红外图像边缘检测中自适应阈值法应用研究

为了解决红外图像边缘检测固定阈值法存在的边缘细节缺失、降噪效果差的问题,本文提出了一种自适应阈值算法。采用中值滤波算法得到红外图像的灰度值,计算梯度值和梯度方向,同时对非极大值进行抑制,采用自适应阈值算法确定高低阈值,得到红外图像的边缘信息。为了验证本文算法正确性,本文进行一系列对比测试,使用MSE、PSNR和MSSIM 3个参数对定量进行分析和计算。测试结果表明,本文算法能够清晰、完整地提取红外图像的边缘信息,MSE降低,MSSIM更接近1,适用性很好。

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。

基于改进的Canny算子与自适应阈值的边缘检测算法

传统的基于Canny算子的边缘检测算法存在不足,因此提出了一种基于自适应阈值的改进方法。由于传统的Canny算子方法中的高低阈值需要人工设定,会对边缘检测中的结果产生影响,利用自适应阈值的方法改进传统Canny算子中阈值的参数的设定。得到理论上适合的参数后,根据算法对结果进行处理。实验结果表明,改进后的算法比传统算法表现更加出色,而且有效排除了图像中噪点的影响,提高了边缘检测算法的鲁棒性。

Kirsch联合高低双阈值的RGB图像边缘检测算法

边缘检测是计算机视觉中非常重要且实用的图像处理方法,被应用在各个领域;然而在图像采集或传输过程中,由于外界环境的干扰,容易出现结果边缘检测率较低或者伪边缘现象,学者们为此提出了很多改进方法;但是通用的边缘检测方法很少,现有的算法都是以处理特定场景或特定情况下的问题为目的;Kirsch联合高低双阈值的RGB图像边缘检测算法正是针对上述问题提出的;首先,提取原图RGB色彩空间下的不同分量图,对每个分量图利用改进的Kirsch算子求取边缘强度;然后利用高低双阈值划分图像的边缘点和背景点,得到不同色彩空间的边缘结果;最后对不同分量的边缘检测结果进行融合,得到最终的边缘结果;利用基准数据集BSDS500数据集中的200张测试图像对算法进行验证评估;实验结果表明,文章算法相比于其他算法检测到的边缘更加清晰,细节更加完整,边缘连贯性更好,检测率更高,适用范围更广。

基于统计滤波的自适应双阈值改进canny算子边缘检测算法

通过介绍传统Canny算子边缘检测算法的基本原理,针对传统算法中存在的缺陷和问题,提出一种基于统计滤波的自适应双阈值的边缘检测算法;它通过统计滤波去除噪声有效的提高了算法的运算效率同时进一步抑制噪声对边缘检测的影响,以及基于简单统计的阈值选择算法,不再是人工选取阈值而是根据图像自身的特点自动选取合适的阈值,两者结合有效的提高了边缘检测算法的准确度和运算效率;这为图像分割技术的发展奠定了坚实的基础。

一种引导滤波自适应双阈值优化边缘检测算法

边缘检测是图像处理的重要环节之一,传统的边缘检测主要包含基于模板匹配和基于图像梯度两类方法。为了克服模板匹配方法边缘信息丢失较多和图像梯度方法易受图像噪声影响的缺点,该文给出了一种引导滤波自适应双阈值并改进Kirsch算子的优化边缘检测算法。针对图像局部信息特征,在图像的不同边缘位置动态生成引导滤波函数,从而保持和增强边缘的效果;同时对Kirsch算子复杂的运算量进行简化,根据图像边缘区域自适应地选择两个阈值,二者有效结合可大幅提高边缘检测算法的准确度和运算效率。实验结果表明,与传统边缘检测Kirsch算法和Sobel算法相比,该文算法的边缘定位和运算速度较优,能检测出精细的真实边缘,对图像的处理速度是传统算法的4倍以上。

基于FPGA改进的Canny算法边缘检测系统

针对Canny算法在图像边缘检测中的限制,包括自适应性差、边缘信息易丢失和处理时间过长等问题,提出了一种基于FPGA的模块化硬件设计,用于实现改进型Canny算法的高效边缘检测。首先,利用FPGA的数据并行处理特性,采用快速自适应中值滤波算法替代高斯滤波方法;其次,引入3×3模板替代2×2模板,并在45°和135°方向上增加计算模板,以获取图像的梯度和幅值信息;最后,结合Otsu原理,采用三阈值连接来增强自适应性,减少图像边缘信息的丢失。经过实验验证,该系统展现出良好的自适应性能,有效处理图像中噪声的同时,能够捕捉到有效的边缘特征,并具备高速、实时等特点。

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.

基于自适应阈值“双K算法”的零件缺陷边缘检测

针对传统边缘检测方法难以实现边缘信息的准确检测问题,提出了一种零件缺陷边缘检测的新方法.首先对采集到的零件缺陷图像进行灰度化和Wiener滤波,以减少噪声等因素对后期检测的影响;然后,以kalman算法预估图像分割阈值作为Krisch算法的初始阈值;在此基础上,进行零件缺陷边缘检测,以提高零件缺陷检测的准确性.最后,利用MATLAB软件对零件缺陷图像进行仿真试验,验证边缘检测算法的检测效果.实验结果表明,推荐算法检测的平均准确率达到94.38%,能够有效实现零件缺陷边缘信息的检测.

