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LoG算子改进的自适应阈值小波去噪算法

图像在传输过程中会受到各种噪声干扰,为了实现消除噪声的目的,提出一种基于LoG算子改进的自适应阈值去噪算法。首先,利用LoG算子提取图像的边缘特征信息。接着,根据图像的边缘特征和非边缘特征分别求取改进的阈值函数:对于图像非边缘部分的阈值函数,在软阈值函数的基础上添加一个阈值修正系数,构建新的阈值函数;对于图像边缘部分的阈值函数,将边缘部分小波系数附近的能量和阈值相结合,构建新的阈值函数。最后利用改进的阈值函数对图像R、G、B 3个通道分别处理,保留图像所有的细节信息。实验结果表明,消噪后图像与含噪图像的PSNR值高于传统自适应算法12.09%;MAE值低于传统自适应算法22%。该算法有效保存了图像的边缘信息,综合去噪效果明显提高。

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.

LOG算子边缘检测方法的改进方案

本文对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷 ,提出了选择性平滑方式清除图像中的椒盐噪声 ;提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法 ,抑制了图像中的大部分其它噪声 ,并保持了边缘定位精度 ;还通过用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值 ,实现了图像边缘的自动提取。

基于Log算子的一种新的边界轮廓线提取方法

在分析Log算子作用原理的基础上,提出并实现了一种新的按光栅顺序扫描取点然后进行边界跟踪的轮廓线提取算法,该算法是基于对医学图像前期的预处理所得到的二值图像而建立的。实验结果表明,该算法可以有效地消除噪声,大大地提高了传统方法的效率,显示效果良好。

基于改进LOG算子的图像边缘检测方法

针对传统基于LOG算子的边缘检测算法中高斯系数σ不确定性的问题,提出了一种改进的LOG算子边缘检测方法,该算法通过引入极坐标参数θ,计算不同方向θ的1阶导数,并求得导数最大值所对应的θ,进而确定图像边缘点。研究结果表明,利用该改进算子对图像进行边缘检测时,边缘信息丰富,细节体现明显,伪边缘较少,相对传统LOG算子其具有更好的检测效果,同时与Prewitt算子、Canny算子等算法相比较,所提算法也具有明显的优越性。

基于加权LoG算子的红外弱小目标检测方法研究

提出一种基于加权LoG算子及形态学运算的方法来提高远距离红外弱目标检测效率。通过不同尺度的加权LoG算子对图像进行运算,提取响应值最大的特征图。对图像进行形态学运算去噪,并进行Otsu二值分割聚类。输出目标点在图像上的位置坐标。实验结果表明:该方法与传统滤波方法相比,信噪比增益为36.9,杂波抑制因子为4.7,均比传统滤波方法要好。

基于LoG算子的边缘零交叉二值化方法

针对全局阈值法和局部阈值法的不足,提出一种基于LoG算子的边缘零交叉二值化方法,并通过实验分析各算法的二值化效果及运算速度。

基于LOG算子的侧扫声呐海底线检测

针对侧扫声呐数据采集的特点,提出了一种基于图像边缘检测技术中LOG算子的海底线检测新方法,用于准确检测海底线从而对侧扫声呐资料进行斜距改正。通过实验数据处理,表明该方法较传统方法具有明显的优势。

基于LOG算子和灰度共生矩阵的影像纹理特征提取

随着传感器技术的发展,所获得影像的信息更为丰富,其结构、形状和纹理特征表达得更为清晰。作为影像的一个重要特征,纹理特征的提取对影像的自动化解译有着至关重要的作用。目前纹理特征提取的方法主要有分数维法、马尔科夫模型法、Gabor滤波法和灰度共生矩阵。本文选择目前常用的灰度共生矩阵提取影像的纹理特征,并结合LOG算子,研究基于LOG算子和灰度共生矩阵的窗口自适应算法,克服了灰度共生矩阵提取纹理特征时计算量大,以及固定窗口带来的影像细节保持和噪声消除的矛盾;并通过相关的试验分析,检验其应用于纹理特征提取的实用性和可靠性,为后续的影像分割提供保障。

