Grey Relevancy Degree and Improved Eight-Direction Sobel Operator Edge Detection

Edge detection is an important aspect to improve image edge quality in image processing. The purpose of edge detection is to identify the points in digital images with great brightness variation. However, the accuracy of traditional edge detection methods in edge extraction is low. For the actual image, the grey edge is sometimes not very clear, the image also contains noise. The detection result of the traditional Sobel operator is relatively accurate, but the detection result is rough and sensitive to noise. To solve the above problems, this paper proposes an improved eight-direction Sobel operator based on grey relevancy degree, which combines 5 × 5 Sobel operator with a grey relational degree and a new eight-direction grey relevancy method. The results show that this method can detect the useful information of edge more accurately and improve the anti-noise performance. However, the drawback is that the algorithm is not automatic.

Edge detection of potential field data based on image processing methods

The conventional methods of edge detection can roughly delineate edge position of geological bodies,but there are still some problems such as low detection accuracy and being susceptible to noise interference.In this paper,three image processing methods,Canny,Lo G and Sobel operators are briefly introduced,and applied to edge detection to determine the edge of geological bodies.Furthermore,model data is built to analyze the edge detection ability of this image processing methods,and compare with conventional methods.Combined with gravity anomaly of Sichuan basin and magnetic anomaly of Zhurihe area,the detection effect of image processing methods is further verified in real data.The results show that image processing methods can be applied to effectively identify the edge of geological bodies.Moreover,when both positive and negative anomalies exist and noise is abundant,fake edge can be avoided and edge division is clearer,and satisfactory results of edge detection are obtained.

基于Sobel算子桥接的双编码器路面裂缝检测网络

为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通过桥接Sobel算子计算8个方向产生梯度编码的编码信息;然后,将原图编码结果与梯度编码结果通过一个多尺度的边缘信息弥补模块,以增强裂缝的边缘信息;最后,引入动态通道图卷积获得通道之间存在的拓扑关系,以突出重要通道的语义特征。研究结果表明:所提出的方法在DeepCrack、CamCrack789和CFD这3个基准数据集上取得较好的结果;综合指标ODS在DeepCrack、CamCrack789和CFD数据集分别为87.75%、85.05%、78.83%。

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。

一种结合Sobel算子与改进形态学算法的边缘检测设计与实现

针对使用Sobel算子加传统的腐蚀和膨胀进行边缘检测存在可能会过度腐蚀边缘图像的问题,提出了一种Sobel算子结合改进的腐蚀和膨胀边缘检测的方法.改进的腐蚀和膨胀算法带有一个参数,改变该参数就可以调节腐蚀和膨胀的强度,避免了边缘图像被过度腐蚀和膨胀,基于ZYNQ实现了Sobel算子与改进的形态学算法的边缘检测.测试结果表明:使用改进的腐蚀和膨胀算法对经Sobel算子得到的边缘图像进行二次优化,不仅能够腐蚀脏点,平滑边缘,还能更多地保留边缘像素信息.

基于Sobel算子和灰色关联分析的图像边缘检测

针对灰色关联分析方法提取的边缘存在不连续、噪声敏感性等问题,本文将Sobel算子与灰色关联分析方法相结合,提出了一种基于邓氏关联度图像边缘检测的改进型算法,其融合了Sobel八方向算子技术,同时采用中值法对灰色关联度中的参考序列和比较序列实现单位一致性,并对传统的灰色邓氏关联度模型做了改进,用其求得的关联度提取图像边缘。仿真实验表明,本文算法提取的边缘连续、清晰,并在一定程度上抑制了噪声的干扰,提高了算法的效率。

基于sobel算子的道路图像边缘检测算法

应用图像低级特征提取技术中的边缘检测技术能够确定和提取车道线边界信息,为后续完成道路识别、实现辅助驾驶系统等提供了重要依据和基础。传统sobel算子进行边缘检测虽然算法简单、速度快,能满足道路图像边缘检测实时性的要求,但由于只获取了水平和垂直两个方向的边缘梯度信息,且阈值选取全靠人为设置,因此边缘信息检测效果不理想。文中提出改进sobel算子的边缘检测算法,算法通过扩大构造5×5的梯度权值模板计算出图像边缘信息,应用K-means聚类算法获取的最佳自适应阈值完成图像分割,最后通过改进的边缘细化算法,保留了更完整有效的边缘信息。通过实验表明,该算法能够较快、较好的提取道路图像边缘信息,而且具有一定的抗干扰能力。

