基于改进Canny的彩色图像边缘检测算法

彩色图像边缘在计算机视觉中起着至关重要的作用,但现存的彩色图像边缘检测算法存在对混合噪声抵抗性差、检测出的边缘连续性差和边缘漏检等问题。通过对彩色图像边缘检测算法的研究,提出一种改进的彩色图像边缘检测算法。该算法首先采用改进小波变换滤波方法在保持图像边缘的同时滤除图像的混合噪声;然后将滤波处理后的彩色图像由RGB颜色空间转换到CLElab颜色空间,并用提出的多方向色差计算公式计算色差幅值和方向,以提高边缘检测的完整性;最后,将以上处理方法与Canny的非极大值抑制和双阈值边缘处理相结合,从而完成彩色图像的边缘检测。实验结果表明,该算法查全率、查准率和整体精度均较高,分别达到了85.9%、96.7%和96.3%,比目前的色差边缘检测算法、亮度与颜色特征融合的边缘检测算法以及基于改进蚁群算法的边缘检测算法分别提高了3.8%~14.8%、1.6%~8%和1.3%~3.7%。基于改进Canny的彩色图像边缘检测算法可以有效去除混合噪声,并能检测出连续性和完整性较高的彩色边缘,有效提高了边缘检测率。

Unit-Linking PCNN和图像熵的彩色图像分割与边缘检测

在RGB空间中,将最大香农熵准则和最小交叉熵准则两种评价准则与大概率合并和小概率合并两种合并策略相结合,提出基于Unit-Linking PCNN的四种彩色图像分割方案,并在各分量分割结果基础上利用Unit-Linking PCNN实施边缘检测,合并得到彩色图像的边缘检测结果。分析了各评价准则和合并策略的优劣,比较了各分割方案条件下的图像分割和边缘检测效果。与HSV空间中得到的相关结果进行分析比较,该文分割和边缘检测结果体现了图像的更多的细节,说明了在RGB空间中进行彩色图像分割和边缘检测的合理性。与相关文献结果相比,该方法的模型参数对图像分割结果的影响较不敏感。计算机仿真结果表明,该方法具有较好的彩色图像分割和边缘检测效果,具有较强适用性。

基于HVS的彩色图像边缘检测算子

边缘检测是数字图像处理中的基本预处理方法之一,由于利用检测出来的图像边缘可以对图像做进一步的处理,因此它是图像处理中的基础算法。大家知道,边缘检测问题,其本质上是颜色差分的计算问题。尽管边缘检测在灰度图像处理当中得到了深入的研究,但对于彩色图像仍然是一个难题。为了能够较好地对彩色图像进行边缘检测,结合人类视觉系统(humanvisionsystem, HVS)的特点,通过分离颜色的亮度信息和色度信息,并通过压制次要信息来强调其中的重要信息,提出了一种新的彩色图像边缘检测算法。该算法先分别计算两个颜色的亮度距离和色度距离,然后将这两个距离的加权平均值作为最终的颜色距离。由于它能较好地检测出图像边缘,因此是一种实用有效的彩色图像边缘检测方法。

基于主轴分析和EDISON-Zernike矩的彩色图像亚像素边缘检测

本文分析了目前常见的亚像素边缘检测方法,提出了一种综合运用主轴分析法、Zernike矩和嵌入置信度的彩色图像亚像素边缘检测算法。首先获取影像三维空间中的主轴,然后利用嵌入置信度的边缘检测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。实验表明本文算法优于其它的边缘检测算子,充分利用了图像的彩色信息,定位精度能够达到0.13个像素,并且该方法还具有良好的抗噪声干扰性和处理效率。

基于LIP的彩色图像边缘检测研究

1.前言 边缘是图像中的区域.在这些区域中,图像的亮度发生了陡峭的变化.边缘主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础.

一种改进的彩色图像边缘检测方法

使用灰度图像算法进行彩色图像边缘检测,会造成图像边缘漏检.针对这个问题,在输出融合法基础上,对Roberts算子进行了改进,提出一种适用于彩色图像的边缘检测方法.实验表明,改进算法能有效检测彩色图像边缘.

基于Prewitt算子的彩色图像边缘检测方法改进

使用灰度图像算法进行彩色图像边缘检测,会造成图像边缘漏检。针对这个问题,本文在输出融合法基础上,对Prewitt算子进行了改进,提出一种适用于彩色图像的边缘检测方法。实验表明,改进算法能有效检测彩色图像边缘。

Unit-Linking PCNN中的彩色图像边缘检测

PCNN模型具有相似群神经元同步发放脉冲的特性,适合于图像分割。对彩色图像的亮度分量进行对数变换,使其更符合人眼的视觉特性;在PCNN进行彩色图像R、G、B三分量分割的过程中,利用遗传算法进行神经元关键参数的选择,利用偏态指标进行迭代控制;在Unit-Linking PCNN模型中实现R、G、B三分量分割图的边缘检测,利用加权合并策略得到最终的边缘检测结果。仿真结果表明,该方法得到的结果体现了图像中更多的轮廓细节,具有很好的自适应性。

基于改进的Snake模型的眼细胞彩色图像边缘检测算法研究

在前人研究的Snake模型上提出了适应彩色眼细胞图像边缘检测的改进的Snake模型.该改进模型选取了有益的能量项,舍去了刚性能量项,并在面积能量项的计算上进行了一些改进.在图像力能量项上采用把单通道灰度图像处理方式推广到真彩色RGB三通道的方法,获取彩色图像力能量项.在轮廓初始化时的受控点逆时针排序上给出了行之有效的算法.最后采用贪婪算法最小化总能量,在彩色眼细胞边缘检测上取得了较为明显的效果.

