基于各向同性Sobel算子的H.264/AVC帧内预测模式选择算法

H.264/MPEG-4 AVC定义了9种4×4亮度块的预测模式,在参考模型JM中所采用的RDO计算复杂度较高。本文提出了一种基于各向同性Sobel算子的H.264的快速帧内编码模式选择算法,降低预测的复杂度,提高编码速度。测试表明,此算法能够使编码速度提高将近75%。

基于Sobel算子桥接的双编码器路面裂缝检测网络

为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通过桥接Sobel算子计算8个方向产生梯度编码的编码信息;然后,将原图编码结果与梯度编码结果通过一个多尺度的边缘信息弥补模块,以增强裂缝的边缘信息;最后,引入动态通道图卷积获得通道之间存在的拓扑关系,以突出重要通道的语义特征。研究结果表明:所提出的方法在DeepCrack、CamCrack789和CFD这3个基准数据集上取得较好的结果;综合指标ODS在DeepCrack、CamCrack789和CFD数据集分别为87.75%、85.05%、78.83%。

改进多方向Sobel算子的剩余油边缘检测方法

为进一步提高剩余油边缘检测的质量和精度,提出一种改进多方向Sobel算子的剩余油边缘检测方法。该方法通过改进双边滤波方法去除微观剩余油分布图像噪声,实现保边去噪的目的;结合Otsu算法使其能自适应获得微观剩余油图像的最佳阈值;在改进的4个方向上依次使用幅度为3×3的Sobel算子计算剩余油图像梯度的幅值和方向;最后利用非极大值抑制算法过滤伪边缘像素点,从而得到最终的剩余油边缘检测图像。实验结果表明,该方法能在去除微观剩余油图像噪声的同时,精确检测出微观剩余油分布图像中的剩余油边缘信息。

融合Sobel算子的SAR图像结构优化方法

针对传统滚动引导滤波算法在处理SAR图像时,面对较多琐碎纹理效果欠佳,容易产生虚假边缘的问题,提出融合Sobel算子自适应计算图像中每个像素点的梯度,反映图像的边缘强度来指导滚动引导滤波参数的调整,从而优化滚动引导滤波的结果。通过传统算法和改进算法对雷达图像处理的边缘强化和细节纹理提取的对比结果表明,提出的利用Sobel算子来进行滚动引导滤波参数的调整有着明显提升,能有效地支撑雷达图像的后续处理,为图像的强散射结构提取提供了一种新的方法。

基于Sobel算子的板件钢材表面裂纹数字图像识别研究

基于钢材表面裂纹颜色深度高于周围临近区域的特点,本文针对采用图像处理的方法对钢材表面裂纹自动识别展开研究。利用Sobel算子对图像边缘进行检测,进而识别出板件钢材的表面裂纹。采用双目立体视觉系统作为图像采集的硬件输入,对获取图像的畸变处理、摄像头的标定具体方法展开分析。在具体算法上,本文将获取的裂纹图像由RGB格式转换为YUV数据,并利用Sobel算子进行卷积计算得到图像梯度,将梯度值进一步进行均方根运算得到像素点灰度值;同时,根据钢材种类、表面特性对裂纹灰度阈值进行多次训练,以得到不同情况下的钢材裂纹判别阈值。将该阈值与计算得到的图像灰度值进行比较,根据比较结果对颜色通道进行赋值进而得到裂纹的像素点。再进一步对黑色像素点进行插值运算,得到连续的钢材裂纹曲线。

基于改进Sobel算子的输送带图像边缘检测研究

选用新型的机器视觉检测方法,分析图像有用信息,提取有价值和有意义的目标特征,对Sobel边缘检测算子进行改进,增强了图像对比度,有效地对输送带表面图像进行边缘检测和精确定位,较好地还原了图像形状,得到理想边缘信息和精确定位,有效地抑制了噪声干扰,并依据检测结果指导煤矿井下运输系统的安全作业和高效运行。

一种结合Sobel算子与改进形态学算法的边缘检测设计与实现

针对使用Sobel算子加传统的腐蚀和膨胀进行边缘检测存在可能会过度腐蚀边缘图像的问题,提出了一种Sobel算子结合改进的腐蚀和膨胀边缘检测的方法.改进的腐蚀和膨胀算法带有一个参数,改变该参数就可以调节腐蚀和膨胀的强度,避免了边缘图像被过度腐蚀和膨胀,基于ZYNQ实现了Sobel算子与改进的形态学算法的边缘检测.测试结果表明:使用改进的腐蚀和膨胀算法对经Sobel算子得到的边缘图像进行二次优化,不仅能够腐蚀脏点,平滑边缘,还能更多地保留边缘像素信息.

