基于遗传算法优化Canny算子的织绣文物纹样抽取方法研究

织绣文物中的纹样彰显中国传统文化造型艺术的形式美感,是文创设计的重要素材源泉。针对传统Canny算子进行纹样边缘检测需人为确定阈值的问题,本文提出基于遗传算法自适应优化Canny算子阈值的方法,将边缘点、非边缘点类间梯度幅值方差设置为适应度函数,通过格雷码对阈值染色体编解码、锦标赛选择算法优选交叉变异后的阈值,求解最优适应度对应的高低阈值,用于纹样边缘检测;此外,运用形态学操作得到纹样的完整、精确轮廓;最后,添加Alpha通道抽取纹样前景。实验表明,上述方法在织绣纹样抽取精度和像素准确度(PA)上,优于传统Canny算子、混合蛙跳自适应Canny算子、Otsu法优化Canny算子等已有方法,可有效检测织绣文物图像中纹样真实边缘并完成纹样抽取。

基于计算机视觉与Canny算法的服装纸样轮廓提取

为提高服装二维纸样轮廓信息采集转换的准确性及方便性,设计了一种基于计算机视觉的服装纸样轮廓提取方法。将手机相机作为图像采集设备,采用相机标定的方法进行图像畸变矫正,对图像灰度化处理后进行伽马变换。通过改进的Canny算法对纸样图像进行边缘信息的提取,使用自适应双边滤波保边去噪;在原Sobel算子上增加了45°和135°方向的梯度模板计算梯度;采用自适应双阈值确定边缘;融合形态学算法处理轮廓;最后按需进行轮廓骨架提取。结果表明:本文方法适用于二维纸样的轮廓提取,其提取误差在0.15~1.50 cm之间,可实现单独对服装纸样的外轮廓、内轮廓及内外轮廓图的提取,完成轮廓的无差别提取,减少后期人工对轮廓图的编辑,提高二维纸样数字化录入效率。

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.

基于小波去噪与改进Canny算法的带钢表面缺陷检测

针对带钢表面图像亮度不均匀、对比度低以及缺陷种类多、形式复杂的问题,提出一种基于小波去噪与改进Canny算法的带钢表面缺陷检测算法。首先通过小波变换将原始图像分解,对低频分量采用改进的同态滤波提高亮度和对比度,对高频分量采用改进的阈值函数进行去噪,并通过小波重构得到增强图像。其次对传统Canny算法进行改进,通过改进的自适应加权中值滤波进行平滑,并增加梯度方向模板;然后采用迭代式最优阈值选择法与最大类间方差法来求取高低阈值,提高算法的自适应性。最后采用形态学处理对缺陷边缘填充,并去除干扰边缘及毛刺,得到带钢表面缺陷区域。实验结果表明,所提算法对带钢表面缺陷的检测效果较好、精度较高,适用于多种类型的带钢表面缺陷检测。

基于改进Canny算法和Hough变换的脉冲氩弧焊坡口边缘提取研究

针对脉冲氩弧焊中被动光传感采集的图像存在光亮变换快,目标像素少,难以提取出坡口的问题,提出一种基于改进阈值选择和双阈值检测的Canny算法。通过中值滤波和双边滤波代替传统Canny算法中的高斯滤波对图像进行滤波,引入背景像素与前景像素的数量比改进Otsu算法的最大方差,计算得到了靠近坡口的梯度值的阈值,依据改进后的双阈值检测获得完整的坡口边缘信息,对边缘信息进行Hough变换提取出清晰的坡口边缘。实验结果表明,和传统Canny算法相比,改进后的Canny算法提取坡口成功率提高,获得的坡口边缘信息也更加完整。

Dynamic threshold for SPWVD parameter estimation based on Otsu algorithm

Time-frequency-based methods are proven to be effective for parameter estimation of linear frequency modulation （LFM） signals. The smoothed pseudo Winger-Ville distribution （SPWVD） is used for the parameter estimation of multi-LFM signals, and a method of the SPWVD binarization by a dynamic threshold based on the Otsu algorithm is proposed. The proposed method is effective in the demand for the estimation of different parameters and the unknown signal-to-noise ratio （SNR） circumstance. The performance of this method is confirmed by numerical simulation.

