一种改进的模糊边缘检测快速算法

系统分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了Pal.King模糊检测算法定义的不足,简化了复杂的变换和逆变换运算,而且针对Pal.King算法中对隶属度阈值设置为固定值的不足,提出了确定模糊增强变换中最佳隶属度阈值的自动算法。仿真结果证明,该算法效率高、提取边缘精细、适用面广,是一种很有实用价值的图象处理算法。

一种改进的模糊边缘检测快速算法

比较全面地分析了 Pal.King模糊边缘检测算法的缺陷 ,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了 Pal.King模糊检测算法定义的不足 ,简化了复杂的变换和逆变换运算 ,而且针对 Pal.King算法中对隶属度阈值设置为固定值的不足 ,提出了自动确定模糊增强变换中最佳隶属度阈值的算法 ,并在此基础上实现模糊增强函数中增强阈值的自动获取。仿真结果证明 ,该算法效率高、提取边缘精细、适用面广 。

快速模糊边缘检测算法

通过对Pal.King的模糊边缘检测算法进行改进，提出了一种快速模糊边缘检测算法。该快速算法不但简化了Pal.King算法中复杂的G和G-1运算，而且通过实验，确定了Tr变换中最佳的隶属度阈值，大大地减少了迭代次数。从实验结果中可以看出，该快速算法不但提高了Pal.King算法的效率，而且具有很强的检测模糊边缘和细小边缘的能力。这种快速算法的性能优越，是一种非常实用的、高效的的图像处理算法。

改进的快速图像模糊边缘检测算法

边缘检测是图像预处理中最重要的内容之一,本文通过对Pa1模糊边缘检测算法进行改进,提出一种改进的新的模糊边缘检测算法。该算法采用简单的隶属函数,速度快(比Pa1算法快10倍)。该算法具有较强的检测模糊边缘和细小边缘的能力,图像的边缘采用min或max算子来提取。仿真结果表明:该算法是一种实用、高效的边缘提取算法。

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时,其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息,本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性,根据不同的灰度区域自适应地选取算法参数,用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理,可以检测到不同灰度层次的边缘,而且速度较快。

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上,提出了一种改进的模糊边缘检测算法,采用该快速算法,不仅简化了Pal算法中复杂的G和G-1运算,而且提出了改进的模糊增强Tr变换,并减少了迭代次数．实验证明,采用该改进算法,不但提高了边缘检测的效率,而且检测效果优于Pal算法,并具有较好检测模糊边缘和抑制噪声干扰的能力．

基于小波和快速模糊算法的医学图像边缘检测

在医学图像中,常常需要得到图像的边缘轮廓线,以便诊断病变情况。为适应这种需求,文中提出了基于小波分解和快速模糊算法的医学图像边缘检测方法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低频信号得不到有效利用、边缘检测速度较慢等问题,利用小波分解和快速模糊算法的优点构造边缘检测算法。这种方法使得小波分解后的低频信号中所包含的有用信息得到了利用,简化了算法并提高了算法的效率,增强了算法的适应性。文中算法检测出的图像边缘与经典边缘算子提取的图像边缘相比较,结果更加清晰完整。

基于改进隶属函数的快速模糊边缘检测算法

边缘检测在图像分析中是基本内容也是重要内容。在一幅典型的图像中,边缘是目标的基本特征,在一定程度上可以用于目标的分割、配准。模糊技术具有灵活性和精确性,但计算十分复杂,且与经典算法相比,执行时间长、效率低。因此,提出了一种简单快速的模糊边缘检测方法。通过实验对比,提出的快速模糊边缘检测算法算法会能在较短的时间内实现对一幅噪声图像的边缘检测,具有可靠性和鲁棒性,应用前景广阔。

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

图象模糊边缘检测的改进算法

图象的边缘检测技术是图象处理中最重要的内容之一 ,且已在图象分析和识别领域中得到了广泛的应用 .针对图象边缘由模糊性引起的不确定性问题 ,提出了一种图象模糊边缘检测的改进算法 .该算法是首先确定一个阈值参数 ,然后根据此阈值参数来定义一个新的隶属函数 ,从而将图象转化为等效的图象模糊特征平面 ,通过在模糊特征平面上进行增强运算 ,将其转换为空域图象 ,最后再进行边缘提取 ;同时还对具有多峰直方图分布图象的模糊边缘检测方法进行了推广 .仿真结果表明 ,该算法是有效的 .

基于蚁群模糊聚类算法的图像边缘检测

提出了一种基于蚁群动态模糊聚类算法的图像边缘检测,该算法首先利用蚁群算法的较强处理局部极值的能力,克服了FCM算法对初始化的敏感,动态地确定了聚类数目和中心;然后利用蚁群聚类得到的结果,再进行FCM聚类弥补蚁群算法的不足.两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的目标函数聚类分析.最后将该算法应用到图像边缘检测,对比实验表明,该算法具有很强的模糊边缘和微细边缘检测能力.

