利用改进的Prewitt边缘算子进行车牌定位

车牌定位是车牌识别的首要问题,为解决此问题,本文提出利用改进的Prewitt边缘算子进行车牌定位的方法。首先利用改进的Prewitt边缘算子找出图像中颜色变化剧烈的像素,并加以标记;进而对标记点进行扩大,对扩大结果运用车牌宽高比等特征进行反复判断以清除噪声,最后定位出车牌。该方法定位准确率高,对噪声较多的图像也适用。

改进Prewitt算子圆锥面边缘高精度检测算法

圆锥面量规直径的检测是汽车发动机气门检测中重要的尺寸测量,是气门各项长度尺寸检测的基准线。针对Prewitt算子在边缘检测上存在的速度慢、稳定性差以及在高精度(精度在μ级)测量中准确度低等问题,提出了一种改进的斜向边缘直径检测算法。对图像进行中值滤波,对目标区域边缘进行粗略定位以确定第二次边缘检测的方向。在确定的检测方向上,应用二次曲线拟合算法得出精确的亚像素边缘信息,将测得的左右边缘坐标差乘上像素当量并进行误差补偿,得到精确的直径值,寻找量规直径位置。实验结果表明,算法与已有算法相比,准确性提高1倍,稳定性与运算速度有较大提高。

基于矢量Prewitt算子的多尺度彩色图象边缘检测方法

在矢量Ｐｒｅｗ ｉｔｔ算子的基础上，引入多尺度组合正则化处理，提出了一种新的彩色图象边缘检测方法。实验表明，若对检测精度、边缘完整性、抗噪性等方面进行综合评价。

基于Log_Prewitt算子的边缘检测算法

本文介绍了一种边缘检测算子 ,即 L og_ Prewitt算子 .它不是直接对光强度 ,而是对光强的对数 (光密度 )作Prewitt边缘检测的新方法 .具有检测边界区域与光照强度无关、抗干扰性强、处理速度快、适于在线检测等优点 .

基于Prewitt算子的计算机数字图像边缘检测改进算法

为了使提取的图像边缘的结构定位精确 ,并产生连续的精细边缘 ,同时能滤除边缘信息中的噪声干扰 ,提出了一种以 Prewitt算子为基础 ,应用区域分割和骨架提取的改进算法 ,实现了图像边缘信息的提取 ,能消除图像中的噪声 ,产生精细的边缘。实验证明 ,该算法能有效地消除噪声 ,准确地检测图像中的目标边缘 。

用Prewitt算子细化边缘

传统的边缘检测算子一般都只能得到比较宽的边缘,这为以后的图像处理带来了一定的困难。本文通过对图像边缘特征的分析,提出了一种新的边缘细化方法——P rew itt算子细化边缘。实验表明,这种方法能在保持原有信息的前提下,给出令人满意的细化结果。

影像边缘检测Prewitt算子的改进算法

本文对Prewitt经典算子进行了分析,根据算法的计算规律提出了一种改进的计算方法,通过对常规算法与改进算法的计算量进行比较分析,从理论上说明了改进算法具有简洁的处理步骤,提高了处理的速度;又通过对200幅256×256影像的具体实验证明,改进算法不仅拥有与原算法相同的效果,而且,处理时间显著缩短。

图像边缘检测的Prewitt算子的改进算法

本文对图像边缘检测经典算子Prewitt算子和该算子模板匹配方法进行了分析,根据模板排列规律,建立矩阵变换关系,提出一种改进算法.经实验证明,在一定配置环境中,将改进算法应用在某图像连续处理系统中,图像处理效果保持不变,较好的平滑了噪声,且目标物体的边缘检测轮廓清晰.和经典Prewitt算子比较,改进后的算子处理时间显著缩短,处理358张大小为184×184的图片所用时间为2.563s,而改进前所用处理时间为19.685s.处理速度提高了8倍,满足了图像连续处理系统对处理时间的要求.

基于灰色关联度和Prewitt算子的边缘检测新方法

基于以灰色系统理论为基础的灰色关联度图像边缘检测方法,本文提出了一种基于灰色关联度与经典的Prewitt边缘检测算子相结合的图像边缘检测新方法。该方法把Prewitt算子作参考序列,计算图像各像素点及其八邻域形成的行为序列和参考序列之间的灰色关联度,然后根据灰色关联度来判断检测边缘。实验结果表明,该方法能够较为准确地检测出有用的边缘信息,且具有一定的抗噪声能力,是一种有效的、可行的边缘检测新方法。

基于FPGA的Prewitt边缘检测算子的实现

主要探讨基于FPGA的prewitt边缘检测的实现,分析prewitt边缘检测算法处理图像的效果.据FPGA的并行流水线性以及FPGA处理简单方便,结合Prewitt边缘检测算法的基本原理,利用FPGA对其进行了设计、实现,通过quartus II软件进行编程,利用modelsim、matlab软件进行仿真和数据获取,最后利用以上获取的数据通过matlab进行图像处理.

