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。

基于相对总变差与自适应阈值分割的织物疵点检测算法

在纺织领域,织物疵点智能检测一直是亟须解决的难题之一,为了对织物疵点进行自动检测,提出基于相对总变差模型与自适应阈值分割的织物疵点检测算法。该方法选用中值滤波降噪,然后通过相对总变差模型增强织物疵点,抑制织物背景纹理,接着对疵点增强图像的灰度直方图进行分析,利用迭代的自适应阈值分割疵点,得到二值图像。经对多种类型疵点图像进行测试分析,此算法能增强疵点并有效分割,有较好的检测结果。

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法。对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换。经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性:文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94%、2.16%、9.86%、7.45%、21.86%。文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位。

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。

梯度熵改进边缘检测的自适应阈值曲面分割算法

光照不均匀往往造成背景亮度不均和灰度分布范围较大,会导致图像分割困难和不准确.考虑图像的边缘信息受光线变化相对不敏感,引入梯度熵信息对Canny算法进行改进提取准确合适的边缘.采用最小二乘法的多项式曲面拟合获得阈值曲面,进而提出了基于梯度熵改进边缘检测的自适应阈值曲面分割算法.对多种背景灰度分布不均匀的图像进行算法验证,实验结果表明,算法可以获得准确的边缘信息,对多种灰度分布不均匀图像均取得较好分割结果.

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.

基于图像分割和边缘提取相融合的射线缺陷图像增强算法研究

在实际工业生产中,噪声、环境以及人为等非理想因素会导致图像出现退化问题,另外还会致使缺陷形态各异并且特征变化十分复杂。由于图像质量的下降会影响人的主观感受以及后续计算机机器视觉应用的性能,所以图像预处理过程对于低质量图像来说是十分必要的处理步骤。然而,图像增强算法能否针对射线缺陷图像对比度提高等问题鲜有系统性研究。针对上述问题,本文以焊缝射线缺陷图像为例,研究图像增强算法对缺陷目标检测性能以及图像对比度的影响。首先对5种边缘提取技术进行分析对比,结合霍夫变换拟合焊缝边界,然后利用大津法灰度阈值处理,最后提出了基于射线缺陷图像增强与边缘检测的融合算法,另外针对未融合缺陷利用基于改进的形态学分水岭算法进行研究,并对比分析其结果。实验发现,分割和边缘提取相融合的图像增强算法对于低质量射线未融合缺陷图像作用较为明显,对线性缺陷或圆形缺陷图像作用表现出一定的负面影响。为了实现工业射线缺陷图像数据分析研究的目的,如何根据相应的需求进行后续图像识别操作需要进一步研究。

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.

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法 ,试验表明该算法能够避免过分割现象 。

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。

自适应阈值分割与局部背景线索结合的显著性检测

为了提高显著性算法对不同类图像的适用性以及结果的完整性,该文提出一种基于自适应阈值合并的分割过程与新的背景选择方法相结合的显著性检测算法。在分割过程中,生成相邻区块的RGB以及LAB共六通道融合的颜色差值序列,采用区块面积参数的反比例模型生成自适应阈值与颜色差值序列进行对比合并。在背景选择过程中,根据局部区域背景-主体-背景的相对位置关系线索,得到背景区域,再对结果进行边缘优化。该算法与其它算法相比得到的显著图不需要外接其他阈值算法即生成二值图,自适应阈值合并能排除复杂环境中的物体细节,专注于同等级大小物体的显著性对比。

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。

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。

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。