基于顺序形态学的图像边缘检测快速算法的研究

图像边缘检测是图像处理的关键技术,边缘检测的结果直接决定了后续图像处理的性能.数字图像的边缘检测主要要求就是边缘定位准确,运算速度快.以此要求为依据,本文在深入研究了数学形态学和顺序形态学的基础上,提出了一种基于顺序形态学的优化边缘检测算法,该算法能够快速准确的提取图像的边缘,对于尺寸较大的图像效果尤为明显.通过仿真实验表明该算法是一种准确快速的边缘检测方法.

基于快速EM算法和模糊融合的多波段遥感影像变化检测

提出了一种基于快速EM(expectation maximization)算法和模糊融合的多波段遥感影像无监督变化检测方法.该方法首先对各波段差异影像采用基于直方图分析的快速EM迭代算法获取变化分类阈值和变化信息,随后对各波段的变化信息进行模糊融合和判决,生成最终的变化检测图.利用真实的多波段遥感影像进行了实验,本文方法在运行时间和检测效果两个方面都具有优越性.

基于神经网络与模糊算法图像边缘检测方法

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。

基于改进型模糊边缘检测的小麦病斑阈值分割算法

针对小麦病斑分割不准确、噪声大以及病斑边缘不清晰等问题,结合传统的作物病斑分割方法,提出一种基于改进的模糊边缘检测的图像阈值分割算法。图像预处理方面,在分析了传统模糊边缘检测缺点的同时对算法作了两个方面的改进,使用梯度倒数加权平均滤波方法去除小麦病斑噪声,然后对多层次模糊算法进行数值分层改进,增强病斑边缘信息;最后对传统的阈值分割方法进行了算法改进,采用一种改进的最大类间方差比阈值分割方法,在增强图像边缘的基础上进行阈值分割,改进阈值选取方法,在模糊增强后的小麦病斑图像上进行阈值分割提取出小麦病斑形状特征。对在大田环境下获取的小麦病害图像进行边缘增强和阈值分割试验,与传统固定阈值分割算法试验对比得出,基于改进的模糊边缘增强与阈值分割相结合的改进算法正确分割率达98.76%,相比传统固定阈值分割算法提高了8.35个百分点,漏检比增加了1.29个百分点,噪声比为1.86%,相比减少了8.36个百分点,在运算时间上减少了0.331 s,不仅突出病斑边缘信息,而且分割效率高、噪声小,可为图像分割方法的研究提供了可参考依据。

基于小波变换和模糊算法医学图像边缘检测算法

在医学图像三维显示技术中 ,需要得到单像素级的清晰轮廓线 .为了适应这种需求 ,提出了一种边缘检测算法 .它基于 Mallat小波模极大值边缘检测方法 ,同时应用模糊算法构造相应的隶属函数 ,再对得到的极大值进行进一步筛选 ,最终可以得到单像素级的边缘 .实验结果证明了该算法的可行性 .

混沌免疫模糊聚类算法在图像边缘检测中的应用

针对图像处理中的模糊边缘检测问题,提出一种混沌免疫模糊聚类算法.该算法把混沌变量加载于免疫算法的变量群体中,利用混沌搜索的特点对群体进行微小扰动并逐步调整扰动幅度,明显改善了免疫算法的群体多样性.实验结果表明,该算法不仅具有很强的模糊边缘和微细边缘检测能力,而且可以提高基于人工免疫进化算法的模糊聚类算法的搜索效率.

一种遗传算法优化的图像模糊边缘检测方法

提出了一种遗传算法优化的图像模糊边缘检测方法.首先利用方向模板对图像进行卷积,求得梯度图像.然后对梯度图像的直方图进行模糊化,针对模糊窗宽参数的选取困难,根据图像确定了模糊函数窗宽的范围,利用遗传算法的全局搜索性能进行阈值的搜索,并利用最小图像模糊率来确定最优阈值.根据得到的阈值对梯度图像进行分割,得到图像的边缘.结果表明,边缘检测效果较好,显著提高了运算速度.

免疫进化模糊聚类算法在边缘检测中的应用

针对图像处理中的模糊边缘检测问题,提出一种免疫进化模糊聚类算法.该算法在传统遗传算法全局随机搜索的基础上,借鉴了生物免疫机制中抗体的多样性保持策略,改善了遗传算法的群体多样性,具有更好的全局搜索能力.实验结果表明,该算法不仅具有很强的模糊边缘和微细边缘检测能力,而且可以减弱基于遗传算法的模糊聚类算法在遗传后期的波动现象.

经典边缘检测模板的快速算法

本文利用经典边缘检测模板算子八个方向模板之间的内在联系，提出了一种有效的快速算法，实验表明：采用本算法运用于Kirsch、Robinson等模板算子均可将对图像的处理速度提高到比采用经典算法所达到的运算速度的数倍以上。