基于CANNY算子的自适应双阈值油罐油位红外成像检测

针对油罐油位的监测问题,在研究CANNY边缘检测算子的基础上,提出了一种新的基于CANNY算子的自适应双阈值边缘检测方法。该方法能够根据不同的油罐油位红外成像图像的灰度梯度直方图的特征进行自动设置高低阈值,因此避免了传统的CANNY检测算子手工选择阈值不合理对边缘信息,特别是油位信息的丢失。在油位信息提取过程中,该方法能够自动分析横向条纹数目,并根据该数目获得每一条横向条纹的具体位置,使得边缘检测算法在油罐油位监测应用中更加实用。用该方法对一批油罐的红外成像图像进行了处理,结果表明所得油位的误差在±0.02m以内,而测量误差百分比为0.062%。

基于自适应阈值的改进Canny边缘检测方法

传统的Canny边缘检测算子采用全局阈值选取方法,当图像的背景和目标灰度变化比较大时,采用全局阈值法将丢失一些局部边缘信息。针对该问题,提出了一种自适应求取动态阈值的改进Canny边缘检测方法。该方法利用图像的梯度方差作为判据对图像进行分块,继而对各子块运用最大类间方差法求得相应的阈值,并通过插值得到阈值矩阵,最后结合改进的边缘连接法对图像进行边缘检测。实验结果表明,该算法在具有良好的抗噪性能同时,具有很好的检测精度。

一种自适应阈值的Canny边缘检测算法

针对传统Canny算法阈值选择困难的问题,本文提出一种基于最大类间方差法的自适应同步搜索高低阈值的方法。该方法首先根据梯度直方图信息将对应的像素分为三类;其次基于改进的Otsu算法定义评价函数,该评价函数描述了类间方差;最后依次搜索评价函数的一个最大值,自动获取Canny算子的高低阈值。该方法不需要人为设定任何参数。与传统Canny算法、直接Otsu算法的结果比较表明,本文方法对不同的图像都能较好地提取真实边缘,特别是在低对比度图像的边缘提取上,此方法更具有优势。

自适应阈值图像边缘检测方法

针对噪声图像的边缘检测问题,提出自适应阈值图像边缘检测方法.该方法以二维高斯函数的微分算子为基础,通过构建多方向边缘检测滤波器计算图像梯度.为减少噪声对图像梯度的影响,提出根据候选阈值自适应确定滤波器尺寸的方法.在确定滤波器尺寸的基础上,进一步提出滞后阈值的自适应选择方法.为检验文中方法的性能,在不同噪声情况下,分别对滤波器尺寸、滞后阈值与边缘检测方法性能间的关系进行实验.实验表明,文中方法可根据图像噪声情况自适应选择滤波器尺寸和滞后阈值,具有良好的抗噪性能.

融合双阈值和改进形态学的边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中,图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制,图像边缘检测的研究困难重重。近10年来,由于小波分析技术在工具和数学方法上的重大突破,试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则,并在此基础上构造出二次B样条小波,提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证,结果明显优于采用固定阈值的小波边缘检测。

视频交通图像自适应阈值边缘检测

应用小波变换对视频交通图像进行边缘检测,研究了边缘评价指标、尺度对性能指标的影响及自适应阈值边缘检测,并与经典的边缘检测Sobel算子进行了对比。提出用大尺度滤波器去抑制原图像的噪声,可靠地识别噪声;而用小尺度滤波器为图像边缘精确定位,并构造出紧支二次B样条小波。结果表明,二次B样条小波边缘检测方法具有计算量小,抗噪能力和适应能力强,且有改进余地等优点,仿真效果也明显好于经典的Sobel算子。

交通视频图像的多尺度自适应阈值边缘检测

基于视频图像的交通流参数检测,车辆检测是其关键。车辆检测常用的有帧差法、背景差法和边缘检测法等。边缘检测是适应性最好的方法。本文把基于小波变换的多尺度自适应阈值图像边缘检测的新方法应用于交通图像边缘检测。通过计算机仿真对本算法进行了验证,结果明显好于采用其它几种经典方法的边缘检测。

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法。首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF)。通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘。然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值.检测MERF的梯度模值形成多尺度边缘。该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题。实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用。

用二次B样条小波进行图像的自适应阈值边缘检测

根据边缘检测的评价标准 ,参照最佳边缘滤波器的设计要求 ,确定选择用于边缘检测的小波母函数的一般准则 ,并在此基础上构造出二次B样条小波 ,提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证 ,结果明显好于采用固定阈值的小波边缘检测。

实时图像自适应阈值边缘检测FPGA实现

传统的Sobel边缘检测算子对噪声变化抑制能力较差,并且其使用固定阈值导致适应性差。该方法利用中值滤波思想来确定图像的每一像素点局部边缘阈值来实现自适应阈值Sobel边缘检测,并在FPGA平台实现。实验结果表明,该算法检测出的实时图像边缘更加精细,并且能很好地抑制背景噪声。