融合Sobel算子的SAR图像结构优化方法

针对传统滚动引导滤波算法在处理SAR图像时,面对较多琐碎纹理效果欠佳,容易产生虚假边缘的问题,提出融合Sobel算子自适应计算图像中每个像素点的梯度,反映图像的边缘强度来指导滚动引导滤波参数的调整,从而优化滚动引导滤波的结果。通过传统算法和改进算法对雷达图像处理的边缘强化和细节纹理提取的对比结果表明,提出的利用Sobel算子来进行滚动引导滤波参数的调整有着明显提升,能有效地支撑雷达图像的后续处理,为图像的强散射结构提取提供了一种新的方法。

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。

改进的Sobel算子图像清晰度评价算法

针对传统图像清晰度评价算法在显微自动对焦系统中抗噪性弱的问题,在传统梯度函数基础上提出了一种改进的Sobel算子图像清晰度评价算法。首先利用自适应中值去噪算法对显微图像预处理,减少噪声干扰;其次增加Sobel算子模板方向,采用四方向模板来计算像素点梯度;最终使用自适应全局阈值确定图像目标边缘,使用强边缘像素点的梯度平方和作为清晰度评价值,在一定程度上有效地解决了传统评价算子方位局限、抗干扰性差等问题。实验结果表明,该算法与传统梯度评价函数相比,图像处理速度提升了15.6%,灵敏度因子平均提升了0.711 9,具有良好的单峰性、抗干扰性和灵敏度。

基于Sobel算子的池化算法设计

池化算法是卷积神经网络中用于特征降维、参数压缩、扩大感受野的重要一层。针对现有的池化方法没有充分考虑到池化前特征图的整体内容及风格特征分布问题,提出了一种通过Sobel算子对卷积后的特征图计算每个特征点的梯度值,并根据梯度值分布确定每个池化窗口取最大值、均值或者最小值的池化算法。该算法充分考虑了特征图池化前后的整体内容及风格特征分布,保持了特征图的整体不变性。实验表明,该池化算法在VGG、ResNet等经典网络架构上取得了优异性能,具有普适性,可用来替代常用的最大池化、平均池化。

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。

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Laplacian算子的航飞影像预处理分析

模糊影像会直接影响空中三角测量解算的结果,因此需要对无人机航飞影像进行预处理。分别使用Soble算子和Laplacian算子对航飞影像中模糊的照片进行边缘检测,识别出模糊照片。分析2种算子在航片预处理中的适用性,并编译软件自动分离出模糊和无效的照片。结果表明:Sobel和Laplacian算子均可以准确地分离出模糊影像,影像识别率可达100%。其中,Laplacian算子对航飞影像的边缘检测敏感度高于Sobel算子,Laplacian算子得到的方差值更大,判定影像清晰与模糊的界限更准确。最后通过快速检索算法与Laplacian算法相结合,编译完成无人机航飞影像预处理模块,提高无人机航片预处理效率。

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算子的动态自动调焦算法研究

为了提高自动调焦算法在动态环境下的性能,对调焦评价函数和调焦搜索策略进行了研究。在分析人类视觉系统特性研究成果的基础上,提出一种基于8方向Sobel算子边缘加权的调焦评价函数。同时,为了克服传统爬山法搜索速度慢的缺点,采用自适应变步长极值搜索策略,通过仿真实验可知,提出的8方向Sobel边缘检测算子具备良好的边缘提取效果,同时基于此算子结合人类视觉机制特性给予各边缘不同权重系数计算的调焦评价函数,比经典两方向Sobel算子调焦评价函数具备更好的抗干扰能力。最后搭建基于液体透镜的实验平台,在动态环境下验证改进算法的性能。实验结果表明,提出的自动调焦算法在动态环境下调焦准确率达到97.5%。

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。

基于改进的Sobel算子和色调信息的叶脉提取方法

植物的叶脉包含重要的植物生理信息,对叶脉的提取是植物建模和识别的关键。利用HSI彩色空间(color space)提取叶脉的算法,该文提出改进的Sobel算子和色调信息相结合的叶脉提取算法。改进的Sobel算子用于基本叶脉轮廓的提取,色调信息用于主叶脉提取,然后将两者提取的图像融合得到最终的叶脉图像。结果表明,该方法可弥补Sobel算子和HSI彩色空间提取叶脉的不足,能更准确地提取叶脉信息,尤其适合于颜色有变化或光照不均匀的植物叶子样本,为进一步对叶脉尺寸和形态的分析打下基础。

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。

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。