基于Canny算子与阈值分割的边缘检测算法

针对传统Canny算子阈值选择困难的问题,提出一种基于最小均方误差计算高低阈值的方法.首先对采集到的图像进行增强处理,提高对比度,然后把图像中的灰度作为模式特征.假定各个模式中灰度的随机变量是独立分布的,根据增强后图像的目标和背景模式服从高斯分布的特征,通过两个概率密度函数的解析式,从而得到Canny算子的高、低阈值.最后,将边缘检测算法与Canny算子提取边缘算法、最小均方误差法提取边缘算法进行相互比较,结果表明,采用本文的算法提取图像的边缘更加清晰有效.

改进的多尺度图谱和局部谱的目标提取算法

当目标对象与背景的纹理较多或两者纹理较接近时,基于多尺度图谱和局部谱的目标提取算法不能很好地提取目标,主要由于在计算相似度度量时,金字塔多尺度图谱算法特征选取较简单。针对算法不足,提出基于改进的金字塔多尺度图谱和局部谱相结合的目标提取算法,主要通过改进多尺度图谱中干涉轮廓权重构造方法,原算法中是基于拉普拉斯边缘图和梯度图,改进后是基于多尺度边缘概率检测算子和方向分水岭算法产生的边缘强度图。多尺度边缘概率检测算子可以有效地解决纹理较复杂图像分割不佳问题,方向分水岭算法可以有效解决由于目标和背景部分边界信息较接近导致的分割不佳问题。实验结果表明改进算法有效地弥补了原算法的不足,并且具有良好的目标提取效果。

基于有限脊波变换的边缘检测算法

拉普拉斯(Laplace)边缘检测算子对噪声非常敏感。为了解决这个问题,在有限脊波变换(finite ridgelettransform,FRIT)域提出了一种边缘检测算法。首先用拉普拉斯分布模型分析FRIT系数,给出了FRIT系数的最大后验概率(maximum a posteriori,MAP)估计,同时结合边缘检测模型,得到了用于边缘检测的最优阈值,实现了图像的边缘检测。该算法抑制了噪声对图像边缘的影响,同时保护了图像的边缘。实验结果表明,在抑制噪声和边缘定位之间该方法能够达到更好的平衡,得到良好的边缘检测效果。