在网络的较低层级引入具有边缘信息引导的全局空间注意力模块(EGSAM)以增强空间特征及边缘特征。此外,在损失函数中引入了图像边界损失,用于提升显著性图的质量并在学习过程中保留更加清晰的边界。在四个基准数据集上进行实验,实验结果表明,文中方法的F值较典型方法提升1.5%、2.7%、1.8%和1.6%,验证了EGMFNet网络模型的有效性。

增强边缘信息的全卷积神经网络遥感影像建筑物变化检测

针对现有很多深度学习的建筑物变化检测方法未考虑图像的结构特征,导致建筑物边缘像素分割精度低的问题,本文提出了一种增强边缘信息的遥感影像建筑物变化检测模型。首先采用Canny算法和概率霍夫变换算法提取双时相影像中建筑物的直线边缘特征图作为图像结构特征;然后将双时相影像及其对应的边缘特征图输入到增强边缘信息的全卷积神经网络(FCN)中;最后采用骰子损失和交叉熵损失加权组合函数衡量网络模型。试验表明,增强边缘信息的FCN网络在精度评价和视觉分析上具有一定的优越性。

基于RGB-D边缘信息融合的接地设备图像语义分割

传统的接地设备安装质量检测方法主要由工作人员采用手工测量和经验判断的方式来检查,工作量大,检测效率低且存在经验误差,无法准确地测量出安装螺栓的参数信息。针对这一问题,本文提出了一种基于RGB-D边缘信息融合的接地设备图像语义分割方法。首先将获取到的接地设备相连螺栓的可见光和深度图像进行预处理;然后引入注意力辅助模块帮助提取可见光图像特征和深度图像特征,并进行特征融合;通过金字塔池化模块防止过拟合,最后利用边缘信息辅助监督,输出最优的预测图像语义分割结果。实验结果表明,本文方法能够实现对接地设备相连螺栓图像的精确分割,并将其应用于接地设备的安装质量检测之中。

基于边缘信息融合的输电线路防外破监测系统设计

输电线路外部因素破坏事件频繁发生,其中既包括自然因素也包括人为因素。为了确保输电线路的安全稳定运行,文章介绍了一种基于边缘信息融合的输电线路防外部因素破坏监测系统。该系统采用了多种传感器技术,并利用边缘计算技术进行信息融合和处理,旨在实时、准确地检测外部因素破坏事件,及时发出预警。经过模拟外破实验的测试与评估,证明了该系统的有效性和准确性。

基于边缘信息的图像阈值化分割方法

针对现有几种利用边缘信息来进行图像阈值分割的方法存在的对噪声高度敏感 ,梯度阈值难以选取 ,且不具有自适应性的特点 ,提出一种抗噪声影响的形态学梯度算子和一种基于梯度直方图统计特征的梯度阈值自适应选取算法 ,得出了一套完整的基于边缘信息的图像阈值化分割算法。

融合边缘信息的单尺度Retinex海雾去除算法

鉴于海雾会造成无人艇视觉系统采集到的视频图像严重降质,进而影响无人艇的目标检测、跟踪以及识别,提出一种融合边缘信息的单尺度Retinex快速海雾去除算法.在传统单尺度Retinex去雾模型的基础上,结合引导滤波的思想,采用基于边缘信息的高斯滤波来估计亮度分量;再在求得的反射分量中引入原始强度分量来改善反射分量的估计,结合分段灰度变换扩展图像的对比度;最后进行色彩恢复来实现海雾的快速去除.与其他去雾算法进行对比,并从主客观2方面进行图像质量评价.仿真实验结果表明,该算法能有效地减少光晕和噪声,去雾速度快、保边效果好、去雾效果明显.

基于边缘信息的多光谱高分辨图像融合方法

针对多光谱图像和高分辨图像的融合问题 ,提出了一种基于边缘信息的新的图像融合方法 ,该方法根据高分辨图像中的边缘强度 ,对多光谱图像在 IHS变换中的强度信息进行了调整 ,得到的光谱强度同时反映了高分辨图像的细节信息和多光谱图像的光谱信息 .实验结果表明 ,该方法的融合效果优于传统的

考虑梯度边缘信息的玉米叶片病斑图像分割

玉米作物病害是对中国玉米生产量危害的最主要原因,对玉米叶片病斑图像分割是病害原因识别的前提。目前传统的玉米叶片病斑图像分割中,普遍存在着分割效果不理想、成本消耗较大、正确率较低、运行时间较长等问题。提出考虑梯度边缘信息的玉米叶片病斑图像分割算法设计,分析玉米叶片病斑图像边缘梯度,去除玉米叶片病斑图像中的噪声,并且增强去噪后的玉米叶片病斑图像,加强玉米叶片病斑图像的分割算法,利用模糊聚类的方法分割增强后的玉米叶片病斑图像。实验结果表明,所提算法图像分割效果较为理想、成本消耗较小,正确率较高且运行时间较短,具有一定的应用前景。

基于边缘信息的分开合并图象分割方法

图象分割是目标识别和图象理解的关键的第一步处理。分开合并方法是一种有效的、实用的图象分割方法。本文提出了基于边缘信息实现分开合并方法，它利用边缘信息解决了自适应确定最佳初始层和在分开、合并过程中度量图象块属性一致性的问题。基于边缘信息的分开合并方法改进了图象分割质量，缩短了处理时间，分割复杂图象的实验结果是令人满意的。

