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。

基于标准差加权高斯滤波函数及多方向Sobel算子的感兴趣区域中心子区图像期望清晰度值计算方法

通过将感兴趣区域(ROI)划分为ROI中心子区、次中心子区,以及边缘子区,提出一种ROI中心子区图像期望清晰度值计算方法。将ROI水平与垂直方向划分为多个奇数ROI子区,对于不同的ROI子区采用不同标准差加权的高斯滤波函数进行滤波去噪处理,离ROI中心子区越远的ROI次中心子区与边缘子区,标准差越大,这样在保证ROI中心子区图像清晰度值的同时,又有效地降低ROI边缘子区的清晰度值,为后续计算ROI图像期望清晰度提供可靠数据。更进一步,将传统的二方向3×3 Sobel算子拓展为四方向的5×5 Sobel算子,实现更强的边缘响应以及更好的清晰度曲线。在此基础上,利用现场可编程逻辑门阵列(FPGA)高速图像处理技术实现上述算法,大大减少计算时间。实验结果表明,所提方法可以有效地消除噪声对ROI图像期望清晰度值的影响,并且能够显著减少ROI边缘子区图像的细节信息,从而始终保证ROI中心子区对焦。另外与软件计算相比,FPGA拥有更快的计算速度和更好的实时性,计算速度是软件的130倍。

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%。

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。

基于多方向改进Sobel算子的PCB图像定位校正方法

图像定位校正是基于机器视觉的印刷电路板缺陷检测方法重要组成部分,可有效提高缺陷检测系统的自动化程度。针对传统定位校正方法准确率较低等问题,提出一种基于多方向改进Sobel算子的PCB图像定位校正方法。首先,采用多方向改进Sobel算子对PCB图像的G通道进行边缘信息提取;其次,对边缘图像进行二值化处理,并结合中值滤波提取图像轮廓,实现PCB区域定位;最后,结合感兴趣区域采用仿射变换实现整幅图像校正。实验结果表明,多方向改进Sobel算子具有更好的边缘检测效果,而采用图像定位校正评价函数发现,所提出的PCB图像定位校正算法优于现有主要方法,有效地提高了图像定位校正的准确率。

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.

融合多方向Sobel算子的相干斑各向异性扩散抑制

相干斑的存在严重干扰了SAR图像质量,亟需对其抑制处理。传统AD(Anisotropic Diffusion)滤波器边缘检测模型精准度仍有提升空间,且噪声抑制效果往往受限于扩散阈值较难准确估计的问题。针对上述问题,提出了一种融合多方向Sobel算子的相干斑各向异性扩散抑制方法。该方法是SRAD(Speckle Reducing Anisotropic Diffusion)的改进算法,其利用多方向Sobel算子在SAR影像各点处构建了全新的边缘检测模型,并基于此,融合高斯核函数建立了新的AD扩散函数,可有效解决传统AD扩散系数受参数估计限制,提升了相干斑各向异性抑制的准确性。实验选取了3景真实SAR影像进行滤波实验,结果表明:该方法可有效提高边缘检测能力,获取更优相干斑抑制效果。

基于FPGA的Sobel图像边缘检测设计

边缘检测是图像处理和计算机视觉中有关特征提取的一个重要研究领域。基于现场可编程逻辑门阵列(field programmable gate array,FPGA)完成了图像边缘检测及视频图形阵列(video graphics array,VGA)显示电路设计。该设计基于QuartusⅡ设计平台,采用Verilog语言编写代码,采用Modelsim仿真软件完成电路仿真,实现了串口图像数据的索贝尔(Sobel)算法边缘检测功能,并且由VGA显示器输出检测结果。最后,在EP4CE10F17C8N芯片上完成了功能验证。

基于Sobel算子的图像边缘检测研究

在图像处理中,提出了一种新的边缘检测算法,该算法首先对由Otsu算法所得图像进行形态学的去除孤立像素和闭运算操作,然后再用Sobel算子进行边缘检测,最后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。最后用MATLAB对数字图像和红外图像都进行了仿真。仿真结果表明,该算法改善了单一的用Sobel算子检测对垂直与水平方向敏感,其他方向不敏感的不足,提高了Sobel边缘检测算子的性能,具有良好的检测精度。此算法不仅适用于数字图像还适用于红外图像。