基于融合Canny-SIFT算法的MRI细微特征提取

针对磁共振影像(MRI)中的细微特征难提取、易缺失问题,提出一种基于融合Canny-SIFT算法的磁共振影像细微特征提取方法。该算法首先解决因图像的灰度不均匀以及噪声信号繁杂导致图中纹理、细微特征信息不清晰问题,采用自动Gamma变换增加图像对比度,由泛洪填充和离散余弦变换构成的混合滤波器对背景和观察区域噪声做分别处理;针对重点观测区域细微特征提取不完整问题,根据实际诊断要求进行重要程度划分,通过特征匹配和拓扑关系推理获取重要区域的位置、面积等方面信息,同时完成自适应选取相应So-bel算子;最后通过阈值化分割和二值化处理获得输出图像;实验表明:该方法与已有Canny边缘检测精度有明显提升,结构相似性相较于传统常见方式提升了38.9%,均方误差下降了31.33%,与所提及的其他算法相比性能表现为最优。

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。

Image Segmentation of Brain MR Images Using Otsu’s Based Hybrid WCMFO Algorithm

In this study,a novel hybrid Water Cycle Moth-Flame Optimization(WCMFO)algorithm is proposed for multilevel thresholding brain image segmentation in Magnetic Resonance(MR)image slices.WCMFO constitutes a hybrid between the two techniques,comprising the water cycle and moth-flame optimization algorithms.The optimal thresholds are obtained by maximizing the between class variance(Otsu’s function)of the image.To test the performance of threshold searching process,the proposed algorithm has been evaluated on standard benchmark of ten axial T2-weighted brain MR images for image segmentation.The experimental outcomes infer that it produces better optimal threshold values at a greater and quicker convergence rate.In contrast to other state-of-the-art methods,namely Adaptive Wind Driven Optimization(AWDO),Adaptive Bacterial Foraging(ABF)and Particle Swarm Optimization(PSO),the proposed algorithm has been found to be better at producing the best objective function,Peak Signal-to-Noise Ratio(PSNR),Standard Deviation(STD)and lower computational time values.Further,it was observed thatthe segmented image gives greater detail when the threshold level increases.Moreover,the statistical test result confirms that the best and mean values are almost zero and the average difference between best and mean value 1.86 is obtained through the 30 executions of the proposed algorithm.Thus,these images will lead to better segments of gray,white and cerebrospinal fluid that enable better clinical choices and diagnoses using a proposed algorithm.

改进沙猫群优化算法的2D-OTSU多阈值图像分割

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题,提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化,并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群,使得种群的分布更加均匀,提高搜索的起始状态,从而增加算法的全局搜索能力;采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度;引入可变螺旋搜索策略改进位置更新算法,以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验,采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明,基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法,具有较强的搜索精度和收敛速度,这证明了ISCSO算法在图像分割领域的有效性和潜力。

基于改进LOG算子与Otsu算法结合的物体表面图像残损检测方法

针对物体表面残损区域存在明显的亮缺陷和不明显的暗缺陷这一特性,构建一种基于改进LOG算子与Otsu算法相结合的物体表面残损区域缺陷的边缘检测方法。首先,针对传统的LOG算子在检测图像亮缺陷边缘时检测结果不准确的问题,引入可根据图像特性自动调整模糊因子的Wiener滤波代替传统LOG算子中的高斯滤波,以提高图像亮缺陷检测的精度;其次,针对检测图像暗缺陷边缘时结果不准确的问题,使用Otsu算法分析图像暗缺陷的灰度直方图来自动确定阈值,以提升暗缺陷边缘检测准确率;最后,采用像素加权平均融合算法对检测出的物体表面图像亮、暗缺陷边缘进行融合,以实现物体表面残损缺陷检测。实验结果表明:相较于单独使用改进的LOG算子和Otsu算法,采用加权融合的方法检测到的缺陷像素点数量与原始图片中基本一致,能够更准确地对图像中物体表面残损区域的亮、暗缺陷边缘进行检测。

基于Canny-Harris角点检测的光学元件表面疵病检测

为提高光学元件表面疵病检测的准确性,提出了一种基于Canny-Harris角点检测的光学元件表面疵病检测方法。该方法首先利用基于迭代式阈值的Canny算子对图像进行边缘检测,得到候选角点;接着,利用基于局部窗口角点密度的可变窗口非极大值抑制方法去除候选角点中的伪角点,以得到检测精度更高的Canny-Harris角点检测算法;然后,利用Canny-Harris角点检测算法进行图像拼接,并利用边界测定法提取出拼接图像中的疵病特征;最后,通过计算疵病的形状因子,实现对疵病的分类。实验结果表明,该方法能够成功实现子孔径图像的精确拼接,并准确地检测出光学元件表面疵病信息。

