基于改进Canny算子的声呐图像边缘检测

目标的识别与解译是声呐图像处理中的一项重要任务。受到海底混响噪声和复杂背景的干扰,声呐图像有对比度差、分辨率低、噪声严重的问题,给声呐图像的目标识别带来了显著的挑战。为此,本文提出了一种改进的Canny算子边缘检测方法。通过LEE滤波器去除噪声,其次用OTSU阈值法划分高低阈值,最后运用Laplacian算子检测离群点并将其去除。本文将该方法命名为Canny-Laplacian算子(C-L算子)。本文使用多种边缘检测方法与改进的方法对真实声呐图像进行了处理,并在连续性、完整性和准确性上进行了对比。本文使用多种评价指标进行定量分析,证明了本文方法在声呐图像的边缘检测上有更好的效果。

基于强噪声条件下的激光图像边缘检测研究

边缘检测是激光图像处理的一个重要步骤,针对当前激光图像边缘检测误差大,易受噪声干扰等缺陷,为了获得完整的激光图像边缘,设计了基于强噪声条件下的激光图像边缘检测方法。首先采集激光图像,采用直方图均衡技术对原始激光图像进行增强处理,改善激光图像质量,然后采用小波变换去除激光图像噪声,并采用Canny算子进行激光图像边缘检测,最后测试结果表明,与当前激光图像边缘检测方法相对比,本方法能够检测出更多激光图像边缘细节,激光图像边缘检测精度的平均值超过93%,而且激光图像边缘检测时间控制60 ms以内,为激光图像提供了一种高精度检测技术。

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

采煤机截割部低照度图像的边缘检测技术

针对井下低照度环境下采煤机截割部边缘检测任务中存在的边缘缺失、细节模糊等问题,提出一种基于分数阶微分的边缘检测Lif算法。首先采用更大的检测模板尺寸,根据Grünwald-Let-nikov分数阶定义构造最初的分数阶掩膜算子;然后根据Pascal三角形理论确定掩膜算子上各位置的权重系数,并将掩膜算子扩展到4个不同方向;最后将得到的掩膜算子与图像进行卷积,利用图像的局部特征信息对每个方向的微分结果进行后处理。结果表明:(1)在进行多个不同场景的井下低照度图像上的实验时,Lif算法可以更全面地获取图像中不同方向上的边缘信息,在处理低照度图像时具备更强的抗噪性能,并且提取的边缘线条比其余边缘检测算法更加清晰、完整,保留了更多的纹理细节信息。(2)在客观指标评价的对比上,与基于分数阶灰色系统模型的边缘检测算法以及改进的分数阶Sobel边缘检测算法相比,Lif算法在Entropy指标上分别提高了43%、11%,AG指标上分别提高了23%、23%,SSIM指标上分别提高了152%、6%。表明Lif算法在进行采煤机截割部的边缘检测任务时更具优势,研究对井下设备工作运行时的安全性和可靠性提升具有重要意义。

复杂稠密网络下的并置多尺度融合边缘检测模型

边缘检测是计算机视觉任务的基础.目前的技术主要依赖于深度学习,但是大多数的模型在评价阶段会借助非极大值抑制来提高预测边缘的准确率.该策略仅着重关注预测边缘的准确性,没有同时考虑边缘的粗细程度.针对这一问题,本文基于复杂稠密网络,提出了一种新的特征融合策略.该策略在传统深度学习边缘检测器侧输出的基础上,添加了自顶向下的并置多尺度融合架构.此架构可以更好地将高层的高语义特征与低层的高分辨率纹理特征结合,有效地抑制了边缘预测中存在的背景模糊和伪线条的现象.在特征连接处使用Concat block块代替单一的Concat操作,更好地融合了不同尺度的语义信息.最后使用一个简单的注意力融合块融合多个网络输出,并结合跟踪损失对输出的不同尺度的预测图进行深度监督.此方法不依赖于非极大值抑制,并且充分利用了目标的多尺度、多层次信息,在精细边缘图像的同时也提升了预测的准确性.实验结果显示,在未使用和使用形态学非极大值抑制方案的情况下,所提出的模型在BIPED数据集上的ODS、OIS、AP分别达到了0.891、0.895、0.900和0.894、0.899、0.931,优于所有比较算法.在MDBD的数据集上也取得了最优的结果.