利用Sobel-Zernike矩算子的快速亚像素边缘检测方法

利用Sobel算子快速检测出所有可能的边缘点;再利用Zernike矩算子以亚像素精度重新定 位边缘。为提高定位精度,根据Zernike矩理论,推导了2个77的模板。测试结果表明,该方法定位精度接近于Zernike矩算子,而算法运行时间仅为0.91s。

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。

基于八方向Sobel算子的边缘检测算法

针对传统图像边缘检测方法检测效果不理想的问题,提出一种基于八方向Sobel算子的边缘检测算法。采用0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5°8个方向的模板进行检测,能较好地检测出不同方向的边缘。在检测过程中,考虑到邻域内像素到中心像素距离不同,对中心像素的贡献不同,算法根据该像素到中心像素欧氏距离对邻域内像素进行加权,使得距中心像素越近,其权值越大。实验表明,算法检测出的图像边缘较为完整,轮廓线清晰且连续性较好。

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法。该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像。最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果。

基于改进的Sobel算子和色调信息的叶脉提取方法

植物的叶脉包含重要的植物生理信息,对叶脉的提取是植物建模和识别的关键。利用HSI彩色空间(color space)提取叶脉的算法,该文提出改进的Sobel算子和色调信息相结合的叶脉提取算法。改进的Sobel算子用于基本叶脉轮廓的提取,色调信息用于主叶脉提取,然后将两者提取的图像融合得到最终的叶脉图像。结果表明,该方法可弥补Sobel算子和HSI彩色空间提取叶脉的不足,能更准确地提取叶脉信息,尤其适合于颜色有变化或光照不均匀的植物叶子样本,为进一步对叶脉尺寸和形态的分析打下基础。

基于改进Sobel算子的动态自动调焦算法研究

为了提高自动调焦算法在动态环境下的性能,对调焦评价函数和调焦搜索策略进行了研究。在分析人类视觉系统特性研究成果的基础上,提出一种基于8方向Sobel算子边缘加权的调焦评价函数。同时,为了克服传统爬山法搜索速度慢的缺点,采用自适应变步长极值搜索策略,通过仿真实验可知,提出的8方向Sobel边缘检测算子具备良好的边缘提取效果,同时基于此算子结合人类视觉机制特性给予各边缘不同权重系数计算的调焦评价函数,比经典两方向Sobel算子调焦评价函数具备更好的抗干扰能力。最后搭建基于液体透镜的实验平台,在动态环境下验证改进算法的性能。实验结果表明,提出的自动调焦算法在动态环境下调焦准确率达到97.5%。

基于改进Sobel算子的遥感图像道路边缘检测方法

从遥感图像中提取道路边缘可以大量简化道路网的测绘与规划工作。传统边缘检测算子由于方向和模板尺寸的局限性,易造成检测结果中边缘点散乱、不连续或过多边缘点误判。基于道路边缘完整且连续的特点,针对传统检测效果并不理想的问题,提出了一种改进的Sobel算子,即5×5的8方向模板。从Sobel算子的基本原理出发,根据Pascal三角形理论推导出各方向的最优模板。研究表明,该算子不仅能较好地检测出更多方向上的边缘,而且能有效减少误判点,检测出的边缘线条更加平滑、完整,轮廓清晰且连续性好,尤其在弯曲道路检测中表现得更为突出,优于其他算子的检测效果。

一种基于猫视皮层细胞机制的改进的Sobel算子

目前最常见的边缘检测算子是Sobel算子,但是它存在对非0°和非90°朝向的边缘检测时,其输出幅度不强、抗干扰和抗亮度变化弱的问题。通过仔细比较Sobel算子与猫(以及雪貂和猴)的初级视皮层的简单细胞对场景边缘检测原理的不同,提出了更接近于猫的初级视皮层中的简单细胞的工作机制的边缘检测算法——改进的Sobel算子。实验结果表明:改进的Sobel算子不仅保留了经典的Sobel算子的优点,而且提高了45°、135°朝向的边缘输出幅度,增强了抗干扰性和亮度适应性。