基于FPGA的Sobel边缘检测架构

本文提出了一种基于Field Programmable Gate Array(FPGA)实现的高效8-bitSobel边缘检测硬件架构,通过结构优化和引入流水线技术,不仅减少了硬件资源利用率,并且提高了系统运行的最大频率。与三种现有的Sobel边缘检测架构相比,第一种是传统的Sobel边缘检测结构,另外两种也是8-bitSobel边缘检测结构。结果表明,本文提出的8-bitSobel边缘检测结构比传统的Sobel边缘检测结构在硬件资源上减少了37.55%,运行速度上提高了14.74%.尽管与运行速度最快的8-bitSobel边缘检测结构相比在速度上降低了1.24%,但是在资源率上提高了25%。因此,本文提出的8-bitSobel边缘检测架构更适用于硬件资源有限的平台。

基于八方向Sobel算子的边缘检测系统设计

针对经典的Sobel边缘检测算法存在定位不准确并且有因阈值固定而导致边缘粗的问题,提出一种八方向的Sobel算子与八方向的非极大值抑制相结合的边缘检测算法。首先采用八方向的卷积模板提高边缘定位准确度,再采用八方向的非极大值抑制方法细化扩展后的图像边缘,提高算法检测复杂图像边缘时的信息准确度。由于改进后的算法计算量倍增,选用现场可编程逻辑门阵列(FPGA)平台实现,实验结果验证了系统进行实时检测的可行性。

基于Sobel算子级联地震属性的三角洲沉积相边缘识别

地震属性分析是砂体预测和沉积相表征的重要方法,但在沉积相带边缘薄层发育区对相带边界识别常存在较强的主观性,刻画不够准确。探讨了如何利用基于Sobel算法的边缘检测对地震属性进行级联处理构建地震级联属性,用以提高三角洲相边界刻画精度,并将基于Sobel算子级联地震属性分析方法在南海惠西南地区新近系典型三角洲沉积地层中进行沉积边缘识别应用。结果表明:①利用Sobel算子对地震属性图像进行边缘检测,能够锐化地震属性中的相带边界,提高三角洲沉积体边缘的识别准确性;②对地震属性图像的边缘检测处理会弱化三角洲整体发育形态的规律性,需要将处理前后的地震属性结合起来解释,才能有效刻画三角洲沉积体。此研究为沉积相分布的精确刻画提供了有效指导。

基于八方向Sobel算子的边缘检测算法

针对传统图像边缘检测方法检测效果不理想的问题,提出一种基于八方向Sobel算子的边缘检测算法。采用0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5°8个方向的模板进行检测,能较好地检测出不同方向的边缘。在检测过程中,考虑到邻域内像素到中心像素距离不同,对中心像素的贡献不同,算法根据该像素到中心像素欧氏距离对邻域内像素进行加权,使得距中心像素越近,其权值越大。实验表明,算法检测出的图像边缘较为完整,轮廓线清晰且连续性较好。

基于Sobel算子的图像边缘检测研究

在图像处理中,提出了一种新的边缘检测算法,该算法首先对由Otsu算法所得图像进行形态学的去除孤立像素和闭运算操作,然后再用Sobel算子进行边缘检测,最后将所得图像与用Sobel算子直接对原始图像进行边缘检测的图像相加。最后用MATLAB对数字图像和红外图像都进行了仿真。仿真结果表明,该算法改善了单一的用Sobel算子检测对垂直与水平方向敏感,其他方向不敏感的不足,提高了Sobel边缘检测算子的性能,具有良好的检测精度。此算法不仅适用于数字图像还适用于红外图像。

