基于模糊化SOBEL自适应算子的直线车道处理

针对汽车安全辅助驾驶系统领域的车道线检验问题,提出了一种改进的基于模糊化SOBEL自适应算子直线车道线检验.首先在车道线边缘检验时,采用了模糊化SOBEL自适应算子进行边缘检验;为了更好地选取阈值,采用了一种基于体育项目评分标准的阈值选取方法,保证所保留的车道线信息的正确性,并给出了一种增修补车道线信息的数学模型;利用梯度函数的分布特性过滤掉噪声,最大限度地保留车道线分布信息,利用Hough变换拟合出最终的车道线.经MATLAB仿真,并在嵌入式系统上实现.实验表明,该方法简单,能保证系统的实时性.

改进的Sobel算子图像清晰度评价算法

针对传统图像清晰度评价算法在显微自动对焦系统中抗噪性弱的问题,在传统梯度函数基础上提出了一种改进的Sobel算子图像清晰度评价算法。首先利用自适应中值去噪算法对显微图像预处理,减少噪声干扰;其次增加Sobel算子模板方向,采用四方向模板来计算像素点梯度;最终使用自适应全局阈值确定图像目标边缘,使用强边缘像素点的梯度平方和作为清晰度评价值,在一定程度上有效地解决了传统评价算子方位局限、抗干扰性差等问题。实验结果表明,该算法与传统梯度评价函数相比,图像处理速度提升了15.6%,灵敏度因子平均提升了0.711 9,具有良好的单峰性、抗干扰性和灵敏度。

8方向自适应权值Sobel边缘检测算子

针对传统Sobel边缘检测算子对图像边缘检测存在漏检和噪声敏感的缺点,提出一种改进的Sobel算子.该算子重新构造出一种8方向5×5检测模板,并且在模板卷积过程中应用自适应权值的算法,增强了该算子的抗噪性.实验表明,改进的Sobel算子保留了传统Sobel算子的优点,增加了其他方向的边缘检测,降低了漏检的概率,提高了抗噪性.

基于改进Sobel算子的多仪表图像边缘检测算法

为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。

一种基于Sobel算子的边缘检测算法

针对传统Sobel边缘检测算法对噪声敏感、定位不够精确的缺点,提出了改进Sobel算子的边缘检测算法。算法基于均值计算和差分处理角度构造了5×5的梯度权值模板,通过改进的非极大抑制算法有效细化了边缘,采用局部自适应动态阈值提取边缘信息。通过实验表明,该算法不仅能够较快、较好的提取边缘信息,而且具有较强的抗噪能力。

基于Sobel算子边缘检测的太阳电池缺陷特征提取方法

利用太阳电池的红外图像对其进行缺陷的特征提取研究,提出基于Sobel算子边缘检测的太阳电池缺陷特征提取方法。首先,在RGB空间和HSV空间中,对太阳电池的红外图像进行预处理,得到太阳电池的R(红)、G(绿)、B(蓝)灰度图和H(色调)、S(饱和度)、V(明度)灰度图,初步判断太阳电池的运行状态;其次,使用Sobel算子对非正常运行的太阳电池红外图像进行边缘检测,得到红外电池表面增强图像的Sobel细节图,并利用自适应迭代法获得最佳阈值,进一步得到有较强表示能力的阈值突显边缘图,充分体现了太阳电池表面的缺陷特征细节。

基于改进Sobel算子的实时边缘检测及其FPGA实现

提出了一种改进的Sobel算子：在传统Sobel算子的基础上,使用快速中值滤波滤除系统杂波、加入旋转模式下的CORDIC（Coordinate Rotation Digital Computer）算法,增加了Sobel算子的模板数,使系统的检测精度提高、并利用双滤波器求出局部图像像素点的均值作为自适应阈值,提高了检测算法在局部图像特性上的适应性。

