一种改进的模糊边缘检测快速算法

系统分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了Pal.King模糊检测算法定义的不足,简化了复杂的变换和逆变换运算,而且针对Pal.King算法中对隶属度阈值设置为固定值的不足,提出了确定模糊增强变换中最佳隶属度阈值的自动算法。仿真结果证明,该算法效率高、提取边缘精细、适用面广,是一种很有实用价值的图象处理算法。

快速模糊边缘检测算法

通过对Pal.King的模糊边缘检测算法进行改进，提出了一种快速模糊边缘检测算法。该快速算法不但简化了Pal.King算法中复杂的G和G-1运算，而且通过实验，确定了Tr变换中最佳的隶属度阈值，大大地减少了迭代次数。从实验结果中可以看出，该快速算法不但提高了Pal.King算法的效率，而且具有很强的检测模糊边缘和细小边缘的能力。这种快速算法的性能优越，是一种非常实用的、高效的的图像处理算法。

基于模糊推理的边界检测方法

基于IF THEN的推理规则 ,提出了一种模糊推理的边界检测方法 ,实现对灰度图像的边界检测。通过分析图像中是否有灰度突变 ,来判断边界的存在。在进行边界检测的同时 ,还可以抑制脉冲噪声的干扰。实验结果表明 :基于模糊推理的边界检测方法在使用少量推理规则的条件下 。

一种曲面拟合图像边缘特征提取算法

针对传统最小二乘支持向量回归函数曲面拟合边缘特征提取算法推广性差的问题,提出首先在模糊特征平面对图像进行模糊去噪增强,使图像各种边缘信息凸显,弱化非边缘信息;然后对图像进行最小二乘支持向量回归函数曲面拟合,对拟合函数求导确定边缘.在对每个点采用相同惩罚因子时,保证了图像中每一像素的邻域最佳函数拟合.仿真实验表明,该算法边缘提取质量清晰细致,效果较好,且各种参数的选择不需人为调节,适合图像预处理阶段应用.

一种快速模糊图像边缘检测算法

针对传统模糊方法处理速度慢的弱点,该文建立了一种新的快速图像处理算法,包括模糊图像增强、模糊平滑和模糊边缘检测,该方法利用相应算法建立快速查找表,通过简单的查表运算,大大提高了图像处理速度。所提方法的快速性和有效性在B-超图像应用后得以证明,并取得了比其他处理方法好的效果,为这种新的快速模糊图像边缘检测算法在B-超临床应用打下基础。

基于模糊集的图像边缘检测算法

边缘检测一直是图像处理中一个热门课题,本文在对经典模糊边缘检测算法思想进行分析的基础上,提出了一种边缘检测算法,该算法通过阈值分区间定义一种模糊隶属函数,可将数字图像转化在等效的模糊特征平面上,然后选用适当的增强算子对图像进行模糊增强,增强后的图像经逆变换后进行边缘提取即可得到所需图像的边缘特征。应用这种算法计算量小,运算速度较快,提取的边缘细致,是一种很有实用价值的边缘提取算法。

基于模糊理论和蚁群算法的图像边缘连接方法

针对边缘检测的断点问题,提出一种基于模糊理论和蚁群机制的断点连接方法。以原图像和传统检测算法得到的边缘为基础,分析出边缘端点,根据端点邻域内各像素的梯度信息,采用模糊判决方法,计算隶属度矩阵;由各像素的灰度梯度、隶属度和信息素确定转移函数,减小蚁群寻优的盲目性,提高边缘点定位的准确性。实验结果表明,该方法不仅能有效改善边缘不连续现象,且补偿边缘能更真实地反映原图像边缘信息。

机车受电弓滑板磨耗的图像处理算法研究

将图像处理算法引入机车受电弓滑板的磨耗检测中,提出一种检测受电弓滑板实际厚度的测量算法。由于直接对图像进行边缘检测易受噪声、光照等因素影响,通过Hough变换对图像进行水平校正,由模糊聚类算法进行图像分割以去除光照不均及噪声的干扰,对分割后图像采用Canny算子精确提取滑板的边缘信息。考虑提取边缘的不连续性,引入结合数学形态学的边缘生长方法实现不连续边缘的连接,通过图像标定计算出实际滑板磨耗厚度。

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上 ,提出了一种改进的模糊边缘检测算法 ,并提出了改进的模糊增强Tr变换。采用该快速算法 ,简化了Pal算法中复杂的G和G-1运算 ,并减少了迭代次数。实验证明 ,采用该改进算法 ,不但提高了边缘检测的效率 ,而且检测效果优于Pal算法 ,并具有较好检测模糊边缘和抑制噪声干扰的能力。