改进多方向Sobel算子的剩余油边缘检测方法

为进一步提高剩余油边缘检测的质量和精度,提出一种改进多方向Sobel算子的剩余油边缘检测方法。该方法通过改进双边滤波方法去除微观剩余油分布图像噪声,实现保边去噪的目的;结合Otsu算法使其能自适应获得微观剩余油图像的最佳阈值;在改进的4个方向上依次使用幅度为3×3的Sobel算子计算剩余油图像梯度的幅值和方向;最后利用非极大值抑制算法过滤伪边缘像素点,从而得到最终的剩余油边缘检测图像。实验结果表明,该方法能在去除微观剩余油图像噪声的同时,精确检测出微观剩余油分布图像中的剩余油边缘信息。

基于改进遗传算法的图像边缘检测

针对经典边缘检测算法在一定程度上的局限性,提出了一种改进的遗传算法进行边缘检测。阐述了图像梯度的幅值和变化率,并将遗传算法引入到图像边缘检测中。利用天牛须搜索算法来引导遗传算法中交叉点位置的移动方向。通过提高子辈种群的多样性,防止了搜索区域逐渐缩小,克服了传统遗传算法早熟收敛的现象。实验结果表明,与传统的边缘检测算法相比,改进的遗传算法应用于不同的图像检测具有良好的稳定性和较快的收敛速度,可以收敛到全局最优解甚至逼近全局最优解,从而提高被检测图像边缘的完整性。

基于改进Canny算法的皮革铺展图像边缘检测研究

为提高皮革抓取铺展过程的准确性,提出一种基于改进Canny算法的皮革铺展图像边缘检测方法。该方法首先在皮革铺展图像分割中采用二维Otsu算法,并引入狼群算法对二维Otsu算法阈值进行优化,以改进传统的Canny边缘检测阈值由人为设定的问题;利用改进后的Canny算法对皮革铺展图像进行边缘检测,从而为后续的皮革抓取铺展奠定基础。结果表明,引入狼群算法优化后的二维Otsu算法,其迭代次数与运行时间都相较于原始Otsu算法有了大幅降低,结构一致性指数提高了0.024,具有更好的图像处理效果;使用改进的Canny算法,相较于原始Canny算法以及Robert、Prewitts等常用边缘检测算法,不仅实现了阈值的自适应设置,得到的皮革边缘线条也更完整清晰,具有更好的抗噪性。将改进Canny算法用于皮革双机械臂抓取铺展,机械臂可准确检测皮革铺展图像的边缘。由此得出,本方法可为后续的铺展抓取奠定基础,具有一定的实用性。

列车轴承表面缺陷图像的边缘检测研究

为了实现含有噪声的列车滚子轴承内圈外表面缺陷图像边缘信息的机器视觉检测,提出一种改进Canny算子与改进的新型形态学算法融合的边缘检测算法,采用一种新的自适应中值滤波器替换高斯滤波器进行图像降噪,并拓展多方向梯度模板计算图像的幅值。使用最大类间方差法自适应获得最佳阈值,减少伪边缘的出现,进一步提高算法的适应性。对两种方法检测到的子图像信息熵进行图像融合,获得最终的边缘检测图像。试验结果表明,对比单一地使用Canny算子和数学形态法,文中采用的融合算法具有更好的自适应性和检测性能。

基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000 lx的高动态成像场景中。

Canny边缘检测和轴线矢量靶场目标姿态测量

对于靶场飞行目标的姿态测量问题,提出一种基于Canny边缘检测与Hough直线检测的靶场目标图像轴线提取方法,并利用成像平面交会获得旋转锥形载体的轴线,实现目标轴线的姿态测量的目的。靶场试验一般有多台光学测量设备采集目标图像,对采集到图像首先应用Canny算子检测目标边缘,对边缘图像适用Hough直线检测算法提取到成像平面上的目标轴线,进而可以得到测站和目标轴线所在的空间平面,利用面面相交原理获得目标轴线矢量的姿态角。该测量方法是基于Canny边缘检测和Hough直线检测的轴线提取方法,在仿真试验中对应用不同参数提取的轴线角度误差在0.3°左右,在实际试验中对目标的轴线提取误差在-0.7°~0.6°之间。实验表明该方法提取出的目标轴线的姿态角能够满足试验需求。

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.

基于特征聚合与边缘检测的伪装目标检测

针对伪装目标边缘模糊、相关检测模型上下文特征利用率低、边缘特征融合繁琐的问题,提出一种基于特征融合与边缘检测的伪装目标检测模型F2-EDNet。首先构造特征增强模块,细化主干网络的多尺度上下文特征,有效增强伪装目标特征信息;同时,引入跨层特征引导的边缘预测支路以集成来自主干网络底层和顶层的跨层特征,在辅助检测伪装目标边缘的同时,提取边缘特征;最后,提出多尺度特征聚合模块,通过结合注意力机制,充分融合边缘特征与上下文特征,有效提高预测精度。实验结果表明,F2-EDNet在公开数据集CAMO、COD10K和NC4K上的结构相似性、平均精度与召回率、相关性、平均误差指标均值分别提高了1.41%、1.74%、0.14%、0.77%;和同类模型相比,该模型具有更丰富的边缘,定位伪装区域更准确;在实际应用中,模型检测速率可达46帧/s,证明模型具有较好的实时检测能力。

