Combining Entropy Optimization and Sobel Operator for Medical Image Fusion

Fusing medical images is a topic of interest in processing medical images.This is achieved to through fusing information from multimodality images for the purpose of increasing the clinical diagnosis accuracy.This fusion aims to improve the image quality and preserve the specific features.The methods of medical image fusion generally use knowledge in many differentfields such as clinical medicine,computer vision,digital imaging,machine learning,pattern recognition to fuse different medical images.There are two main approaches in fusing image,including spatial domain approach and transform domain approachs.This paper proposes a new algorithm to fusion multimodal images.This algorithm is based on Entropy optimization and the Sobel operator.Wavelet transform is used to split the input images into components over the low and high frequency domains.Then,two fusion rules are used for obtaining the fusing images.Thefirst rule,based on the Sobel operator,is used for high frequency components.The second rule,based on Entropy optimization by using Particle Swarm Optimization(PSO)algorithm,is used for low frequency components.Proposed algorithm is implemented on the images related to central nervous system diseases.The experimental results of the paper show that the proposed algorithm is better than some recent methods in term of brightness level,the contrast,the entropy,the gradient and visual informationfidelity for fusion(VIFF),Feature Mutual Information(FMI)indices.

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%。

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。

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。

Grey Relevancy Degree and Improved Eight-Direction Sobel Operator Edge Detection

Edge detection is an important aspect to improve image edge quality in image processing. The purpose of edge detection is to identify the points in digital images with great brightness variation. However, the accuracy of traditional edge detection methods in edge extraction is low. For the actual image, the grey edge is sometimes not very clear, the image also contains noise. The detection result of the traditional Sobel operator is relatively accurate, but the detection result is rough and sensitive to noise. To solve the above problems, this paper proposes an improved eight-direction Sobel operator based on grey relevancy degree, which combines 5 × 5 Sobel operator with a grey relational degree and a new eight-direction grey relevancy method. The results show that this method can detect the useful information of edge more accurately and improve the anti-noise performance. However, the drawback is that the algorithm is not automatic.

基于Sobel算子的板件钢材表面裂纹数字图像识别研究

基于钢材表面裂纹颜色深度高于周围临近区域的特点,本文针对采用图像处理的方法对钢材表面裂纹自动识别展开研究。利用Sobel算子对图像边缘进行检测,进而识别出板件钢材的表面裂纹。采用双目立体视觉系统作为图像采集的硬件输入,对获取图像的畸变处理、摄像头的标定具体方法展开分析。在具体算法上,本文将获取的裂纹图像由RGB格式转换为YUV数据,并利用Sobel算子进行卷积计算得到图像梯度,将梯度值进一步进行均方根运算得到像素点灰度值;同时,根据钢材种类、表面特性对裂纹灰度阈值进行多次训练,以得到不同情况下的钢材裂纹判别阈值。将该阈值与计算得到的图像灰度值进行比较,根据比较结果对颜色通道进行赋值进而得到裂纹的像素点。再进一步对黑色像素点进行插值运算,得到连续的钢材裂纹曲线。

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FPGA的改进Sobel算法图像边缘检测系统

边缘信息是数字图像信息的重要组成部分,传统的边缘检测程序会因串行执行指令而导致检测效率下降。为了提高图像边缘信息的处理能力,提出一种基于现场可编程门阵列的改进Sobel算子的边缘检测方法,其中,Sobel算法的卷积核从2方向扩展到8方向,并具备阈值自适应能力。板级测试结果表明,基于现场可编程门阵列的改进Sobel算法边缘检测方法充分发挥FPGA并行处理的优势,能够高效准确地检测图像的边缘信息,图像层次感强、成像稳定,在图像的并行处理中有明显的优势。

基于FPGA的Sobel边缘检测架构

本文提出了一种基于Field Programmable Gate Array(FPGA)实现的高效8-bitSobel边缘检测硬件架构,通过结构优化和引入流水线技术,不仅减少了硬件资源利用率,并且提高了系统运行的最大频率。与三种现有的Sobel边缘检测架构相比,第一种是传统的Sobel边缘检测结构,另外两种也是8-bitSobel边缘检测结构。结果表明,本文提出的8-bitSobel边缘检测结构比传统的Sobel边缘检测结构在硬件资源上减少了37.55%,运行速度上提高了14.74%.尽管与运行速度最快的8-bitSobel边缘检测结构相比在速度上降低了1.24%,但是在资源率上提高了25%。因此,本文提出的8-bitSobel边缘检测架构更适用于硬件资源有限的平台。

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。

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。

基于多特征融合的输电通道山火识别方法

针对输电通道山火频发引起线路跳闸的问题,提出一种基于多特征融合的输电通道山火识别方法。利用伽马变换和Sobel算子对输电线路山火图像进行图像增强处理,并使用由超像素分割、区域生长法及形态学处理构成的多级分割算法获取火焰区域的图像;提取分割后火焰图像的颜色特征和纹理特征,采用串行特征融合方式进行融合之后输入BP神经网络分类器进行训练,实现对输电通道山火的识别。实验结果表明,该方法对山火识别的总体精度达到92.7%,可以为电力运维人员进行输电通道山火监测提供参考。

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。

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。