基于改进Canny算子的齿轮缺陷检测边缘检测算法

针对齿轮缺陷检测过程中因光照及噪声影响导致微弱边缘难以提取的问题,提出了一种改进的Canny齿轮边缘检测方法。首先,将双边滤波算法引入到多尺度Retinex(multi-scale retinex,MSR),在改善原图像降噪效果的同时保证边缘不被虚化,且从原理上降低环境光照对图像的影响;其次,引入拉氏锐化增强算法实现降噪后的图像轮廓增强;最后,以灰度统计方差大小作为Canny算子自适应高低阈值的确定依据,以3×3领域下的6个方向作为梯度计算区域,在自适应阈值下获取齿轮缺陷检测的边缘信息。实验结果显示,所提方法相比与传统Canny、Otsu-Canny算法,所提方法有较好的降噪效果和保边特性,能较好提取齿轮缺陷中的微弱边缘信息,且重叠系数达93.8%,远高于其余方法获取的边缘信息,为后续齿轮缺陷检测提供数据支撑。

尺度空间检测边缘特征的进化分析

多尺度分析中的一个重要问题是检测特征的尺度空间进化规律。本文以2-D高斯函数作为核函数,明确给出了角点图像的尺度空间检测边缘是一个由角边界的斜率和分析尺度共同决定的椭圆。以此为基础,讨论了尺度因子对相邻角点检测边缘的同化效应,给出了角最小分辨率与分析尺度的关系不等式。本文的结果对多尺度分析具有普遍性参考意义。

一阶方向导数极值法——一种检测边缘的新方法

文中通过傅里叶变换（Ｆｏｕｒｉｅｒｔｒａｎｓｆｏｒｍ ），在频率域，通过求垂直于边缘的一阶方向导数，并检测其极值（极大或极小）点来确定边缘．同时，参考一阶方向导数的数值来排除一些非边缘点（一阶方向导数的数值为常数者，零也为常数）．实验证明该方法检测边缘的准确度高，而且不用选取门限值（阈值）．

数学形态学与Canny算法结合的禽蛋检测边缘提取

针对传统的单一Canny算子进行禽蛋边缘检测存在抗噪能力弱、假边缘等问题,讨论了一种基于数学形态学与Canny算子相结合的禽蛋图像边缘提取方法。基于数学形态学,采用迭代最佳阈值分割算法,得到阈值分割的图像,对其求反后运用腐蚀算法,得到最终待检测的图像。再基于Canny算子进行禽蛋边缘提取。试验结果表明,该方法具有边缘定位能准确、连通性畅、抑制噪声能力强,实时性快等优点。

一种新的用于视觉检测边缘提取的噪声去除法

由于光照不均和被测物表面污染等原因,使视觉测量系统所采集图像可能携带块状和带状噪声,而通常的边缘检测算法无法有效地去除这类噪声,由此造成假边缘。以此为切入点,提出了当噪声所造成假边缘几何尺寸小于被测物体本身的几何尺寸时,可以去除假性边缘的"直线模板去噪法"。所论方法在检测阶跃状边缘时提出,同时可将此法推广到屋脊状边缘处理。实验证明该算法有较好的去噪能力。

边缘信息增强的显著性目标检测网络

针对显著性目标检测任务中识别结果边缘模糊的问题,提出了一种能够充分利用边缘信息增强边缘像素置信度的新模型。该网络主要有两个创新点:设计三重注意力模块,利用预测图的特点直接生成前景、背景和边缘注意力,并且生成注意力权重的过程不增加任何参数;设计边缘预测模块,在分辨率较高的网络浅层进行有监督的边缘预测,并与网络深层的显著图预测融合,细化了边缘。在6种常用公开数据集上用定性和定量的方法评估了该模型,并且与其他模型进行充分对比,证明设计的新模型能够取得最优的效果。此外,该模型参数量为30.28 M,可以在GTX 1080 Ti显卡上达到31帧·s^(-1)的预测速度。

采煤机截割部低照度图像的边缘检测技术

针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pascal三角形理论确定掩膜算子上各位置的权重系数,并将掩膜算子扩展到4个不同方向;最后将得到的掩膜算子与图像进行卷积,利用图像的局部特征信息对每个方向的微分结果进行后处理。结果表明:(1)在进行多个不同场景的井下低照度图像上的实验时,Lif算法可以更全面地获取图像中不同方向上的边缘信息,在处理低照度图像时具备更强的抗噪性能,并且提取的边缘线条比其余边缘检测算法更加清晰、完整,保留了更多的纹理细节信息。(2)在客观指标评价的对比上,与基于分数阶灰色系统模型的边缘检测算法以及改进的分数阶Sobel边缘检测算法相比,Lif算法在Entropy指标上分别提高了43%、11%,AG指标上分别提高了23%、23%,SSIM指标上分别提高了152%、6%。表明Lif算法在进行采煤机截割部的边缘检测任务时更具优势,研究对井下设备工作运行时的安全性和可靠性提升具有重要意义。