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。

蜣螂优化算法在Canny边缘检测算法中的应用

针对传统Canny边缘检测需要手动选取阈值以及不能有效提取边缘轮廓的问题,提出了一种基于改进的蜣螂优化算法(DBO)来优化Canny算子的边缘检测算法。首先通过快速引导滤波代替传统高斯滤波对图像进行保边去噪;其次用4方向的Sobel模板来计算图像的梯度幅值和梯度方向;最后利用蜣螂优化算法优化的二维大津法自适应获取高低阈值。针对蜣螂优化算法种群多样性不强问题,提出用tent映射初始化种群;为了提高算法跳出局部最优的能力,采用精英差分变异策略对最优蜣螂个体进行变异扰动。实验结果表明,在边缘准确度和连接性上,该算法与传统Canny边缘检测算法对比有一定程度的提升,能够有效提取图像的边缘轮廓,提高了Canny边缘检测的边缘连接性,具有一定的实用性。

基于改进LOG算子的雷达图像边缘检测算法

雷达图像中固定地物杂波的边缘轮廓对运动目标检测有重要作用.针对传统的高斯-拉普拉斯(LOG)边缘检测算法在对雷达图像进行边缘检测时对噪声敏感,易影响图像边缘轮廓信息的提取问题,提出了一种改进的LOG边缘检测算法.首先采用改进的均值滤波和双边滤波对图像进行平滑去噪;然后用拉普拉斯算子计算二阶方向导数,计算零交叉点得到图像的边缘位置信息,从而获得连续、完整的地物边缘轮廓;最后对雷达图像采用原始LOG和本文改进的LOG算法进行了对比实验.实验结果表明,在强地物杂波环境下,与原始LOG算法相比,改进的LOG算法提高了边缘的检测精度,改善了图像边缘连续性,从而可提高雷达目标的检测概率.

基于改进Canny和灰度矩的水下图像边缘检测方法研究

针对水下图像对比度差、模糊,致使检测出的边缘存在不连续和伪边缘的问题,提出一种基于改进的Canny和亚像素的水下图像边缘检测方法。采用改进的Canny算法检测水下图像的像素级边缘,在此基础上采用灰度矩提取图像的亚像素边缘特征,提高边缘的定位精度和检测率。实验结果表明,提出的算法相较于传统的像素级边缘检测算法在边缘轮廓的提取、减少伪边缘、提升边缘精度方面有较大优势,尤其是对深海环境中光源单一以及图像对比度差的物体边缘的检测具有更显著的效果和定位精度。

基于改进Canny边缘检测算法的导轨滑块尺寸在线视觉测量方法的研究

本文提出了一种基于改进Canny边缘检测算法的导轨滑块尺寸测量方法。通过OpenCV机器视觉库,利用高斯平滑、自适应双阈值分割、霍夫变换等图像处理算法,对导轨滑块图像进行处理,实现滚动直线导轨滑块内滚道间距尺寸的在线精确测量。同时,对视觉测量法的可行性进行探讨和分析。

基于改进Canny算子的树障与导线边缘检测算法

针对目前输电线路通道树障检测中,树障与导线的边缘信息难以提取、不清晰以及连续性差等问题,提出一种基于改进Canny算子的树障与导线边缘检测算法。首先使用可以去噪保边的双边滤波取代传统Canny算子中的高斯滤波,使得树障与导线图片的边缘信息得以确保清晰,同时图片边缘更加细腻;然后使用基于Scharr算子3×3的梯度模板代替2×2的模板来改进梯度计算方法,在水平和垂直方向上扩充了45°和135°,两个方向的梯度模板加权求和;其次,对改进后的梯度幅值实施非极大值抑制,减少边缘检测带来的不利影响以使边缘变细;最后使用双阈值算法确定真实与虚假边缘,实现目标图片的边缘检测,减少干扰。实验结果表明,图片的边缘清晰度分别为8.53、0.474、12.93。改进后的算法对树障与导线边缘检测的结果相对于传统算法具有更好的边缘清晰度,可以清晰地观察树障与导线。

改进丰富卷积特征算法的液滴边缘检测模型

液滴图像边缘的高精度提取是测量水接触角较为关键的一环,针对常规边缘提取方法噪声鲁棒性差、边缘提取不完整、精度低的问题,本文提出了一种改进丰富卷积特征(RCF)的液滴边缘检测模型。首先,在深度特征提取阶段引入特征融合模块,使用多个特征让模型更加鲁棒,减少过拟合的风险;其次,设计多感受野模块代替RCF后边的contact层,通过多个感受野来提取更多的语义信息,使边缘细节更加丰富;然后,在模型每一层之前引入高效通道注意力机制,增强模型对图像中重要特征的关注程度;最后,设计并引入MaxBlurPool下采样技术,减少计算量和参数量,提高平移不变性。在自制液滴数据集上的实验结果表明,本文模型的固定轮廓阈值(ODS)提高到0.816、单图像最佳阈值(OIS)提高到0.829、检测准确率高达90.17%,相较原模型提高了1.85个百分点,能够准确检测液滴边缘特征。