基于D_2样条插值和LOG算子的亚像素边缘检测

提出了一种基于 D2 样条插值和 LOG算子的亚像素边缘检测方法 .将被检测的图像块在 1 /2 p精度上行列分离分别进行一维 D2 样条插值 ,得到亚像素图像 ,然后将不同尺度的 LOG算子与之卷积 。

自适应Wiener滤波改进LOG算子对激光雷达图像的边缘检测能力

LOG算子是一种经典的边缘检测算子,针对激光雷达图像含有丰富的高斯噪声和乘性噪声干扰。提出一种LOG算子的改进方法:用二维自适应Wiener滤波代替LOG算子中Gaussian滤波。设计了自适应性算法,通过仿真可以看出,该方法有效提高了LOG算子对激光雷达图像的边缘检测能力,是一种实用、有效的方法。

利用LOG算子和改进相干算法提高地震资料分辨率

利用LOG算子和改进相干算法相结合可提高地震资料分辨率。模型数据与实际数据的应用效果证明,该方法同其他方法相比,具有较强的信噪分离作用,能有效提高地震资料分辨率。

基于Log算子边缘检测的车牌定位方法

车牌定位是车牌自动识别系统中的关键技术之一,提出一种基于Log算子边缘检测的车牌精定位方法。首先对彩色车辆图片在多颜色空间内进行色彩分割去除大量的背景干扰信息,然后利用分块的思想实现车牌的粗定位,大大缩小车牌的搜索区域,最后对粗定位图用Log算子检测边缘突出车牌的纹理特征再结合投影的方法准确定位出车牌。通过对静态车牌图像定位仿真实验和分析表明,该方法对于车牌定位准确率较高。

基于四元数LOG算子的彩色图像边缘检测

边缘检测在数字图像处理中有着重要的作用。把彩色图像映射到一个四元数空间,在四元数空间中对彩色图像进行旋转变换,通过旋转变换可得到彩色图像的原始分量、强度分量、色差分量,通过滤除原始分量与强度分量,可以得到图像的色差分量。因LOG算子具有较好的抗噪性能,故结合LOG算子对色差图像进行边缘检测,把超复数空间中的矢量卷积运算转化为标量运算,可极大地降低计算复杂度。实验表明,本方法是正确的。

LOG算子进行边缘检测的研究

对零交叉（ＬＯＧ）算子进行影像的边缘特征检测研究表明，ＬＯＧ算子可以在不同尺度下检测影像的边缘特征，当空间常数σ＜１时，可以产生与边缘一致的零交叉，检测到聚焦良好的物体的精细边缘，并且在一定程度上抑制了反差较小的噪声，从而获得比较满意的应用效果。通常情况下，ｒ＝３σ或４σ即可满足要求。

基于LoG算子边缘检测的图像二值化处理

数码管图像的目标和背景分离不明显,直方图分布较复杂。针对该问题,提出基于拉普拉斯高斯(Laplacian of Gaussian,LoG)算子边缘检测的全局二值化方法对其进行处理,该方法通过提取图像边缘部份的像素灰度获得图像二值化的阈值。处理结果表明,与传统的几种方法相比,该方法能够快速选取良好的二值化阈值,较好地区分目标和背景,在相当大模板宽度内图像二值化的结果都令人满意。

基于LOG算子的起球织物切面轮廓线提取

LOG算子对起球织物切面轮廓线的提取进行了分析。首先介绍LOG算子的基本思想和离散LOG算子的构造,然后比较了LOG算子和经典算子边缘检测的效果及如何选定LOG算子的平滑程度,最后利用零交叉检测和线性插值提取轮廓线的高度。实验证明这种方法是非常有效的。

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法。首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性。棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索。

基于LOG算子的亚像素边缘检测

首先 ,把原始图像和LOG(LaplacianofGaussian)算子做卷积检测零交叉点 ,然后使用平面模型获得像素级边缘 最后 ,经过多项式插值在亚像素精度上再次确定零交叉点 。