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Prewitt算子和邓氏关联度的图像边缘检测算法

边缘是图像最重要的特征之一,其检测的好坏对图像的识别和分割的效果有直接的影响,本文探讨了传统的Prewitt算子和灰色关联度在边缘检测中的应用情况,提出并实现了一种将Prewitt算子和邓氏关联度相结合的边缘检测方法。实验表明,该方法提取的边缘较完整、连续性好、非边缘点少,为图像边缘检测探索了一种新的途径和方法。

Prewitt算子边缘检测及改进

对数字图像处理中具有代表性的Prewitt边缘检测算法进行了分析，发现该算法存在检测出的边缘较粗和人为选取阈值会造成边缘点误判的缺点，为此提出了一种自适应阈值确定方法，并和非极大值抑制方法相结合。对机械齿轮图像、火箭目标序列图像及医学图像进行了边缘检测的仿真实验，结果表明：改进算法有效地解决了Prewitt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。

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Prewitt算子的彩色图像边缘检测方法改进

使用灰度图像算法进行彩色图像边缘检测,会造成图像边缘漏检。针对这个问题,本文在输出融合法基础上,对Prewitt算子进行了改进,提出一种适用于彩色图像的边缘检测方法。实验表明,改进算法能有效检测彩色图像边缘。

改进Prewitt算子对高压输电线图像边缘检测

传统的Prewitt算子需要通过人工判别来选取阈值,算子模板方向过于简单,这样会造成边缘选取粗略,定位不准确。为此,提出一种改进Prewitt算子,实现了动态阈值选取,同时增加了Prewitt算子方向模板,使边缘选取更完整,定位更加准确。利用改进后的Prewitt算子对高压输电线异物悬挂图像进行边缘检测仿真实验,实验结果表明,改进后的Prewitt算子解决了传统Prewitt算子对边缘选取粗略的缺点,对于高压输电线路图像边缘检测更精准。

基于改进Canny算子的树障与导线边缘检测算法

针对目前输电线路通道树障检测中,树障与导线的边缘信息难以提取、不清晰以及连续性差等问题,提出一种基于改进Canny算子的树障与导线边缘检测算法。首先使用可以去噪保边的双边滤波取代传统Canny算子中的高斯滤波,使得树障与导线图片的边缘信息得以确保清晰,同时图片边缘更加细腻;然后使用基于Scharr算子3×3的梯度模板代替2×2的模板来改进梯度计算方法,在水平和垂直方向上扩充了45°和135°,两个方向的梯度模板加权求和;其次,对改进后的梯度幅值实施非极大值抑制,减少边缘检测带来的不利影响以使边缘变细;最后使用双阈值算法确定真实与虚假边缘,实现目标图片的边缘检测,减少干扰。实验结果表明,图片的边缘清晰度分别为8.53、0.474、12.93。改进后的算法对树障与导线边缘检测的结果相对于传统算法具有更好的边缘清晰度,可以清晰地观察树障与导线。

基于Prewitt算子的红外图像边缘检测改进算法

传统Prewitt算法存在人为选取阈值造成边缘结构缺失较粗、产生伪边缘、定位不精准等缺点,为此,提出了一种基于Prewitt算子,结合人眼视觉特性的动态阈值的改进算法。首先增加方向模板数量使边缘检测更加精确,然后结合人眼视觉特性对图像中平坦区进行分割,最后采用动态阈值进行边缘检测,并根据粗边缘特性进行边缘细化。实验结果表明,与经典算法相比,改进算法有效解决了Prewitt算子边缘过粗的缺点,检测出的图像边缘精度提高了6.0%以上,边缘结构更加完整,定位更加精准。

基于传统边缘算子的车道线识别研究

车道线识别检测技术是汽车实现自动驾驶的关键技术之一,利用图像低级特征提取技术实现边缘检测是车道线识别的最佳方法之一。为解决传统车道线检测易误检、漏检、效率低等问题,利用结构化道路条件下车道线图像,在去噪、滤波等预处理后对获取的图像进行ROI区域提取。基于传统边缘检测算子边缘提取方法,发现Roberts等算子在考虑环境因素下检测结果存在细节边缘提取不足的问题。通过比较发现,利用霍夫变换改进的Canny算子边缘检测方法不仅能够有效提高检测结果的精确度,而且能够同时提升运行速度。该方法能够有效避免传统边缘检测方法检测结果误差大的问题,具有较强的鲁棒性和抗干扰性。

基于改进LOG算子的雷达图像边缘检测算法

雷达图像中固定地物杂波的边缘轮廓对运动目标检测有重要作用.针对传统的高斯-拉普拉斯(LOG)边缘检测算法在对雷达图像进行边缘检测时对噪声敏感,易影响图像边缘轮廓信息的提取问题,提出了一种改进的LOG边缘检测算法.首先采用改进的均值滤波和双边滤波对图像进行平滑去噪;然后用拉普拉斯算子计算二阶方向导数,计算零交叉点得到图像的边缘位置信息,从而获得连续、完整的地物边缘轮廓;最后对雷达图像采用原始LOG和本文改进的LOG算法进行了对比实验.实验结果表明,在强地物杂波环境下,与原始LOG算法相比,改进的LOG算法提高了边缘的检测精度,改善了图像边缘连续性,从而可提高雷达目标的检测概率.