融合边缘信息多运动目标检测识别系统设计

运动目标检测算法易受到噪声和亮度变换的影响,从而出现虚假目标,很难满足在实际应用中准确性和实时性的需求;针对上述问题,提出了一种融合边缘信息的多运动目标实时检测算法,并在FPGA平台上构建了视频图像处理系统;该算法首先使用高斯滤波增强算法来提高抗噪性能;然后,采用三帧差分法减少虚假目标的出现概率;同时,对图像进行边缘检测,并将边缘信息与帧差法的结果相融合;最后,运用多目标识别算法完成对运动目标的识别和标记;该算法实现充分利用了FPGA的并行计算和流水线操作,经实验测试检测识别系统能够在1280×720@60 Hz视频场景下实现对最多16个运动目标的实时检测。

基于强噪声条件下的激光图像边缘检测研究

边缘检测是激光图像处理的一个重要步骤,针对当前激光图像边缘检测误差大,易受噪声干扰等缺陷,为了获得完整的激光图像边缘,设计了基于强噪声条件下的激光图像边缘检测方法。首先采集激光图像,采用直方图均衡技术对原始激光图像进行增强处理,改善激光图像质量,然后采用小波变换去除激光图像噪声,并采用Canny算子进行激光图像边缘检测,最后测试结果表明,与当前激光图像边缘检测方法相对比,本方法能够检测出更多激光图像边缘细节,激光图像边缘检测精度的平均值超过93%,而且激光图像边缘检测时间控制60 ms以内,为激光图像提供了一种高精度检测技术。

复杂稠密网络下的并置多尺度融合边缘检测模型

边缘检测是计算机视觉任务的基础.目前的技术主要依赖于深度学习,但是大多数的模型在评价阶段会借助非极大值抑制来提高预测边缘的准确率.该策略仅着重关注预测边缘的准确性,没有同时考虑边缘的粗细程度.针对这一问题,本文基于复杂稠密网络,提出了一种新的特征融合策略.该策略在传统深度学习边缘检测器侧输出的基础上,添加了自顶向下的并置多尺度融合架构.此架构可以更好地将高层的高语义特征与低层的高分辨率纹理特征结合,有效地抑制了边缘预测中存在的背景模糊和伪线条的现象.在特征连接处使用Concat block块代替单一的Concat操作,更好地融合了不同尺度的语义信息.最后使用一个简单的注意力融合块融合多个网络输出,并结合跟踪损失对输出的不同尺度的预测图进行深度监督.此方法不依赖于非极大值抑制,并且充分利用了目标的多尺度、多层次信息,在精细边缘图像的同时也提升了预测的准确性.实验结果显示,在未使用和使用形态学非极大值抑制方案的情况下,所提出的模型在BIPED数据集上的ODS、OIS、AP分别达到了0.891、0.895、0.900和0.894、0.899、0.931,优于所有比较算法.在MDBD的数据集上也取得了最优的结果.

基于改进遗传算法的图像边缘检测

针对经典边缘检测算法在一定程度上的局限性,提出了一种改进的遗传算法进行边缘检测。阐述了图像梯度的幅值和变化率,并将遗传算法引入到图像边缘检测中。利用天牛须搜索算法来引导遗传算法中交叉点位置的移动方向。通过提高子辈种群的多样性,防止了搜索区域逐渐缩小,克服了传统遗传算法早熟收敛的现象。实验结果表明,与传统的边缘检测算法相比,改进的遗传算法应用于不同的图像检测具有良好的稳定性和较快的收敛速度,可以收敛到全局最优解甚至逼近全局最优解,从而提高被检测图像边缘的完整性。

基于改进Canny算子的声呐图像边缘检测

目标的识别与解译是声呐图像处理中的一项重要任务。受到海底混响噪声和复杂背景的干扰,声呐图像有对比度差、分辨率低、噪声严重的问题,给声呐图像的目标识别带来了显著的挑战。为此,本文提出了一种改进的Canny算子边缘检测方法。通过LEE滤波器去除噪声,其次用OTSU阈值法划分高低阈值,最后运用Laplacian算子检测离群点并将其去除。本文将该方法命名为Canny-Laplacian算子(C-L算子)。本文使用多种边缘检测方法与改进的方法对真实声呐图像进行了处理,并在连续性、完整性和准确性上进行了对比。本文使用多种评价指标进行定量分析,证明了本文方法在声呐图像的边缘检测上有更好的效果。

