基于ARM构建Sobel边缘检测算子的指纹识别系统实现

介绍了一种采用ARM处理器作为控制核心,构建指纹识别算法的嵌入式系统的实现方法。该系统采用光学指纹传感器(内建格科微电子有限公司的光学GC0307 CMOS图像采集芯片)与ARM Cortex M3内核的意法半导体公司32位高性能单片机STM32F205RE组成功能主体,采用Sobel边缘检测算子、Gabor滤波、图像二值化等图像采集与处理算法对指纹图像进行识别。经过大量实践证明,该设计适合嵌入式组件开发中需要进行生物指纹特征提取、识别,指纹身份认证、比对等场合。系统具有高性价比且交互简易、识别率高、扩展性强,便于嵌入式应用。

Sobel边缘检测算子的改进研究

为了解决传统sobel算子在边缘检测中的不足,提出了一种改进算法。在传统算法的基础上增加了45°、135°、180°、225°、270°以及315°六个方向模板,并在模板权值的选取上进行改进,调整各个模板参数。用改进后的算法对实验图像进行边缘提取,由仿真实验可以看出,改进后算法提高了边缘检测的精度,并具有优于传统算法的抗噪性能。

一种改进的Sobel边缘检测算子

在现有Sobel边缘检测的基础上,提出了一种改进的梯度算法,不仅简单易行,而且较好地解决了检测精度与抗噪声性能之间的协调问题。经实验证明,用改进的梯度算法检测的图像边缘不仅轮廓清晰,实时性好,而且具有较好的抗噪性能。

8方向自适应权值Sobel边缘检测算子

针对传统Sobel边缘检测算子对图像边缘检测存在漏检和噪声敏感的缺点,提出一种改进的Sobel算子.该算子重新构造出一种8方向5×5检测模板,并且在模板卷积过程中应用自适应权值的算法,增强了该算子的抗噪性.实验表明,改进的Sobel算子保留了传统Sobel算子的优点,增加了其他方向的边缘检测,降低了漏检的概率,提高了抗噪性.

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Sobel算子的输送带图像边缘检测研究

选用新型的机器视觉检测方法,分析图像有用信息,提取有价值和有意义的目标特征,对Sobel边缘检测算子进行改进,增强了图像对比度,有效地对输送带表面图像进行边缘检测和精确定位,较好地还原了图像形状,得到理想边缘信息和精确定位,有效地抑制了噪声干扰,并依据检测结果指导煤矿井下运输系统的安全作业和高效运行。

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%。

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。

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。

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。

一种结合sobel算子和小波变换的图像边缘检测方法

提出了一种基于数据融合的边缘检测方法。该方法对原始图像分别采用sobel算子和基于离散小波变换两种方法提取边缘,然后将两种方法的检测结果进行数据融合,得到一幅新的边缘图像。实验证明,融合后的图像边缘集合了两种检测方法的优点,是一种有效的图像边缘检测方法。

高能闪光照相中Sobel算子的边缘检测方法

针对高能闪光照相中投影图像的特点,对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析,发现该算法存在检测出的边缘粗和人为进行阈值的选取会造成边缘点的误判的缺点;为此提出了一种阈值确定方法和基于最大梯度的定位准则算法。改进的算法实测结果表明:该方法有效地解决了Sobel算子检测出的边缘过粗的问题,得到的边缘较细,定位精确,提高了边缘检测精度,可用于高能辐射照相中的边缘提取。

基于Sobel算子的车辆轮廓边缘检测算法

本算法是在经典Sobel算子基础上,结合汽车本身的实际情况,增加了6个方向模板,同时利用基于L2范数的各同性扩散去噪模型消除噪声,最终得出汽车轮廓图。仿真结果表明:该算法对汽车图像的噪声干扰有较强的抑制能力,汽车轮廓提取定位更准,精度更高,图像更清晰。

一种改进Sobel算子的热红外影像边缘检测方法

热红外影像特殊的成像机理和特点,使影像中存在大量的噪声导致边缘信息模糊难提取。基于传统Sobel算子提出了一种新的边缘检测方法。首先利用数学形态学中的不同尺度、不同结构元素对具有随机噪声的热红外影像进行形态学去噪,再用Otsu算法对去滤波后的影像进行全局阈值分割,最后利用Sobel算子对其进行边缘提取。基于MATLAB仿真实验,结果表明:与传统的Sobel算子相比,该方法不仅有较强的抗噪性,而且检测出的边缘外部轮廓与内部细节特征表达较好,边缘具有连续一致性,是一种简单、快速的边缘检测新方法。

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。

一种基于Sobel算子和灰色关联度的图像边缘检测方法

把灰色关联度与图像的边缘检测相结合,提出了一种利用Sobel算子作为参考序列,通过计算灰色关联度来检测图像边缘的新方法,并介绍了其原理和算法实现过程。仿真实验表明,该方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。