一种改进的Canny边缘检测算法

图像中部分低强度边缘在梯度幅值特性上与噪声点十分相似,因此,传统Canny边缘检测算法在采用基于梯度幅值的双阈值法检测和连接边缘时,尽管抑制了噪声,但同时也损坏了部分低强度边缘.针对这一问题,提出了一种改进的Canny边缘检测算法,采用新的基于梯度方向的检测和连接方法取代了传统的双阈值法,充分利用了边缘点和噪声点在梯度方向特性上的差异,在抑制噪声的同时,有效保护了低强度边缘细节,具有优于传统Canny算法的性能.仿真研究也证明了该算法的有效性.

一种改进的数学形态学边缘检测算法

针对传统数学形态学边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等问题,提出一种改进的数学形态学边缘检测算法。该算法在保持传统形态学方法优点的基础上引入边缘方向信息,采用非极大值抑制方法对形态学梯度图像进行细化处理,利用新的基于方向的检测和连接方法从中提取边缘,既提高了检测出的边缘的分辨率,又实现了低强度边缘的保护,同时还获得了更强的抗噪声能力。与应用较为广泛的传统形态学方法及Canny边缘检测方法的比较研究也证明了该算法的有效性。

基于Sobel的多方向算子模板边缘检测算法

针对传统Sobel算子存在的边缘检测方向性不强及提取边缘较粗等问题,提出了一种改进的多方向算子模板的边缘检测算法。算法增加了22.5°,45°,67.5°,112.5°,135°和157.5°六个方向算子模板,能够较好地检测出图像不同的方向边缘。模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小;算法对梯度图像采用了改进的非极大值抑制方法进行细化,得到了较细的图像边缘。实验结果表明,与传统Sobel算法相比,该算法提取的边缘图像具有边缘方向性强且边缘较细的优点,具有较高的应用价值。

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。

一种改进视觉背景提取算法研究

针对传统的视觉背景提取(Vibe)算法易存在鬼影的问题,提出一种改进的Vibe算法。首先利用Vibe算法检测到前景目标后,利用边缘梯度特征信息对前景目标进行鬼影检测,进而从前景目标中消除鬼影区域,并重新初始化鬼影区域像素点的背景模型,以达到鬼影抑制的目的。通过对2个不同场景下的多段视频序列进行验证,实验结果表明,改进的Vibe算法能够快速有效地抑制鬼影的干扰,较传统的Vibe算法具有较高的目标检测准确率,在不同场景下具有较好的适应性。

基于强度-梯度映射与多方向中值滤波的红外弱小目标检测算法

为了能够在复杂环境下准确定位出弱小目标,依据目标的高斯形状特性,设计了强度-梯度映射耦合多方向中值滤波的红外弱小目标检测算法。首先,根据红外图像在4个不同方向的强度均值,对经典的中值滤波进行改进,以有效抑制复杂背景中的噪声。再基于弱小目标的中心像素,获取整个红外图像的强度信息。将红外图像沿着半径方向分割为4个子块,并建立每个子块的极坐标系统,以计算其对应的梯度值。依据最大与最小梯度值的比率,得到整个红外图像的梯度信息。再将强度与梯度信息实施融合,得到背景抑制图像,以增强红外弱小目标。最后,利用强度-梯度映射中的非零像素均值来计算阈值,对背景抑制图像实施分割,准确定位弱小目标。测试数据显示,与已有的红外弱小目标检测方案相比,所提算法具备更高的检测准确性,可完整地识别出目标,呈现出更为理想的ROC(receiver operating characteristic)曲线。

基于局部聚类的改进运动网格统计算法的研究

针对常用的匹配点筛选算法效率低、对具有角度和尺度变化匹配图像稳定性差等问题,提出一种基于局部聚类的改进网格运动统计特征点筛选算法。首先,通过局部区域抑制算法筛选响应强度较高且成对出现特征点作为种子点,并以种子点为聚类中心分割图像,得到最小外接矩形作为运动网格;随后把运动网格划分为3×3邻域支持估计量网格,计算运动网格在不同方向上的梯度最大值,作为运动网格的主方向;最后,把待匹配图像邻域支持估计量网格旋转至目标图像运动网格的主方向位置,借助网格运动统计算法筛选匹配。实验表明:对具有JPEG压缩变换、光照变化、模糊变换的匹配图像,所提算法匹配正确率在90%以上;对具有旋转和尺度变换图像,所提算法匹配正确率相较运动网格统计算法提高10%左右,高达40%以上;算法耗时仅为13 min,效率较高;所提算法可稳定高效地筛选正确的匹配点。

基于改进Sobel算法的实时图像边缘检测系统设计

针对传统Sobel边缘检测算法需要人为指定阈值而且检测出的边缘较宽等问题,提出一种自适应阈值和非极大值抑制相结合的边缘检测算法。引入中值滤波的思想生成自适应动态阈值,将该值作为二值化处理的阈值,并采用非极大值抑制的方法细化梯度图像,同时通过增加梯度检测方向提高了算法对复杂纹理的识别能力。将改进后的算法在FPGA平台上实现,实验验证了其有效性。

基于模板匹配的快速角点检测方法

角点检测是摄像机校准的重要环节,可通过对棋盘图像进行角点检测来确定摄像机的内外参数,然而传统方法在检测棋盘角点时保留了较多的冗余信息,难以精确给出棋盘角点位置。为此,提出一种新的棋盘角点检测方法。根据棋盘角点位于两对对称局部灰度区域交界点的特点构建匹配模板进行匹配,将匹配度较高的响应点作为候选角点。同时采用阈值方法处理非角点,通过非极大值抑制和梯度统计法筛选出目标角点。实验结果表明,相比利用棋盘纹理和几何特征优化角点集的角点检测方法,该方法提高了检测正确率,缩短了检测时间,并能够有效检测出复杂环境下的棋盘格图像和畸变图形。

基于梯度曲面面积与稀疏约束的图像平滑方法

针对纹理图像在平滑过程中低对比度边缘易丢失和纹理细节抑制不彻底等问题,提出基于梯度曲面面积与稀疏约束的图像平滑方法。首先,将图像视作三维空间中的二维嵌入曲面,再在此基础上分析图像的几何特征并提出梯度曲面面积约束正则化项,以提高纹理抑制性能;其次,根据图像的统计特性,建立L0梯度稀疏与自适应梯度曲面面积约束的混合正则化约束图像平滑模型;最后,采用交替方向乘子法对非凸非光滑的优化模型进行高效求解。通过纹理抑制、边缘检测、纹理增强和图像融合等方面的实验结果可知,所提出的图像平滑算法克服了L0梯度最小化平滑方法易造成的阶梯效应和欠滤波等缺陷,能够在去除大量纹理信息的同时保持并锐化图像显著的边缘轮廓。