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

列车轴承表面缺陷图像的边缘检测研究

为了实现含有噪声的列车滚子轴承内圈外表面缺陷图像边缘信息的机器视觉检测,提出一种改进Canny算子与改进的新型形态学算法融合的边缘检测算法,采用一种新的自适应中值滤波器替换高斯滤波器进行图像降噪,并拓展多方向梯度模板计算图像的幅值。使用最大类间方差法自适应获得最佳阈值,减少伪边缘的出现,进一步提高算法的适应性。对两种方法检测到的子图像信息熵进行图像融合,获得最终的边缘检测图像。试验结果表明,对比单一地使用Canny算子和数学形态法,文中采用的融合算法具有更好的自适应性和检测性能。

Canny边缘检测和轴线矢量靶场目标姿态测量

对于靶场飞行目标的姿态测量问题,提出一种基于Canny边缘检测与Hough直线检测的靶场目标图像轴线提取方法,并利用成像平面交会获得旋转锥形载体的轴线,实现目标轴线的姿态测量的目的。靶场试验一般有多台光学测量设备采集目标图像,对采集到图像首先应用Canny算子检测目标边缘,对边缘图像适用Hough直线检测算法提取到成像平面上的目标轴线,进而可以得到测站和目标轴线所在的空间平面,利用面面相交原理获得目标轴线矢量的姿态角。该测量方法是基于Canny边缘检测和Hough直线检测的轴线提取方法,在仿真试验中对应用不同参数提取的轴线角度误差在0.3°左右,在实际试验中对目标的轴线提取误差在-0.7°~0.6°之间。实验表明该方法提取出的目标轴线的姿态角能够满足试验需求。

基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000 lx的高动态成像场景中。

一种改进Canny算子的图像边缘检测算法

在移动机器人自主作业时,环境中往往存在障碍物,路径规划避障时要进行动态目标检测.Canny边缘检测算法可以与众多动态目标检测算法相结合,提高目标检测的效果.但是传统Canny边缘检测存在着自适应性不强,边缘检测可能不连续,或者检测虚假边缘的现象.本文提出了一种优化Canny边缘检测算法,通过改进的自适应中值滤波来预处理图像,对算法效率及对噪声点的处理做出了优化,紧接着增加梯度计算方向,最后结合改进的大津阈值分割法,提出了三阈值分割法代替原始的阈值分割法使图像边缘信息更加完整准确.仿真结果表明,该算法在边缘检测准确率上对比传统Canny边缘检测,Sobel算子与较新改进算法均有20%左右的提升,该算法优化了传统算法检测的连续性和准确率.

基于分形特征和阈值分析的图像边缘检测

针对传统的边缘检测算法对噪声敏感且伪边缘较多,提出一种基于分形特征和阈值分析的图像边缘检测方法。该方法利用改进的毯覆盖算法计算出图像的分形特征,将图像的灰度分布映射到分形维数空间上,再根据提取的分形特征图进行阈值分析,获得高低两个阈值,将像素值分为非边缘、弱边缘和强边缘3类,再对弱边缘像素进一步加以判断。实验结果与其他算法相比较表明,该算法检测出来的图像边缘伪边缘和噪声最少。

蜣螂优化算法在Canny边缘检测算法中的应用

针对传统Canny边缘检测需要手动选取阈值以及不能有效提取边缘轮廓的问题,提出了一种基于改进的蜣螂优化算法(DBO)来优化Canny算子的边缘检测算法。首先通过快速引导滤波代替传统高斯滤波对图像进行保边去噪;其次用4方向的Sobel模板来计算图像的梯度幅值和梯度方向;最后利用蜣螂优化算法优化的二维大津法自适应获取高低阈值。针对蜣螂优化算法种群多样性不强问题,提出用tent映射初始化种群;为了提高算法跳出局部最优的能力,采用精英差分变异策略对最优蜣螂个体进行变异扰动。实验结果表明,在边缘准确度和连接性上,该算法与传统Canny边缘检测算法对比有一定程度的提升,能够有效提取图像的边缘轮廓,提高了Canny边缘检测的边缘连接性,具有一定的实用性。

基于改进LOG算子的雷达图像边缘检测算法

雷达图像中固定地物杂波的边缘轮廓对运动目标检测有重要作用.针对传统的高斯-拉普拉斯(LOG)边缘检测算法在对雷达图像进行边缘检测时对噪声敏感,易影响图像边缘轮廓信息的提取问题,提出了一种改进的LOG边缘检测算法.首先采用改进的均值滤波和双边滤波对图像进行平滑去噪;然后用拉普拉斯算子计算二阶方向导数,计算零交叉点得到图像的边缘位置信息,从而获得连续、完整的地物边缘轮廓;最后对雷达图像采用原始LOG和本文改进的LOG算法进行了对比实验.实验结果表明,在强地物杂波环境下,与原始LOG算法相比,改进的LOG算法提高了边缘的检测精度,改善了图像边缘连续性,从而可提高雷达目标的检测概率.