基于Kirsch算子与数学形态学的马铃薯图像芽眼识别与定位方法

马铃薯图像芽眼识别是马铃薯自动切块实现大面积种植的前提,由此提出一种基于Kirsch算子与数学形态学的马铃薯图像芽眼识别与定位方法。对马铃薯图像进行灰度化、中值滤波处理,采用Kirsch算子快速算法进行边缘检测,结合数学形态学强大的处理功能巧妙地剔除马铃薯边界,实现马铃薯芽眼区域的识别与快速定位。实验表明,该方法识别率高,芽眼区域标记完整、简单快捷,具有较好的实时性和准确性,可为后续马铃薯芽眼智能化切割提供借鉴与参考。

Kirsch联合高低双阈值的RGB图像边缘检测算法

边缘检测是计算机视觉中非常重要且实用的图像处理方法,被应用在各个领域;然而在图像采集或传输过程中,由于外界环境的干扰,容易出现结果边缘检测率较低或者伪边缘现象,学者们为此提出了很多改进方法;但是通用的边缘检测方法很少,现有的算法都是以处理特定场景或特定情况下的问题为目的;Kirsch联合高低双阈值的RGB图像边缘检测算法正是针对上述问题提出的;首先,提取原图RGB色彩空间下的不同分量图,对每个分量图利用改进的Kirsch算子求取边缘强度;然后利用高低双阈值划分图像的边缘点和背景点,得到不同色彩空间的边缘结果;最后对不同分量的边缘检测结果进行融合,得到最终的边缘结果;利用基准数据集BSDS500数据集中的200张测试图像对算法进行验证评估;实验结果表明,文章算法相比于其他算法检测到的边缘更加清晰,细节更加完整,边缘连贯性更好,检测率更高,适用范围更广。

含正交各向异性夹层的Kirsch问题的弹性解

针对含有正交各向异性圆环的Kirsch问题,利用级数展开求解材料内部的弹性控制方程,获得了两种不同荷载下各向异性圆环嵌入无限基体的位移/应力解析表达式,其中圆环材料的形态分别考虑为径向各向异性、环向各向异性、横观各向同性。在该理论退化验证良好的基础上,对各向异性材料进行力学分析。结果表明:不同形态的圆环对孔口周围的应力分布有较大的影响。另外,随着各向异性圆环的厚度增大,圆环和基体之间界面处的应力值也增大。

声软无穷曲面反散射问题的Kirsch-Kress方法

该文研究二维空间中声软型无穷曲面的反散射问题.当无穷曲面是平面的局部扰动时,发展了基于近场数据的Kirsch-Kress方法.利用该方法将反散射问题转化为带有Tikhonov正则项的非线性优化问题,当正则化参数趋于零时,证明了此优化问题的收敛性.最后,通过数值实验验证了Kirsch-Kress方法的有效性.

基于Kirsch算子和多级阈值分割的河道轮廓识别和提取算法

针对高分辨率遥感图像,在复杂背景下河道轮廓智能化提取精度低的问题。提出了采用Kirsch算子和阈值分割相结合的方式,对灰度图进行预处理和预分割。再依据河流的形态特征,对图像进行形态学处理,去除大部分背景噪声。最终对主要区域进行二次阈值分割,实现了准确的河道轮廓识别和提取。通过识别不同地形条件下的河流样本,证明了该方法的适用性。利用客观的评价指标,验证了河流区域的识别精度超过了90%,远高于简单的阈值分割方法。这满足了高精度河道提取需求,为智能化快速提取河道信息提供了参考。

基于模板分解和积分图像的快速Kirsch边缘检测

将Kirsch算子的模板分解为差值模板和公共模板,然后通过相邻差值模板的差异比较,找出边缘强度最大的方向,并计算出相应的边缘强度值,避免了将8个方向的边缘强度全部算出,减少了Kitsch算子的模板与原图像的卷积运算.公共模板和原图像的卷积则利用灰度信息处理时得到的积分图像米加速.实验证明应用这种快速算法的Kirsch边缘检测,运算量比当前主流快速算法(FKC算法)有较大幅度的减少.另外,运用模板分解和积分图像减少卷积运算的思路具有一定通用性,实例说明此思路可用于一些其它边缘检测和空域滤波算法中.

基于Kirsch算子图像分割的FPGA设计与实现

医学影像是医疗诊断的重要手段。在一些疾病的早期诊断过程中,组织的边缘信息代表重要的特征数据,对疾病的确诊起着至关重要的作用。因此对医学影像进行准确清晰的图像分割对医疗诊断的准确性具有重要的促进作用。本文采用Kirsch算子对医学影像进行图像分割获得组织边缘。为了提高运算速度和分割效率,采用具有并行运算能力的FPGA器件进行设计实现。最后在QuartusⅡ平台上进行了仿真验证,得到了精确的图像边缘。

基于快速Kirsch与边缘点概率分析的边缘提取

本文运用快速Kirsch算法对图像边缘进行检测 ,在分析边缘图像中各边缘象素点成为真正边缘可能性的基础上实现对图像边缘的细化 ,以获取准确可靠的边缘。

一种改进Otsu法在Kirsch边缘检测中的应用

针对灰度图像的Kirsch边缘检测特征不明显以及Otsu方法自动获取最佳阈值耗时等缺点,探讨了一种改进的Otsu法,并将其应用到Kirsch边缘检测中。首先通过Kirsch算法初步检测出图像边缘,然后运用蚁群算法与Otsu算法相结合求取最佳阈值并进行二值化处理。对试验结果和数据的分析,得出所提出的方法能够有效地检测出图像边缘,同时节约运算时间,具有一定的自适应性。