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。

利用Sobel-Zernike矩算子的快速亚像素边缘检测方法

利用Sobel算子快速检测出所有可能的边缘点;再利用Zernike矩算子以亚像素精度重新定 位边缘。为提高定位精度,根据Zernike矩理论,推导了2个77的模板。测试结果表明,该方法定位精度接近于Zernike矩算子,而算法运行时间仅为0.91s。

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。

基于改进Sobel算子的红外图像边缘提取算法

针对红外热像仪采集的图像边缘信息模糊,图像显示多样性,边缘信息难提取的特点,提出了一种基于Sobel算子梯度相乘的边缘提取算法。该算法首先对红外热像仪图像进行待识别目标的高温区域提取,然后分别利用增加了6个方向模板的Sobel算子和Roberts算子对图像进行边缘提取,再将得到的两幅梯度幅值图像进行梯度相乘,最终得到边缘提取图像。最后,用MATLAB对图像进行了仿真,仿真结果表明,该算法能够快速有效地提取红外热像仪图像的边缘,弥补Sobel算子的不足及提高了Sobel算子边缘检测的性能,计算简单,具有良好的检测精度,而且得到的边缘较细,极大的改善了图像边缘提取的效果。

Sobel边缘检测的细化

边缘检测是数字图像处理中基础而又重要的课题,Sobel算子是图像边缘检测中常用的方法之一。首先将Sobel与其他几种常用的边缘检测算子进行分析和比较,对经典的Sobel算子进行更深入的研究,Sobel算子的优点在于检测速度快,对噪声都具有平滑作用,对噪声具有一定的抑制能力;虽然产生了较好的边缘效果,但也存在一些问题:检测出了一些伪边缘,使得边缘比较粗,降低了检测定位精度。针对Sobel算子存在的问题,研究学者提出了一些改进的方法,如:扩展检测模板,边缘跟踪等方法,在分析这些方法的基础上,提出一种新的简单的Sobel算子改进方法。这种方法在经典的Sobel算法检测出的边缘的基础上对边缘进行细化,实验证明该方法有效解决了Sobel算子边缘检测时边缘过粗的问题,得到的边缘较细,定位精确。

基于改进Sobel算子的遥感图像道路边缘检测方法

从遥感图像中提取道路边缘可以大量简化道路网的测绘与规划工作。传统边缘检测算子由于方向和模板尺寸的局限性,易造成检测结果中边缘点散乱、不连续或过多边缘点误判。基于道路边缘完整且连续的特点,针对传统检测效果并不理想的问题,提出了一种改进的Sobel算子,即5×5的8方向模板。从Sobel算子的基本原理出发,根据Pascal三角形理论推导出各方向的最优模板。研究表明,该算子不仅能较好地检测出更多方向上的边缘,而且能有效减少误判点,检测出的边缘线条更加平滑、完整,轮廓清晰且连续性好,尤其在弯曲道路检测中表现得更为突出,优于其他算子的检测效果。

Sobel图像边沿检测算法的优化设计与实现

针对Sobel算子用于图像边沿检测时出现的噪声大、边沿较粗等问题,提出了一种Sobel图像边沿检测的优化设计方案。在传统的Sobel边沿检测模块前增加快速中值滤波模块,提高了系统的抗噪能力。同时在Sobel边沿检测模块后采用非极大值抑制的方式对图像边沿进一步细化,既有效地保留了图像边沿,又提高了图像边沿的清晰度。与传统Sobel检测模块相比,优化后的方案不仅能够有效抑制噪声,而且得到的图像边沿更细,增强了实时图像处理的效果。该优化设计已成功应用于某图像识别系统。

基于FPGA的Sobel算子图像边缘检测算法

系统基于Altera DE2-70开发平台,选用500万像素COMS摄像头进行图像采集,图像信息经Sobel算子图像边缘检测算法处理后由液晶显示器显示。算法采用了可编程宏功能模块与Verilog HDL语言相结合的方法实现,实验结果表明,基于FPGA的硬件系统能够很好的实现Sobel算子边缘检测算法,通过设置合适的梯度比较阀值,较为理想的提取图像边缘信息。