基于颜色三角形信息量的彩色图像边缘检测

提出了一种利用构造三角形面积变化来检测彩色图像边缘的方法,它能够充分利用彩色图像中各像素的各个彩色分量,将颜色的向量度量转化为标量度量。与传统的边缘检测算法相比,这种方法检测到的边缘比较清晰,能提高边缘检测的准确性。

一种针对彩色图像的泛盲掩密分析方案

基于Farid(2002)年泛盲掩密分析算法对彩色图像检测的局限性,提出了新的泛盲掩密分析算法。该算法利用彩色图像的亮度和色度进行分类特征矢量的选择。通过矢量方向滤波技术(VDF)对图像进行方向化处理,并以滤波前后图像之间的矢量方向相关度为色度的分类特征。该方法大大减少了分类特征的数目,而且克服了Farid算法忽略RGB3个颜色通道间相关性的缺陷。分别利用该算法和Farid的算法对JSteg,F5和EZStego软件掩密后的图像进行检测,比较实验结果表明,对于不同长度的嵌入消息,该算法具有更好的检测性能。

一种非常有效的彩色图像边缘检测方法

基于专门针对数字彩色图像的边缘检测方法比较少,本文提出了一种改进的基于四元数进行彩色图像边缘检测的有效方法,通过减少计算量提高它的检测速度,并将它与其他的图像边缘检测方法进行比较证明它的有效性和可行性。

基于四元数的彩色图像边缘检测研究

为了实现彩色图像边缘检测,建立了彩色图像自动边缘检测算法。对彩色图像基于四元数的表示方法进行描述,针对基于snake算子实现彩色图像边缘检测算法进行了研究。首先,根据彩色图像三原色的基本特征,利用四元数的矢量表示方法以及四元数基本运算方法进行描述;其次,介绍了snake算子的基本原理,检测过程等。最后,构造了双四元数和snake算子的彩色图像边缘检测算法。实验结果表明,利用文中算法获得的彩色图像边缘检测保留了原图像的自身信息,边缘信息完整。该算法基本满足彩色图像边缘检测的稳定可靠、信息完整、抗干扰能力强等要求。

超复数空间彩色边缘检测器的实现

提出超复数空间彩色图像边缘检测器的一种新实现方法——基于超复数空间旋转变换的彩色边缘检测。分析结果表明 ,Sangwine提出的超复数空间彩色图像边缘检测算法实质是一种色差图像边缘检测算法。通过把彩色图像映射到超复数空间进行处理 ,产生色差边缘图像。为了解决超复数空间的卷积运算问题 ,文中对超复数空间旋转运算进行推广 ,提出了旋转变换算子 ,把超复数空间中的矢量卷积运算转化为标量运算 ,极大地降低了计算复杂度。实验结果表明了本方案的正确性。

基于主轴分析和嵌入置信度的彩色边缘检测

边缘提取是获取图像特征的基本方法之一,彩色图像提供了比灰度图像更丰富的信息,彩色图像的边缘检测日益受到人们的重视。分析了目前常见的彩色图像边缘检测算法,提出了一种将主轴分析和嵌入置信度相结合的边缘提取算法,通过实验证明,该方法充分利用了图像的彩色信息,能够有效地保护边缘细节,提高检测精度,具有良好的边缘提取效果和边缘连续性。

一种新的图像空间特征提取方法

提出一种新的图像空间特征提取方法,采用基于颜色向量角和Euclid距离的CCVAE算法,检测原始图像的彩色边缘,分别对边缘像素、非边缘像素建立边缘直方图描述子和空间颜色直方图,描述颜色分布信息。仿真实验结果表明,该方法具有较高的准确率和召回率。

基于空间特征的图像检索

提出一种新的基于空间特征的图像特征描述子SCH,利用基于颜色向量角和欧几里得距离的MCVAE算法共同检测原始彩色图像边缘,同时利用一种新的"最大最小分量颜色不变量模型"对原始图像量化,对边缘像素建立边缘相关矩阵;对非边缘像素使用颜色直方图描述局部颜色分布信息;然后,利用新的sin相似性度量法则衡量图像特征间的相似度。实验采用VC++6.0开发了基于内容的图像检索原型系统"SttImageRetrieval",基于Oracle 9i数据库建立了一个综合型图像数据库"IMAGEDB"。实验分析结果证明,利用SCH描述子的检索准确度明显高于仅基于颜色统计特征的检索结果。

一种基于HSI的距离联合RGB 3维场边缘探测方法

在彩色图像边缘检测中,欧氏距离方法虽对亮度变化敏感,但对色度和饱和度的差异不太敏感,而矢量角方法又仅能探测色彩差异。为了在RGB3维彩色场中获取精确的边缘信息,提出了一种基于HIS(色度、饱和度和亮度)的距离联合边缘检测方法。该方法在高亮和色差大的区域主要利用矢量角对色彩差异来进行检测,而在低亮和色差小的区域则主要利用欧氏距离的亮度差异来进行边缘检测。实验表明,该方法可有效地解决矢量角存在的问题,其与LUV欧氏距离检测方法相比,则可以避免复杂的色彩空间变换计算,其检测效果也更佳。