基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意.针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中.该方法具有较好的定位精确度、抗噪能力和较快的计算速度.实验证明该方法可达到1/60像素的精确度.

工业图像中屋脊边缘多尺度检测方法

针对屋脊边缘的特点，提出了一种多尺度屋脊边缘的检测方法．该方法分析了图像中屋脊边缘的可能性，并根据该可能性度量自适应调整滤波器的尺度参数．分析了对屋脊边缘进行滤波的尺度参数选取范围。

小波系数过零点的屋脊边缘亚像素检测算法

针对现有亚像素边缘检测算法在定位精度、抗噪性能和计算速度方面问题,提出一种新的基于小波变换系数过零点的屋脊边缘亚像素检测算法,证明了利用该方法对屋脊边缘进行亚像素检测不存在原理误差,且具有较好的抗噪性能和较快的计算速度.仿真实验证实理论的正确性.

基于曲率的屋脊边缘检测方法

本文提出一种新的、基于曲面曲率的屋脊边缘检测方法。通过屋脊边缘沿最大主曲率方向的最大主曲率局部极值检测屋脊边缘,同时最小主曲率的方向就是屋脊边缘的走向。理论分析和实验证明,本文方法具有更好的性质和边缘检测效果。

一种基于屋脊边缘的字符图像细化方法

针对字符图像中笔画内部像素点灰度的屋脊型分布特点,提出了一种新的字符图像细化方法。该方法利用字符图像中灰度截面曲线,获取了屋脊型边缘的候选点集,通过对候选点集的进一步筛选和修补,取得了定位较为准确的屋脊边缘点,实现了数字字符灰度图像的可靠细化。

综合运用主曲率与主方向特征检测屋脊型边缘

本文提出了一种利用曲面主曲率和主方向进行屋脊型边缘检测的综合算法,先通过沿屋脊边缘走向的主曲率检测图像边缘,再根据主方向信息对初步结果进行方向跟踪和边缘搜索,取得了较为理想的效果.

多项式拟合屋脊型边缘及在梁弯曲变形检测中的应用

梁侧面在图像中是一长条形影像,其边缘为屋脊型,很难以单一函数逼近边缘灰度数据.文章以正交多项式函数对其进行拟合,可按算术除法解优化方程,避免了求逆和解方程组.对生成的具有屋脊型边缘图像的分析表明,新方法的边缘识别精度较高.静载模型实验表明,新方法可以高密度检测梁全长度的弯曲变形,单一点的检测精度与传统方法的检测精度相当.

重力张量数据的目标体边缘检测方法探讨

文中介绍了几种目前常用的利用位场数据提取目标体边界的算法。通过分析各种边界提取算法的结果特征,将其分为阶跃型边缘和屋脊型边缘两种,并把边缘检测技术应用到重力张量数据处理中,利用阶跃型边缘检测算子和屋脊型边缘检测算子直接提取目标体边界。模型实验结果表明,利用边缘检测算法得到的目标体边界与实际边界吻合较好,与利用极值点、零点或其他特征点的边界提取算法相比,通过边缘检测算法得到的目标体边界更为精确、完整。同时通过对理论模型添加5%的高斯白噪声,证明了边缘检测算法具有一定的抗干扰能力。

一种新的指纹图像预处理方法

提出了一种基于屋脊边缘检测的指纹图像预处理方法 ,利用屋脊边缘沿最大主曲率方向的最大主曲率局部极值直接得到指纹的骨架 ,用最小主曲率的方向得到指纹的方向流结构 .实验证明 ,该方法对于不同质量的指纹图像都取得了较理想的结果 。

基于自适应多尺度焊缝X光图像缺陷分割研究

焊缝X光图像中的缺陷包括近似圆形和近似条形缺陷。由多尺度边缘检测理论可知:在适当尺度下,圆形缺陷在相互正交的两个方向上都是屋脊边缘,而条形缺陷只在一个方向上是屋脊边缘。利用区域一致性测度自适应确定小波滤波尺度。并在缺陷存在区域自适应确定LOG算子和方向可调滤波器的滤波尺度用以分割两种缺陷。理论分析和实验结果表明,算法有较好的分割效果。

工业X光图像安全检测算法

在工业x光图像安全检测中,缺陷在某种尺度下可以看作是屋脊边缘。从多尺度边缘检测的角度分析得出:在一定尺度下,圆形缺陷在两个方向上都看作是屋脊边缘,而条形缺陷只在一个方向上被看作是屋脊边缘。利用小波多尺度边缘检测的两个分量来确定两个方向是否都存在屋脊边缘,从而区分开这两种形状缺陷。使用LOG算子提取圆形缺陷,使用方向可调滤波器提取条形缺陷,根据检测到的缺陷的形状参数来对缺陷进行分类判级。实验表明,该算法有很好的检测效果。

一种基于图像方向信息测度算法的自适应表格图像增强算法

图像增强是图像处理的重要任务。为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法。该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果。实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果。

屋脊型边缘的亚像素级检测算法研究

通过分析屋脊型边缘的成像特点,提出了一种针对屋脊型边缘的亚像素级检测算法。给出了算法的理论证明,说明了算法不存在原理性误差,此算法将求取边缘点的亚像素位置转为求解图形的对称中心。推导出算法的离散化公式。通过实验验证了此算法在无噪和含噪情况下的有效性,并分析了误差产生的原因。研究结果表明,此算法计算量小、精确度高,并具有抑制噪声的能力。