基于HSV+Canny模型、HED网络模型的衣物轮廓提取算法研究

针对边缘检测算法在衣物轮廓提取过程中易受噪声影响的问题,采用传统的图像处理方法和深度学习方法对衣物轮廓提取算法进行研究。传统的图像处理方法主要基于HSV模型和Canny算法,首先,通过HSV模型分割前景图像;然后,对二值化图像进行形态学处理;最后,利用Canny算法提取衣物轮廓,此方法能准确地提取大部分颜色的衣物轮廓。深度学习方法主要基于HED网络模型,针对HED网络模型输出边缘定位缺失和较为粗糙等问题,对HED网络模型进行改进,首先,去除第3、4阶段的池化层;然后,在特征融合阶段引入注意力机制;最后,融合Canny算法进行边缘细化。对比实验结果表明:HSV+Canny算法比Canny算法的ODS值和OIS值分别提升了13.16%和14.72%,检测速度有小幅提升;改进的HED网络模型比HED网络模型的ODS值和OIS值分别提升4.84%和3.97%的同时,检测速度持平。

基于Canny-YOLO的目标检测方法改进研究

针对当前军工工业产品缺陷检测能力不足的问题,以生产中普遍存在的小目标缺陷检测为切入点,提出了一种基于Canny-YOLOv7算法的融合增强模型。该模型主要通过Canny边缘检测算法识别图像中的潜在缺陷区域并对缺陷区域特征进行增强,在此基础上对YOLOv7模型进行针对性改进以提升泛化能力。首先,为增强模型对于细微缺陷特征的提取能力,使用Swin Transformer (STR)模块替换原始主干网络中的ELAN模块。其次,采用SIOU损失函数使得改进模型能快速学习到准确的目标定位。最后,采用LeakyReLU激活函数减少函数计算开销,进一步提升模型检测速度。实验结果表明,在相同数据集下,提出的增强模型平均检测精度达到97.5%,相较于原始YOLOv7模型提升了4.6%,检测速度(FPS)为52.45,满足实时检测需求。

融合加窗和自适应加权引导滤波改进的Canny算法

针对Canny算法滤波过程中图像细节部分缺失和无法有效去除噪声,并且无法动态识别图像边缘的问题,提出一种融合加窗和自适应加权引导滤波的Canny算法。该算法对Canny算法做出两点改进:一是使用加窗滤波器对图像进行处理,有效滤除噪声,然后对图像进行数学形态学滤波处理,有效增强图像边缘;二是引入分段权值模型对引导滤波算法的正则化参数自适应修正,使其能够根据梯度信息区分边缘和非边缘,从而达到动态识别图像边缘的效果。相比传统Canny算法,改进算法处理后的信噪比提高了1.05~5.22 dB,品质因数提高了0.16~0.35。实验结果表明:改进算法能有效滤除椒盐噪声,识别出比较清晰和完整的边缘。

基于Canny边缘检测的空频结合图像增强算法

针对多普勒图在雷达信号处理中被广泛应用,但是却面临复杂情况下识别准确率不高的问题,提出了一种基于Canny边缘检测的空频结合图像增强算法。该方法首先利用已有的数据集,对原始图片进行直方图均衡化与同态滤波的空频结合处理;然后进行Canny边缘检测操作,旨在增强谱图信息;最后采用KNN(K-Nearest Neighbors)算法对谱图进行识别分类。实验结果表明,所提出算法可有效地将跳跃、慢跑等6种动作的识别准确率提高到94%,验证了该方法处理图谱并进行分类的可行性。

Otsu算法在Canny算子中的应用

Canny算子应用于细胞图像分割,只要选择适当的参数就可以取得好的分割效果。在分析细胞图像直方图后,利用类间方差最大化阈值分割算法(Otsu)可以实现Canny算子中门限值的自适应选择。试验结果表明,Otsu算法应用于Canny算子中的门限选择,改善了算法在细胞图像中的分割效果,提高了算法的自适应性能。

基于GCV准则与Otsu法的Canny算子研究

为了增强图像的可读性,解决因光照、噪声等因素造成的图像模糊、边缘不清等问题,在前人研究的基础上提出了对Canny算子的改进。用遗传算法对基于GCV准则的阈值函数自动寻优,在降低噪声的同时增强了图像的可读性;用评价函数对Otsu法自适应设定高低阈值,无需考虑阈值比例,减少了伪边缘现象。不同图像的边缘提取实验和数据分析表明,该方法在检测精度、抗噪能力和运算效率等方面都得到明显提高。对于存在的不足提出了进一步研究方向。