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。

基于模糊神经网络的汽车外形识别系统及其应用

文章将模糊数学理论和神经网络相结合，建立了一个自适应的模糊识别与神经网络协作系统，成功地解决了在无专家经验的情况下，自动建立模糊隶属度函数和模糊识别规则的问题。该系统实现了从汽车图象的获取、车型的识别、确定收费标准等全过程的自动化，从而解决了自动交通管理中有关自动识别车型难题，具有很高的实用价值。

混沌免疫模糊聚类算法在图像边缘检测中的应用

针对图像处理中的模糊边缘检测问题,提出一种混沌免疫模糊聚类算法.该算法把混沌变量加载于免疫算法的变量群体中,利用混沌搜索的特点对群体进行微小扰动并逐步调整扰动幅度,明显改善了免疫算法的群体多样性.实验结果表明,该算法不仅具有很强的模糊边缘和微细边缘检测能力,而且可以提高基于人工免疫进化算法的模糊聚类算法的搜索效率.

基于模糊顺序形态学的植物叶片脉络边缘提取

植物叶片是作物分类和识别的简单有效方法,叶片的脉络和边缘特征提取是识别叶片的基础步骤。植物叶片图像通常受噪声影响,提取清晰的脉络和边缘比较困难,该文提出了基于模糊顺序形态学的植物叶片脉络边缘特征提取方法。首先,根据像素邻域特性,利用植物叶片脉络边缘及内部区域的差异性,构造了隶属度函数;然后,依据Sugeno模糊模型,定义了能够增大叶片脉络边缘和内部区域差异的模糊规则,进行模糊推理;该文采用了抑制噪声特别有效的顺序形态学边缘检测算子,对图像进行脉络边缘提取,最终得到植物叶片脉络和边缘信息图像。试验结果表明,该文方法克服了自然环境中噪声的影响,提取的植物叶片脉络和边缘更加清晰、定位更加准确。

一种改进的模糊边缘检测快速算法

比较全面的分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了Pal.King模糊检测算法定义的不足,简化了复杂的变换和逆变换运算,而且针对Pal.King算法中对隶属度阈值设置为固定值的不足,提出了确定模糊增强变换中最佳隶属度阈值的自动算法;并在此基础上实现模糊增强函数中增强阈值的自动获取。仿真结果证明,该算法效率高、提取边缘精细、适用面广,是一种很有实用价值的图像处理算法。

数字图像边缘检测的模糊聚类研究

数字图像的边缘检测实际上是一个聚类的问题，这些边缘由许多线段、曲线或平面和曲面所构成，组成了不同的类属和分割的区域，可以用在机器人视觉的模型识别、军事目标识别等领域．模糊聚类法（ 包括模糊均值聚类法和模糊球壳聚类法） 具有不必事先对数据中的边界特征信息了解太清楚的优点。

基于形态学和自适应模糊内插的红外图像放大

提出一种有效的红外图像放大算法 ,该算法和常用的基于双线性内插进行图像放大的算法有所不同 文中算法首先采用基于形态学的预处理算法对红外图像进行预处理 ;以使得边缘定位更容易 ;然后采取一种自适应模糊内插算法进行图像放大 ,该算法克服了一些基于双线性内插算法进行图像放大的算法的缺点 ;最后 ,给出文中算法和基于双线性内插算法进行图像放大的算法的实验结果 实验结果表明 。

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善。

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上,提出了一种改进的模糊边缘检测算法,采用该快速算法,不仅简化了Pal算法中复杂的G和G-1运算,而且提出了改进的模糊增强Tr变换,并减少了迭代次数．实验证明,采用该改进算法,不但提高了边缘检测的效率,而且检测效果优于Pal算法,并具有较好检测模糊边缘和抑制噪声干扰的能力．

基于NSCT和KFCM聚类的图像边缘检测方法

为进一步提高现有图像边缘检测方法的性能,提出了一种基于非下采样Contourlet变换(NSCT)和核模糊c-均值(KFCM)聚类的图像边缘检测方法.首先通过NSCT将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息,并采用KFCM聚类算法进行聚类得到低频边缘图像,以提高定位精度,而对于边缘细节信息较多的高频分量各个子带,通过模极大值检测边缘以减少伪边缘,丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘.实验结果表明,相比于Canny方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT域模极大值方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富.

关于图像方向性边缘检测算法的研究

该文基于模糊分类和像素方向性提出对图像边缘进行二次确定,同时参数控制去噪及锐化真正边缘。该算法计算量小,边缘明显变细,噪声和伪边缘减少,对边缘细微图像检测效果理想。