基于尺度空间边缘强度累计的边缘检测

为抑制图像中的细微结构、噪声、弱边缘等干扰对边缘检测的影响,同时提高边缘检测的位置精度,提出了一种基于尺度空间中边缘强度累计特性的边缘检测方法.该方法首先通过比较目标对象在多个尺度下的平均边缘强度来选择检测目标边缘的最佳尺度,然后依据边缘点在尺度空间上的强度累计值的差异滤除该尺度下的干扰边缘.实验结果表明,文中方法能够在少量的平滑预处理条件下有效地抑制上述各种干扰,提高图像中目标边缘的稳定性与位置精度.

基于边缘强度相似性的干扰图像尺度分析(英文)

为了客观、准确及定量地评估激光干扰效果,给出了图像边缘强度的定义及计算方法,提出了一种基于边缘强度相似度的干扰图像尺度.该尺度通过计算目标图像和背景图像的相似程度来衡量激光干扰效果,相似度越高表明激光干扰效果越好.激光视场内及视场外干扰实验与数值计算表明:该图像尺度可以较好反映激光干扰对CCD成像探测系统目标检测算法性能的影响.同时,通过对荷兰TNO研究所提出的Search_2数据库的计算表明,提出的干扰图像尺度和目前常用光电图像杂波尺度相比,与实际人眼实验结果具有更好的一致性.

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。

人眼定位的边缘强度信息积分投影方法

为了提高积分投影方法对人眼定位的准确性和适用范围,提出了一种在极坐标系下对边缘强度信息进行积分投影的改进方法。基于肤色特征确定出人脸区域,采用Kirsch算子建立边缘强度信息图像,对不同极角方向进行积分投影,确定出人眼角度方向,对人眼所在角度方向的边缘强度进行微分累加运算确定出人眼的极径,从而实现人眼的极坐标定位。实验结果表明,该方法能够有效地提高各种姿态人脸图像中人眼定位的准确性,尤其对于旋转人脸图像的人眼定位,该算法具有良好的鲁棒性。

基于神经网络的边缘强度互相关匹配可信度分析

匹配可信度是分析图象匹配质量的主要指标 .针对归一化边缘强度互相关匹配算法 ,研究了基于神经网络的匹配可信度判别方法 ,即以参考图与若干实时图的匹配实验结果作为训练用样本数据 ,然后利用 BP网络进行训练 ,再将训练后的网络用于匹配可信度的判别 .通过实际卫片与航片图象对的匹配实验 ,证实了该方法的有效性 .

基于边缘强度映射的SAR图像等效视数非监督估计方法

该文结合边缘强度映射(Edge Strength Map,ESM)对SAR图像等效视数(Equivalent Number of Looks,ENL),提出一种自适应非监督估计方法。该方法先利用各向异性高斯核平行窗通过比率运算生成ESM,进而在简单的图像分块处理基础上,利用一种有效的非监督估计方法分别估计各分块图像在比率ESM下的区域阈值,并由各分块图像的阈值化ESM操作完成对SAR图像的区域划分,然后对非边缘区域中的所有像素在ESM的两次约束下,通过施加大尺度不规则窗完成局部ENL估计,最后通过直方图统计方法从局部ENL中获得全局ENL估计。实验表明:该文方法可有效克服传统空域估计方法 ENL估计值受局域统计方法选择影响大的不足,同时也可避免基于统计模型的估计方法需要相干斑先验信息且对抑斑后SAR图像估计失效的弊端。

基于积分边缘强度局部均值的红外目标跟踪

针对红外目标跟踪问题,提出了在粒子滤波跟踪框架下,采用积分边缘强度局部均值作为红外目标特征的跟踪算法,不仅提高算法的跟踪精度,还提高算法的实时性。红外目标跟踪仿真试验比较表明该算法是稳健的,能够对红外运动目标进行有效、可靠的跟踪。

基于边缘强度的指纹图像二值化方法

提出了一种合理有效的指纹图像二值化方法,先利用Kirsch算子得到指纹图像的方向场,然后对指纹图像进行方向中值滤波,最后通过图像的边缘强度设计局部自适应阈值对指纹图像进行分割,从而得到二值化图像。在自适应阈值的计算上,文中还提出了一种如何选择最佳图像分块大小的方法。实验结果表明,该方法不但处理效果好,而且运算速度快,满足了处理要求。

