基于多特征和FCM的图像边缘检测方法

提出了一种新的基于多特征和FCM的边缘检测算法.该方法根据边缘点附近灰度分布特点构造了多个反映边缘特性的特征分量,并利用输入图像提取该组特征分量,组成一个反映图像边缘特征的数据集.用FCM聚类算法将该数据集分为两类,即边缘点数据和非边缘点数据,实现边缘检测.该方法无需确定阈值,对弱边缘检测较敏感,在特征的选取上充分考虑了边缘和噪声的本质区别,因而具有优异的抗噪性能.

基于多特征和模糊推理的边缘检测

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数这一单一特征 ,并且对模糊边缘图像不敏感 ,针对此问题 ,本文提出基于多特征和模糊推理的边缘检测算法 .根据不同类别的边缘点附近灰度分布的特点定义多种边缘特征 ;利用不同的边缘特征确定模糊规则 ,用min max重心法模糊推理该点的边缘隶属度 ,实现边缘检测 .最后 ,文中给出应用本算法进行边缘检测的实例 ,与传统算法相比较 ,本算法检测边缘效果更好 ,并能较好地抑制噪声 .

一种新的图像边缘检测方法

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数,为了克服特征单一的缺陷,提出了一系列多特征的边缘检测算法,这类方法往往采用标准FCM聚类算法来达到边缘检测的目的,但是标准FCM聚类算法在类间数据量相差较大时容易产生错分,因此对图像中边缘点少而非边缘点多的特征数据库进行聚类分析,会产生一定的偏差,使图像的检测质量下降。对此该文提出了一种新的图像边缘检测算法,利用加权FCM算法代替标准FCM对特征矢量数据集进行分类,克服了上述问题,取得了较好的边缘检测效果。仿真实验也证明了新算法的有效性。