基于FPGA的改进Sobel算法图像边缘检测系统

边缘信息是数字图像信息的重要组成部分,传统的边缘检测程序会因串行执行指令而导致检测效率下降。为了提高图像边缘信息的处理能力,提出一种基于现场可编程门阵列的改进Sobel算子的边缘检测方法,其中,Sobel算法的卷积核从2方向扩展到8方向,并具备阈值自适应能力。板级测试结果表明,基于现场可编程门阵列的改进Sobel算法边缘检测方法充分发挥FPGA并行处理的优势,能够高效准确地检测图像的边缘信息,图像层次感强、成像稳定,在图像的并行处理中有明显的优势。

基于多维自适应滤波与泊松融合的多聚焦图像融合算法

针对现有的多聚焦图像融合算法,在抗噪性能、图像连续性以及时间复杂度上的不足,提出了一种基于多维自适应滤波与泊松融合的多聚焦图像融合算法。首先,对统一尺度的源图像构建梯度矩阵,并设计尺度分段的多维自适应核函数对矩阵进行分割;然后,引入判定条件,对泊松重建中的图像边界进行伪边缘抑制,得到纯化后的全聚焦图像;最后,将抗噪算法与融合算法分别对比其他算法模型,进行综合比较,通过6种图像质量评价指标来评估融合性能与效果。结果表明:本文算法不仅有良好的运行效率,清晰的视觉观感,而且在评价因子上有更理想的数据结果。可见,不论主观还是客观上来看,该算法都具备明显优势。

基于细菌觅食优化算法的自适应阈值边缘检测

Sobel算子在阈值偏高或偏低的情况下会产生伪边缘或边缘丢失的问题。为此,将细菌觅食优化算法与最大类间方差相结合,利用细菌觅食优化算法的全局寻优能力,以最大类间方差为适应度函数搜索最佳边缘检测阈值,对图像进行自动边缘检测。实验结果证明,该方法能够取得较好的边缘分割效果,提高阈值检索速度。

基于自适应边缘阈值及方向加权的空间错误隐藏算法

针对H.264/AVC压缩视频码流在无线信道传输过程中会由于数据丢包导致图像重构质量下降的问题,提出了一种基于自适应边缘阈值及方向加权的空间错误隐藏算法。该算法利用图像边缘检测Sobel梯度算子检测相邻宏块边缘;根据受损宏块的相邻宏块具体信息自适应设定梯度阈值,最后对受损宏块进行方向加权插值从而重构图像。实验表明,该算法简单实用,不仅保留了丢失块像素加权平均算法的优点,而且能够用于边缘信息强度不同的错误隐藏。在不同的实时传输协议（RTP）丢包概率情况下,该算法的峰值信噪比较传统自适应算法提高了0.2-0.4 db,较多方向插值算法提升了0.2-3.8 db,提高了图像恢复质量,而且具有较高的应用价值。

阈值自适应视频边缘检测算法的FPGA快速实现

在机器视觉、模式识别等领域通常需要提取出视频的轮廓,为了更高效地提取出视频的轮廓信息,文中改进了一种阈值自适应的Sobel边缘检测算法。该算法基于以面积换取速度的思想,完成中值滤波、多模板Sobel算子、环境自适应阈值生成、腐蚀和膨胀操作,并利用FPGA的并行流水的优势,可以在FPGA硬件平台上实时实现视频边缘检测。

一种改进的受限制自适应图像复原算法

利用Wiener滤波或约束最小二乘方法复原的图像在图像灰度值发生跳变处会出现振铃式的波纹。受限制自适应图像复原算法对复原和平滑加以局部的适应性控制,有效地克服振铃波纹。在受限制自适应图像复原算法的基础上,通过提高加权数组的精细程度,改善复原的自适应控制能力,采用Neumann边界条件消除边界截断引起的寄生波纹。实验结果表明改进算法的复原效果较优。

