基于多方向梯度边缘预测器快速边缘检测算法

改进了无损压缩编码中的梯度自适应预测器(GAP)和梯度边缘检测(GED)预测器,并应用在图像边缘检测中,提出基于多方向梯度边缘预测器(MGEDP)的动态阈值控制的边缘检测算法。该方法主要步骤为:1)从图像中心划分四个区域;2)采用并行技术多个方向应用MGEDP模板,分别预测错误值,利用错误反馈信息构建预测误差图像;3)利用大津算法计算阈值,分类误差图像边缘;4)细化边缘;5)合成边缘图像。实验证明:应用并行技术降低了时间复杂度,以中心逐步向四周选择预测参考点避免了误差繁衍,最终得到清晰完整、细节丰富的边缘图像。

多方向GAP预测器彩色图像快速边缘检测

针对传统梯度调节预测器(GAP)模板进行边缘检测时产生预测错误繁衍的不足,提出改进的多方向GAP预测器模板。首先色融合生成灰度图像;以图像中心划分四个区域,采用并行技术应用多方向GAP模板计算预测值;利用错误反馈信息构建预测误差图像;再通过梯度直方图计算阈值,分类误差图像边缘;最后Hilditch算法细化边缘。实验证明,该模板方法不仅大大降低了时间复杂度,而且检测的伪边缘较少,细节丰富,得到了视觉质量较好的边缘图像。

一种基于梯度方向一致性的边缘检测新算法

为达到同时提取图像的主要边缘和微弱边缘并有效抑制噪声的目的,该文利用真实图像边缘两侧的灰度渐变性,以及边缘点周围灰度梯度的方向一致性好而非边缘点周围灰度梯度的方向一致性差的特点构造了梯度方向和(SGD)指标;并根据该指标提出一种阈值自适应的边缘检测算法。实验表明:梯度方向和在有效提取边缘点的同时能较好地抑制高强噪声;该指标对光照和对比度变化有较强的鲁棒性;将其用于阈值的自适应调节,得到的基于梯度方向一致性的边缘检测方法能较好地解决兼顾弱边缘检测的同时而不引入噪声干扰的问题。

沿梯度方向的改进一阶差分亚像素边缘检测法

提出了一种基于梯度方向的改进型一阶差分亚像素边缘检测方法。该方法的主要思想是,在曲线轮廓上,根据方位角对边缘像素点所在的小邻域沿梯度方向进行差分,再将修正值重投影至行列。理论上而言,该方法可弥补传统一阶差分法在曲线边缘处由于差分分布较平坦而导致精度较低的不足。理想图像的实验结果表明,该方法对半径测量、圆心定位的精度均小于0.05像素,这比采用其他亚像素法进行半径测量时可达到的精度有较大提高。

基于梯度方向的零交叉边缘检测

鉴于高斯拉普拉斯(LoG)算子具有各向同性且在有方向性差异的场合并不适应的不足,提出在梯度方向进行零交叉的边缘检测方法。首先使用自适应平滑滤波原图像;然后在水平和垂直两个方向上分别计算图像的一阶梯度分量;使用梯度算子分别对两个求得的一阶梯度分量进行操作,计算两方向上的二阶偏导数;分别对两个方向上的二阶偏导数进行零交叉检测,并合并零交叉点得到边缘图像;最后使用形态学图像处理方法去除边缘图像中面积较小的孤立点区域。结果表明,该方法在噪声环境中具有良好的边缘检测效果,且运算时间与LoG算子检测方法相当。

基于方向梯度的边缘检测算法及实现

提出了基于方向梯度的边缘检测算法.根据梯度直方图信息,将梯度模非极大抑制后的像素点分为3类,依据3类梯度模方差最小化自动获取高低阈值,不需要人为设定任何参数.Matlab仿真环境实验结果表明:该边缘检测算法在保持Canny算子优点的基础上,检测出的边缘信息更加准确和有效.

基于梯度方向一致性引导的边缘检测研究

为解决传统Canny算子在边缘交叉点因漏检造成边缘轮廓未闭合的问题,提出了基于梯度方向一致性的改进算法应用于边缘像素检测。研究结果表明:基于梯度方向一致性的改进算法,可以检测出更多的边缘交叉点细节,在连接边缘方面优于传统Canny算子,并未引入噪声干扰问题。因此,该算法对边缘检测研究具有一定的参考价值。

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。

基于边缘梯度方向直方图的图像检索

图像检索是计算机视觉研究的热点问题之一。首先对数字图像进行边缘检测;接下来对各个边缘点求其梯度;然后根据各个边缘点的梯度求得边缘梯度方向直方图;最后用街区距离进行相似性度量,实现图像检索。仿真实验表明,本文提出的算法是一种有效的图像检索方法。

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.