基于边缘强度匹配的图像融合并行算法的研究

图像融合是图像理解和计算机视觉领域中的一项重要课题。随着图像规模的增大,图像融合面临着处理速度的挑战。最近几年,GPU面向通用计算应用得到了快速发展。本文基于GPU编程模型和硬件特性,深入研究了基于边缘强度的图像融合算法,提出了该算法的并行模型。实验结果表明,该方法有效地综合了源图像中的重要信息,融合图像边界清晰,得到较好视觉效果和较优的评价指标,执行速度与CPU上相比提高了3个数量级。

基于边缘强度与投影度量的景象匹配算法

为了适应多源图像匹配定位,提出了基于边缘强度与投影度量的景像匹配算法。采用边缘检测方法提取多源图像的稳定特征,分析比较了Roberts、Sobel、Laplacian、LOG 4种实用的边缘检测算子;结合投影相似性度量方法,设计了4种基于边缘强度的匹配算法,与经典的MAD、MSD及NProd算法进行了性能比较分析;实验结果表明,Laplasian及LOG边缘强度匹配算法具有更高的可靠性,且算法简单、易于实现。

基于各向异性和边缘强度修正因子的边缘检测算法

融合了各向同性和各向异性高斯滤波器的边缘检测算法IAGK存在边缘拉伸效应,引起复杂边缘处产生伪边缘,各向同性高斯导数滤波器的引入,也导致算法对噪声的鲁棒性下降。同时,IAGK算法的各向异性因子非最优取值,理论上不具有最优信噪比和最优定位性能。基于自动各向异性高斯核选择最优各向异性因子,并加入边缘强度修正因子修正IAGK算法的边缘强度公式,抑制伪边缘的产生和噪声的影响。利用经典边缘检测数据集对提出的边缘检测算法进行测试,实验结果显示,与Canny、AAGK和IAGK算法相比,提出的算法具有更好的噪声鲁棒性和更强的弱边缘检测能力,同时可进一步抑制伪边缘效应。在含噪声情况下,所提算法的边缘品质因子(FOM)分别比Canny、AAGK和IAGK算法高3%,4%和7%。

一种实用的边缘强度互相关匹配可信度分析方法

匹配可信度是衡量匹配质量的重要指标,针对归一化边缘强度互相关匹配算法,研究了基于神经网络的匹配可信度判别方法。通过对参考图进行加噪实验获得训练样本,对BP网络进行训练,并将训练后的网络用于匹配可信度的判别。针对实际卫片与航片图像对的实验结果,平均判决正确率达到90%以上,证实了该方法的有效性。

基于边缘强度特征和线性谱聚类的SAR图像超像素生成方法

面对高分辨合成孔径雷达(SAR)图像的海量数据,学界广泛通过基于超像素的方法简化图像处理过程。一般适用于光学图像的超像素分割算法对存在斑噪的SAR图像分割性能均不够理想。面向SAR图像改进现有超像素生成算法是目前的研究热点之一。在探讨了将边缘强度特征引入超像素分割算法的可行性的基础上,结合边缘强度特征和线性谱聚类方法,提出了一种新的SAR图像超像素生成方法(e-LSC)。通过仿真SAR图像和实测SAR图像的比较实验,证实了e-LSC算法与其他几种典型超像素生成算法相比,生成的超像素在边缘贴合度和匀质区域的规则化上都有所提高。

边缘强度映射与区域划分的SAR图像非局部平均滤波算法

为减少合成孔径雷达(synthetic aperture radar,SAR)图像的乘性相干斑噪声,给出了一种改进的非局部平均滤波(non-local means,NLM)算法。首先,用变差系数(coefficient of variation,CV)来估计SAR图像区域划分阈值,根据阈值估计区域划分因子,并利用区域划分因子将SAR图像划分为纹理区和同质区;其次,采用不同尺度的相似窗估计不同区域的像素所对应的边缘强度映射(edge strength map,ESM),进而分别选取搜索窗中每个像素在相似窗下的ESM矩阵与中心像素的ESM矩阵,并利用二者各对应元素比值的2范数来构建适应乘性噪声的相似性测量参量,通过相似性参量和CV控制的自适应衰减因子耦合得到滤波值;最后,对不同区域使用不同的滤波值实现对SAR图像的非局部平均加权滤波。同以均值比与CV联合构建的NLM算法相比,该算法在等效视数上提高至少0.3%,边缘保持指数提高至少0.1%。