基于视觉特性的Kirsch边缘检测算法

边缘是图像中最重要的信息之一,能够以较少数据量表达大量的图像信息。Kirsch算子有较好的检测效果及抗噪能力,但得到的边缘较粗,且阈值是一个不变值,自适应性差。针对以上问题,基于视觉特性理论提出了一种生成自适应阈值的方法,对已有的一种边缘细化算法提出了改进,获得了较好的效果。

基于Canny算法的改进Kirsch人脸边缘检测方法

针对Kirsch边缘检测算法的不足,提出了一种基于Canny算法改进的Kirsch人脸边缘检测算法。该算法先对原始图像用高斯滤波器平滑,计算其梯度图像。然后将梯度图像用改进后的Kirsch算法进行计算,并根据和两个阈值进行边缘提取。试验结果表明,采用该算法提取人脸边缘不容易受噪声的干扰能检测到真正的弱边缘,效果优于经典Kirsch边缘检测算法。

一种改进的Kirsch边缘检测方法

Kirsch边缘检测算子在医学图像处理中有重要应用,它在保持细节和抗噪声方面都有较好的效果。但Kirsch算子得到的图像边缘仍存在连续性较差的问题。本文利用边缘连接算法对Kirsch边缘检测方法进行了改进,获得较好的检测结果。

基于Kirsch算子的动态阈值旋切单板缺陷图像分割方法

通过边缘检测和阈值分割技术的综合应用,提出一种基于Kirsch算子的边缘检测动态阈值图像分割算法。实验表明,采用该算子可以准确地对旋切单板缺陷图像进行分割。

一种图像边缘提取快速KIRSCH算子的设计与实现

对前人提出的数字图像边缘的经典算子--kirsch算子进行研究,详细分析了这种方法的出发点、理论根据、数学原理和实现方法及优缺点。并通过用Visual C++实现的实验结果,对kirsch算法提出了改进,实现了改进的快速kirsch算子的边缘提取,给出了对于一般图像的处理效果的分析。

Kirsch算子的快速算法

利用经典图像边缘检测模板的算子在8个方向模板之间的内在联系,提出了一种新的快速Kirsch算法。实验证明采用快速Kirsch算法可将对图像处理的速度提高到采用经典Kirsch算法所达到的运算速度的三倍以上。

一种新的Kirsch边缘检测算法

目的:通过改进传统的Kirsch边缘检测方法,提供一种具有较好的抗噪声能力和自适应能力的边缘检测新算法。方法:首先利用模糊数学方法和中值滤波去除图像中的背景噪声和随机噪声。然后,基于三阶样条小波系数构造4个滤波模板并获得滤波图像和极值点图像。最后,根据最大熵算法自动获取的阈值和极值点图像得到边缘图像,连接不连续的边缘使用边缘跟踪算法。结果:新的Kirsch边缘检测方法同传统的方法相比,具有较强的抗噪声能力,边缘图像信噪比平均提高7.45 d B左右。结论:通过改进Kirsch算法,提出了一种具有较好抗噪声能力和自适应能力的边缘检测新方法。

一种基于GPU的快速Kirsch边缘检测算法

传统的Kirsch边缘检测算法的优化和实现都是针对常用处理器提出的。根据Kirsch算法的可并行计算的特点,本文提出了一种基于图形处理器GPU的快速Kirsch算法。快速算法根据GPU的并行结构和硬件特点,采用了纹理存储技术、多点访问技术和对称计算技术三种加速技术,优化了数据存储结构,提高了数据访问效率,降低了算法复杂度。实验表明,采用基于GPU的算法可将对图像的处理速度提高到传统Kirsch边缘检测算法的10倍以上。

基于FPGA的Kirsch算法实时图像处理研究

随着图像数据量愈发庞大,相较于传统图像处理方法采用FPGA进行图像处理更具有明显优势.Kirsch算法具有检测边缘信息多、抗噪效果较好等优点.设计选用FPGA来实现Kirsch算法,同时将处理后的图像再次结合形态学处理.结果表明,本设计能够更好地提取边缘信息、增强抗噪声能力,而且实时性较好,具有较高的实用价值.

基于Kirsch方向模板的SAR相干斑噪声抑制方法

提出一种抑制SAR相干斑噪声的加权平滑滤波方法。该方法利用 8个 3× 3的Kirsch方向模板分别与SAR图像进行卷积运算 ,取其中的最大值作为窗口中心像素的边缘强度值 ,中心像素灰度值的滤波输出为它的 8个邻域像素灰度值的加权平均 ,加权系数为每个像素的边缘强度值。给出了滤波核方程的推导过程 ,分析了滤波原理。将该方法用于SAR图像相干斑噪声抑制 ,并与Lee滤波器的去斑效果进行了比较。实验结果表明 ,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。

Kirsch算子地质图像边缘检测算法并行化研究

针对大尺寸地质图像边缘检测算法计算密集和数据密集的特性,为提高地质图像边缘检测算法的计算效率,提出一种自适应阈值的Kirsch算子的边缘检测算法.从传统算法层面,通过减少运算次数以及针对阈值设定随机性较大的问题提出自适应阈值的方法对其进行优化.从算法并行层面,在CPU-GPU传输开销以及线程规模选取上分析优化.经测试,改进的算法比现有算法减少了计算量,获取的边缘更清晰,对大于2 048×2 048尺寸的地质图像加速比可以保持在80倍以上(不考虑传输开销可保持在300倍以上).该方法的并行较易实现,为实时在线的地质图像边缘检测提供了可能.