一种基于蚁群优化的显著边缘检测算法

该文提出一种基于蚁群优化的显著边缘检测算法。该算法利用相位编组方法计算支持区面积作为描述图像边缘梯度方向一致性的指标,将梯度幅度和支持区面积结合起来形成启发信息和信息素增量的计算方法,采用线性加权方法将信息素、梯度幅度、支持区面积3种信息综合起来得到蚂蚁转移概率,通过引入禁忌表增大蚂蚁的活动范围。实验结果表明:该文提出的算法能够有效检测图像中的显著边缘特征,对多类图像都有良好的适应性,而且收敛速度较快。

基于全向小波的图像边缘检测算法

针对现有边缘检测算法难以提取图像任意方向的边缘特征,提出基于全向小波的图像边缘检测算法.首先,定义了全向小波的概念、构造其模型并推导了全向小波的最大值与梯度模值相等的关系.理论分析表明本文算法始终沿小波变换值的最大值方向提取边缘.然后,选择二维高斯函数实例化模型,以8方向和3×3变换窗为例进行算法设计.标准图像对比试验表明本文算法能提取更多方向的边缘特征、边界清晰度也比SADD算法、Canny算子分别高出约2.17%、8.66%.

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。

一种改进的Sobel边缘检测算法的设计及其FPGA实现

为了快速得到边缘更清晰、敏感度更高的实时边缘图像数据,提出了一种改进的Sobel边缘检测算法.对原始图像的边缘进行平滑滤波后,利用2个3×3模板对选定的二维图像中同样大小区域内的数据进行卷积,合并水平及垂直方向的导数得到该区域的梯度值,再通过添加的梯度方向模块对该区域进行4个方向的判断以帮助确定边缘,最后通过非极大值抑制及二值化处理确定图像边缘.将改进后的Sobel边缘检测算法在FPGA上进行了实现并证明了其有效性.

基于图像特征的边缘检测

针对传统边缘检测算子在检测效果与抗噪方面的不足,提出基于图像特征的边缘检测方法,综合考虑图像的梯度特征、相位特征以及噪声的影响,以方向能量和由直方图差分算子计算的亮度梯度为图像特征进行边缘检测。对提取的特征值进行训练,得到边缘点与非边缘点的特征均值;依据近邻准则对检测图像的特征值分类,提取边缘;建立评价函数评价边缘的质量。仿真结果表明该算法可以取得很好的检测效果,同时具有一定的抗噪声性。

基于Canny边缘检测算子的图像检索算法

针对依赖传统Canny算子的基于边缘的图像检索系统所存在的不足,提出一种基于Canny边缘检测的图像检索算法。使用改进的Canny算子提取图像边缘特征,将该特征通过傅里叶描述子转化为向量,根据向量间的Man-hanttan距离进行图像检索。试验结果表明,改进的Canny算子能够检测到低强度的边缘并保持边缘清晰连贯,而且该图像检索算法具有良好的检索效果。

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。

小波变换三阈值多尺度融合边缘检测算法

充分利用边缘点和噪声点在梯度方向特征上的差异,提出了边缘点的梯度方向特征的概念。在不同尺度上对图像进行小波变换,得到每个像素点的梯度信息,利用双阈值的非极大值抑制法和边缘点的梯度方向特征提取每一尺度上的边缘点,最后用第三个阈值融合各尺度下的检测结果,得到图像边缘。实验结果证明,该算法与经典的Canny算子和Mallat小波算子相比,在保证边缘定位能力的同时,具有更强的抗噪声性,在强噪声干扰下仍可获得满意的边缘检测效果。

基于多级滤波的感兴趣边缘检测算法

针对边缘检测过程中阈值难确定和提取干扰边缘较多的问题,提出了一种基于多级滤波的感兴趣边缘检测算法。该算法分为四个步骤:首先对图像进行平滑滤波;之后计算水平方向和垂直方向的梯度幅值图像和梯度方向图像;然后根据梯度方向图像对梯度幅值图像进行噪声边缘滤波,并对梯度幅值图像进行非最大值抑制;最后对滤波后的梯度幅值图像进行分割,对得到的边缘映射图进行边缘跟踪,获取所有的边缘段及其特征,并滤除不满足特征约束的边缘,得到感兴趣的边缘。试验结果表明本文算法有很好的适用性。

小波多尺度动态方向梯度矢量流与心脏核磁共振图像分割

主动轮廓线模型已在心脏MRI图像左心室内膜分割中得到了广泛的应用,但是如果轮廓线的初始位置不合理,受到左心室内部组织灰度和心脏周围组织灰度的影响,将难以得到准确而稳定的分割结果。将小波多尺度边缘检测算法应用于主动轮廓线模型,并结合动态方向梯度矢量流(DDGVF)概念,首先在高尺度图像上进行处理,将得到的结果作为低尺度图像上的初始轮廓线继续进行处理。通过这种方法,解决了初始轮廓线必须离真实轮廓很近的问题,有效扩大了主动轮廓模型的捕获范围。