基于Sobel算子和灰色关联分析的图像边缘检测

针对灰色关联分析方法提取的边缘存在不连续、噪声敏感性等问题,本文将Sobel算子与灰色关联分析方法相结合,提出了一种基于邓氏关联度图像边缘检测的改进型算法,其融合了Sobel八方向算子技术,同时采用中值法对灰色关联度中的参考序列和比较序列实现单位一致性,并对传统的灰色邓氏关联度模型做了改进,用其求得的关联度提取图像边缘。仿真实验表明,本文算法提取的边缘连续、清晰,并在一定程度上抑制了噪声的干扰,提高了算法的效率。

二维各向同性谐振子的升、降算子

本文利用二维各向同性谐振子在粒子数表象中的升、降算子，推导出在坐标表象中二维各向同性谐振子的升、降算子．本文所用方法简单、直观，很容易求出在坐标表象中升、降算子的表示形式．

N维各向同性谐振子四类升降算子的归一化系数

重新构造出N(N≥ 2 )维各向同性谐振子的另外四类升降算子 ,计算了它们的矩阵元 。

N维各向同性谐振子的四类升、降算子

利用因式分解方法直接导出Ｎ（Ｎ≥２）维各向同性谐振子的两类升、降算子的一般表示式，构造了另外两类升、降算子。并由升降算子的性质，得到相应的能量本征值和波函数的一般形式。

构造d维各向同性谐振子四类升降算子的一种方法(英文)

文中得到d维各向同性谐振子归一化径向波函数。在径向基本算子r ,1r,ddr的基础上 ,可以直接构造d维各向同性谐振子的四类升降算子 ,同时也得到它们的归一化系数。

三维各向同性谐振子的升、降算子

本文利用在粒子数表象中三维各向同性谐振子的升、降算子、推导出在坐标表象中三维各向同性谐振子的升、降算子并求出对三维各向同性谐振子的三个量子数（Ｎ，ｌ，ｍ）的升、降算子．

基于sobel算子的道路图像边缘检测算法

应用图像低级特征提取技术中的边缘检测技术能够确定和提取车道线边界信息,为后续完成道路识别、实现辅助驾驶系统等提供了重要依据和基础。传统sobel算子进行边缘检测虽然算法简单、速度快,能满足道路图像边缘检测实时性的要求,但由于只获取了水平和垂直两个方向的边缘梯度信息,且阈值选取全靠人为设置,因此边缘信息检测效果不理想。文中提出改进sobel算子的边缘检测算法,算法通过扩大构造5×5的梯度权值模板计算出图像边缘信息,应用K-means聚类算法获取的最佳自适应阈值完成图像分割,最后通过改进的边缘细化算法,保留了更完整有效的边缘信息。通过实验表明,该算法能够较快、较好的提取道路图像边缘信息,而且具有一定的抗干扰能力。

二、三维各向同性谐振子的升、降算子

讨论了二、三维各向同性谐振子的升、降算子的一般形式及其性质 .

改进的Sobel算子图像清晰度评价算法

针对传统图像清晰度评价算法在显微自动对焦系统中抗噪性弱的问题,在传统梯度函数基础上提出了一种改进的Sobel算子图像清晰度评价算法。首先利用自适应中值去噪算法对显微图像预处理,减少噪声干扰;其次增加Sobel算子模板方向,采用四方向模板来计算像素点梯度;最终使用自适应全局阈值确定图像目标边缘,使用强边缘像素点的梯度平方和作为清晰度评价值,在一定程度上有效地解决了传统评价算子方位局限、抗干扰性差等问题。实验结果表明,该算法与传统梯度评价函数相比,图像处理速度提升了15.6%,灵敏度因子平均提升了0.711 9,具有良好的单峰性、抗干扰性和灵敏度。

基于Sobel算子的池化算法设计

池化算法是卷积神经网络中用于特征降维、参数压缩、扩大感受野的重要一层。针对现有的池化方法没有充分考虑到池化前特征图的整体内容及风格特征分布问题,提出了一种通过Sobel算子对卷积后的特征图计算每个特征点的梯度值,并根据梯度值分布确定每个池化窗口取最大值、均值或者最小值的池化算法。该算法充分考虑了特征图池化前后的整体内容及风格特征分布,保持了特征图的整体不变性。实验表明,该池化算法在VGG、ResNet等经典网络架构上取得了优异性能,具有普适性,可用来替代常用的最大池化、平均池化。

基于八方向Sobel算子的边缘检测系统设计

针对经典的Sobel边缘检测算法存在定位不准确并且有因阈值固定而导致边缘粗的问题,提出一种八方向的Sobel算子与八方向的非极大值抑制相结合的边缘检测算法。首先采用八方向的卷积模板提高边缘定位准确度,再采用八方向的非极大值抑制方法细化扩展后的图像边缘,提高算法检测复杂图像边缘时的信息准确度。由于改进后的算法计算量倍增,选用现场可编程逻辑门阵列(FPGA)平台实现,实验结果验证了系统进行实时检测的可行性。

具有非各向同性分形位势的薛定谔算子的负谱估计

该文研究了形如T_λ=id-Δ+λtrΓ的具有分形位势的薛定谔算子,其中Δ是R2上的Dirichlet Laplacian算子,Γ为R^2中非各向同性的分形集,trΓ为迹算子.通过引入各向异性Sobolev空间以及正则化的非各向同性分形集,得到其上负谱的精细估计.

基于Laplacian算子的航飞影像预处理分析

模糊影像会直接影响空中三角测量解算的结果,因此需要对无人机航飞影像进行预处理。分别使用Soble算子和Laplacian算子对航飞影像中模糊的照片进行边缘检测,识别出模糊照片。分析2种算子在航片预处理中的适用性,并编译软件自动分离出模糊和无效的照片。结果表明:Sobel和Laplacian算子均可以准确地分离出模糊影像,影像识别率可达100%。其中,Laplacian算子对航飞影像的边缘检测敏感度高于Sobel算子,Laplacian算子得到的方差值更大,判定影像清晰与模糊的界限更准确。最后通过快速检索算法与Laplacian算法相结合,编译完成无人机航飞影像预处理模块,提高无人机航片预处理效率。