保护涂层对建筑玻璃边缘强度影响的研究

在现代建筑领域，玻璃正越来越多的作为负载材料应用在建筑结构中，比如玻璃钢梁，这其中，边缘强度对玻璃材料的力学性能影响很大，但其并非材料常数，而是受多项参数的影响，湿度和压力就是影响玻璃强度的参数之一，其会导致应力腐蚀，这也使得玻璃在建筑领域的应用充满挑战性。针对于此，目前人们主要的研究方向是通过施加保护涂层来消减湿度对玻璃边缘强度的影响。本研究中，我们将多种涂层方案应用于玻璃样本边缘，通过四点弯曲试验测试了不同系列的样本强度，根据测试结果所得的失效强度数据分析了涂层对边缘强度的影响。结果表明，只有一种涂层对玻璃边缘的强度有影响。

基于边缘强度的图象分割

介绍一种根据边缘强度进行象素灰度值加权平均以获得分割门限，与一般通过友度直方图找寻分割门限以进行图象分割的方法不同，不仅能消除噪声的影响，而且对友度分布不均匀的图象通过分区处理效果更好。还详细讨论该方法的工作原理及算法．

测定纸页边缘压缩强度的新方法

评估薄页纸的边缘压缩强度的主要问题是避免被测纸条的皱折,这个问题可以这样解决:测试一个非常小的间距(低于其厚度的6倍)或沿着它的自由矩从侧面给予支撑,为此已设计出一种特殊的仪器。本文将介绍为满足快速而准确测定纸和纸板边缘压缩强度而开发的这种仪器。

边缘惩罚层次区域合并SAR图像分割算法

该文利用方向边缘强度信息,建立一种新的边缘惩罚SAR图像分割模型,提出一种最小化该模型的层次区域合并算法。利用多方向比例边缘检测算子(MDRED)提取边缘强度信息,并结合分水岭变换获得高质量的初始过分割结果。利用多边形近似区域边缘,提取边缘的方向,将方向边缘强度映射(OESM)融入边缘惩罚中,获得惩罚强度与边缘强度呈反比的惩罚项。逐渐增大边缘惩罚项的强度,获得由图像特征驱动的层次区域合并算法。利用区域邻接图(RAG)表示图像分割,提高区域合并的速度。实验表明:该文方法与其它方法相比在性能和效率上都有优势,获得更好的分割结果。

一种基于Tsallis熵的彩色图像边缘检测方法

通过引入Tsallis熵,提出了一种新的彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到YCbCr空间,分别求出三个子空间中像素在3×3邻域内的最大边缘强度值;然后采用Tsallis熵求取每一个子空间的最佳边缘强度阈值对亮度子空间Y和颜色信息子空间Cb、Cr分别进行边缘提取,最后将三个子空间中获取的边缘点进行融合,从而完成整幅图像的边缘检测。实验结果表明,与采用Shannon熵的边缘检测方法相比,该方法具有更好的灵活性和可行性。

基于边缘特征的H.264/AVC帧内模式选择算法

为降低H.264帧内预测模式的计算复杂度,提出了一种率失真优化(RDO)准则下的基于边缘特征的快速帧内模式选择算法。该算法根据主要边缘强度(KES)等边缘方向特征,选择出与该特征相对应的模式子集进行RDO计算,大幅度降低了帧内预测的模式选择数;同时将亮度宏块和色度宏块分别优化以降低计算复杂度。仿真结果表明,与原H.264相比,所提出的算法在比特率略有增加和信噪比基本保持不变的条件下,大约减少75%的计算时间,大大降低了算法的计算复杂度;与PANFENG等人提出的基于Sobel算子的边缘矢量检测算法相比,两者的比特率基本相同,但算法的平均峰值信噪比明显高于PAN的算法,编码时间也有明显降低,同时运算简单规则,更易于VLSI的实现。