一种改进的Canny自适应边缘检测算法

针对原始的Canny边缘检测算法高低阈值不利于选择的问题,提出一种改进的Canny自适应边缘检测算法。该方法采用3×3的Sobel边缘算子模板代替2×2邻域内求有限差分来计算梯度幅值;利用梯度直方图来选取高低阈值,提高了算法的自适应性;在边缘的连接上采用边界追踪的方法,来保证边缘的连续性和唯一性。以20m m量块图像边缘检测为例进行了实验。结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度,细化图像边缘和抑制伪边缘噪声方面的性能也得到了提高,是一种有益的边缘检测改善方法。

Sobel-Hough检测方法在机器视觉倒车辅助系统的应用研究

倒车辅助系统,又称泊车辅助系统或可视倒车雷达,能够给驾驶员倒车泊车操作带来很大的方便。对主流倒车辅助系统的研究后,引进机器视觉,为精确检测柱子类或台阶类障碍物提供了新方法。倒车操作时,使用CCD内核的视觉传感器获取车后的图像信息,将彩色图象进行中值滤波后转变为灰度图像,采用Sobel算子锐化突出柱子或台阶的边缘,再采用自适应阈值法分割成二值图象,接着用Hough变换方法检测出边缘线段,最后对障碍物边缘进行加粗加色标记。实验表明,采用Sobel-Hough算法能准确地将柱子和台阶边缘识别出来,并具有较强的抗干扰能力。

基于边缘的自适应相关跟踪算法

针对相关跟踪实时性差和误差累积问题,提出了基于边缘检测的自适应相关算法。采用修正后的灰度差的绝对平均值(MAD)相关匹配克服了对噪声敏感的缺点;利用目标的边缘信息确定模板中参与匹配的区域,并采用粗精结合的搜索策略,加快了匹配速度;采用模板加权更新和中心修正有效地消除了相关运算累积误差的影响。

基于改进Canny算法的图像边缘检测

针对传统Canny算法对椒盐噪声敏感,在计算梯度幅值时只考虑了水平与垂直方向、在非极大值抑制过程中仅依据梯度方向的梯度幅值,从而导致梯度计算不准确、滤波后图像边缘模糊等问题,提出一种改进的Canny边缘检测算法。首先,结合自适应中值滤波与引导滤波的混合滤波器不仅能有效去除图像中的椒盐噪声,还能更好地保存图像边缘;然后,利用4个方向Sobel算子模板计算图像梯度;最后,在非极大值抑制过程中,采用自适应线性插值方法提升边缘检测精度。仿真实验表明,所提算法不仅能有效滤除椒盐噪声,并且相较于传统Canny算法能检测出更多边缘细节。

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。

一种改进的边缘细化方法

针对Sobel算子检测出的图像边缘较粗且检测效果受噪声影响大的问题,提出了一种结合自适应平滑滤波并改进原细化算法的方法来抑制噪声并细化边缘。使用新的自适应平滑滤波梯度模板对原始图像滤波,在平滑噪声的过程中锐化图像边缘;在Sobel算子检测出边缘后使用改进的细化算法剔除伪边缘点。试验比较表明:在迭代次数相同的情况下,新的自适应平滑滤波模板比原梯度模板总体效果更好;改进的边缘细化算法在保证与原算法运算时间相当的条件下,保留了更多的边缘细节信息,细化结果更加准确。

基于边缘方向直方图相关性匹配的图像检索

针对基于边缘方向自相关图的图像检索算法的优缺点,提出了一种基于边缘方向直方图相关性匹配的图像检索算法。使用自适应中值滤波器滤除图像中的椒盐噪声。利用Sobel算子提取图像边缘,通过计算边缘梯度幅值、角度统计后得边缘方向直方图,并对直方图进行等级化排列构成特征向量。最后使用斯皮尔曼等级相关计算图像特征向量间的相关系数作为衡量图像间相似性的指标。实验结果表明:该算法的平均查准率、查全率较基于边缘方向自相关图算法分别提升10.5%,9.7%,平均检索耗时减少了7.5%。实验验证了算法的有效性,可将算法应用到中大规模图像检索系统中以提升检索效果,提高系统速度。