基于边缘信息的区域合并SAR图像分割算法

针对基于区域合并的合成孔径雷达图像分割中区域合并的顺序问题,提出一种利用边缘信息的区域合并技术。首先,利用改进的比例边缘检测算子获得初始过分割结果;然后,设计一个基于相邻区域的面积和边缘信息的区域合并优先级函数来引导区域合并的进行,该方法提高了模型参数的估计精确,同时保留图像的强边缘;最后,将边缘信息区域合并技术用于求解基于多边形网格的最短描述长度准则SAR图像分割模型。实验表明,与同类方法相比,本文方法的边缘检测能力与定位精度均有提高。

基于边缘信息的图像自适应插值算法

通过将图像分为非边缘部分和边缘部分,得出了一种基于图像边缘信息的图像插值算法。根据边缘部分映射点邻域图像的复杂程度,自适应地调节插值权值的图像插值方法。应用该算法插值后的边界清晰、自然,忠实地反映了原始图像的面貌,与传统的插值算法相比,其边界处理效果好且易于实现,实验也验证了该方法的有效性。

顾及边缘信息的多尺度误差扩散半色调算法

目的为了解决传统多尺度误差扩散半色调算法会导致半色调结果图像阶调变暗和边缘模糊的问题,提出一种顾及边缘信息的多尺度误差扩散半色调算法。方法根据当前像素邻域内像素点的处理状态,设计动态非时序误差扩散滤波器;利用图像局部平均灰度与空间变化率提取图像边缘信息,结合图像边缘信息与灰度信息确定半色调处理顺序。结果半色调处理结果视觉效果均匀,阶调信息和边缘结构信息与原图像一致性良好,峰值信噪比、加权信噪比和结构相似度分别提高了0.7～1.2 d B,0.9～1.5 d B,0.11～0.18。结论该算法解决了多尺度误差扩散算法的图像阶调变暗和边缘模糊的问题,有效提高了半色调输出质量。

利用边缘信息的多尺度分块压缩感知自适应采样方法

在小波域多尺度压缩感知框架下,被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上,提出了利用边缘信息的多尺度分块压缩感知自适应采样方法(EAS)。该方法首先利用低频系数提取出边缘信息,然后将边缘信息分块,加权计算每个块的边缘信息度,根据边缘信息度判断每个系数块的能量大小,将其转换成每个子块的自适应采样率,从而实现多尺度分块压缩感知的自适应采样。采用医学图像,含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据,验证了EAS方法的性能。数值实验结果表明,EAS方法对不同的压缩感知算法均有很大的提升,能够显著提高图像的重构质量和视觉效果。

融合Ratio边缘信息的水平集SAR图像分割方法

提出了一种融合边缘和区域信息的变分水平集合成孔径雷达图像分割方法.该方法不需要去除相干斑噪声的预处理过程,利用具有恒虚警特性的Ratio算子提取合成孔径雷达图像的边缘信息,并与无边缘活动轮廓模型结合建立合成孔径雷达图像分割能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,采用变分水平集方法求解演化方程,实现了合成孔径雷达图像的分割.分别采用模拟和真实合成孔径雷达图像对该方法进行了验证,实验结果表明,该方法实现了合成孔径雷达图像中目标与背景的正确分割,具有较好的边缘定位能力.

基于边缘信息车流量检测方法的研究

针对边缘检测中阈值很难确定导致不能准确提取背景边缘信息的问题,提出一种改进的基于边缘信息车流量检测方法。该方法预先对路况边缘图像作削顶处理获取一个恰当的阈值,从而可以准确地提取背景边缘信息;且在车辆计数过程中,结合固定窗法和浮动窗法二者的优点,设计一种新的浮动窗法进行车辆计数。实验结果表明,该方法在实时性、检测速度、正确率等方面得到很大的改进,能够在不同环境下进行正确有效地车流量检测。

建立于边缘信息的运动图象信源模型

本文在图象边缘信息的基础上，建立了一种新的运动图象信源模型．与经典方法相比：该信源模型不同于离散随机场．建立该信源模型的方法比较简单可靠，也不需要任何图象的先验知识．它能成功地用于运动图象编码，编码方法也突破了传统的波形编码范畴．从广义上说，它属于模型基编码方法．

结合图像局部概率和边缘信息的小目标检测方法

提出了一种在红外图像中结合局部概率和边缘信息的点目标检测方法。该方法首先统计图像窗口内各像素的概率平方和,利用阈值判断此窗口是否为目标区域;然后计算目标区域中心像素的边缘信息,进一步剔除强边缘噪声点,检测小目标。实验结果表明,该方法简单有效,对复杂背景小目标检测取得了很好的效果,大大地减少了后续多帧处理的计算量。

用于工业CT图像三维重建的边缘信息提取算法研究

本文探讨了CT图像边缘提取的常规方法,引入了启发式搜索算法用于工业CT图像的边缘信息提取;通过这种方法可以得到连接闭合的单象素边缘图像,为将来的序列CT图像三维重建提供了原始数据。最后针对箱包CT图像进行了算法验证,实验表明在图像存在噪声和伪影的情况下,算法仍能检测出满足三维重建需求的边缘信息。

基于边缘信息的图像质量评价研究

针对传统客观图像质量评价方法没有考虑人眼的视觉信息这一问题,本文提出了一种基于边缘信息的图像质量评价方法。该方法考虑到人眼对图像的边缘信息敏感,运用Prewitt算子提取参考图像与失真图像的边缘信息,对两图像的边缘信息做均方误差,来衡量失真图像的质量,实验结果表明,该方法比传统评价方法更接近于图像的实际质量。

基于边缘信息和LH的视频文本自动检测

视频数据中的文本能提供重要的语义信息。针对视频中的文本检测问题,提出了用基于边缘信息和LH的方法检测视频帧文本所在的位置,方法简单,能快速地定位文本区域,且不受文本颜色、语种、文本字体大小的限制。检测和分割效果良好。