基于小波变换的纹理边缘检测方法

根据Ｍａｌｌａｔ多尺度边缘检测原理和纹理图像的局部特征,推广了Ｍａｌｌａｔ多尺度边缘检测算法,这个推广算法不仅适用于一般图像的边缘检测,而且还可用来提取纹理图像的边缘。     

一种基于模糊增强的多尺度边缘检测算法

图像的边缘检测技术是图像处理中最重要的内容之一,且已在图像分析和识别领域得到了广泛的应用.本文提出一种基于模糊增强的多尺度边缘检测算法.该算法首先用模糊增强算子对原始图像进行预处理,加大边缘两侧灰度的差异,然后利用多尺度边缘检测算法提取图像的边缘.最后,将该算法与经典的Sobel算子和Canny算子进行比较.实验结果表明,这种方法较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾.     

基于三次B样条小波的图像边缘检测技术研究

图像的边缘信息在图像的各种变换和处理中至关重要，边缘检测是为了获取更多的图像细节信息。根据边缘信息的多尺度杼陛和小波变换的性质，研究了基于B样条小波的图像边缘检测方法。采用三次B样条小波设计的平滑滤波窗算子，实现相对简单、效率较高。测试表明，该算子与其他边缘检测算子具有相似的视觉处理效果。     

基于小波变换和Gabor滤波的指纹图像增强算法

在指纹自动识别系统中,图像增强是比较重要的一个环节,它直接影响到指纹识别系统的识别精度．利用指纹图像在经小波多尺度分解后,低频部分集中了指纹图像的主要纹理信息这一特性,提出了一种在小波域对指纹图像进行Gabor滤波增强的算法,实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取。     

一种改进的形态学边缘检测方法

对经典形态学进行了3点改进,提出一种多尺度多级级联自适应加权图像边缘检测算法.经实验结果表明,与其他方法相比,该算法抗噪性能更优,得到的边缘图像具有良好的边缘细节特性,算法比较简单,具有一定的实用性和可行性.     

应用小波模历史图像的运动车辆视频检测

为提高车辆目标检测的稳定性和准确性,提出了基于背景减除和小波分解模历史图像的运动车辆检测算法.首先对原始图像进行小波分解,对低频分量用混合高斯模型和纹理特征相结合的方法,自适应更新背景并标记运动目标初始区域;然后,基于高频分量计算模值,并通过逐帧历史累积得到模历史图像;最后,利用车辆目标与阴影相比富含边缘细节的特点,对目标进行倾斜校正后,将目标边缘分别沿图像x和y方向投影,利用投影曲线将边缘信息与目标初始区域信息迭代融合,得到最终检测结果.实验结果表明,用本文方法检测车辆的捕获率达到99.0%,有效率为92.5%;与使用单一自适应背景提取方法相比,在实际交通场景中可有效处理阴影导致的多目标粘连问题,检测结果更准确.     

基于小波变换的气缸内表面磨损检测的研究

经典边缘提取算法是以原始图像为基础，对噪声信号和边缘信号不加区分地使用边缘提取小波利用其在各个分辨率下具有时域和频域特性检测出图像边缘，并消除了噪身对图像的污染在实际应用中，很好地完成了对柴油机气缸内表面损坏的检测．     

基于小波包分散的多尺度图象边缘检测算法及实现

提出一种基于小波分解的多尺度图象边缘检测算法，对经小波包分解所得到的高频部分加以考虑，避免了普通的利用小波分散进行边缘检测时忽略图象频部分的缺陷。在此基础上，通过对实际图象运用此算法，对其检测效果同其他方法分析与比较，结果证明此方法在复杂图象边缘检测中具有较好的效果。     

视频交通图像自适应阈值边缘检测

应用小波变换对视频交通图像进行边缘检测，研究了边缘评价指标、尺度对性能指标的影响及自适应阈值边缘检测，并与经典的边缘检测Sobel算子进行了对比。提出用大尺度滤波器去抑制原图像的噪声，可靠地识别噪声；而用小尺度滤波器为图像边缘精确定位，并构造出紧支二次B样条小波。结果表明，二次B样条小波边缘检测方法具有计算量小，抗噪能力和适应能力强，且有改进余地等优点，仿真效果也明显好于经典的Sobel算子。     

非乘积型小波多尺度边缘检测

讨论了L2（R^2）空间中一类紧支撑正交对称非乘积型小波在灰度图像边缘检测中的应用，检测过程利用了图像所有高频信息，对非乘积型小波滤波器组，先由它们拟合沿水平，竖直方向的滤波器组，若记W1，W2，W3为图像I滤波之后的三个高频图像，W=√-W^21 W22 W23，对W进行非最大值抑制，滞后阈值化，得到图像I边缘图，这样得到不同尺度的边缘后，进行简单边缘匹配，得到原图像边缘，最后给出了IC图像非乘积型小波多尺度边缘检测的结果。     

基于分数阶微分的医学图像边缘检测方法

医学图像边缘检测是医学图像处理和分析的关键步骤,它的清晰程度直接影响到医生诊断的速度以及准确性.传统边缘检测算子对噪声敏感,检测到的图像边缘效果不够理想,得到的图片边缘有可能模糊不清,为了克服传统边缘检测算子对噪声敏感的缺点,给出了一种改进的基于分数阶微分算法的医学图像边缘检测方法,实验结果表明:该方法不仅有效的提取了图像边缘特征,而且对噪声具有较好的抑制作用.是一种有效的医学图像边缘检测方法.     

融合边缘检测与区域生长的交通图像分割方法

在交通监控中,如何从复杂的背景中分割运动物体是至关重要的一步,针对车辆的运动阴影对图像分割产生的不利影响,提出了一种新的融合边缘检测与区域生长的彩色图像分割算法,算法同时考虑了图像的彩色信息和空间信息.该算法首先对彩色图像边缘检测,并根据检测结果设置种子像素;再基于颜色相似性生长准则,结合边缘检测结果,对每个种子点进行区域生长;最后,利用区域合并算法对剩余的像素进行合并.实验结果表明该算法很大程度上克服了阴影给图像分割带来的不利影响.     

改进的遗传算法在Canny算子阈值选取中的应用

Canny算子因其信噪比高、定位准确以及单边响应的优势,常常用于图像的边缘检测,而双阈值检测中阈值的选取会影响图像边缘提取的效果,为了获得边缘检测的最佳阈值,引入了一种改进的遗传算法.该方法从遗传算子和操作策略两个方面对基本遗传算法作出改进,重点设计了种群进化的适应度函数,使用该方法确定图像边缘连接的最佳阈值,以获得图像的边缘检测效果图.仿真结果表明:采用改进的遗传算法确定的阈值所得到的图像,边缘细节丰富,定位准确.     

受电弓滑板状态监测的图像目标提取

将数字图像处理技术应用于受电弓滑板状态监测,给出了受电弓无线图像监测系统的工作原理和组成结构,设计了图像目标的提取算法,将受电弓滑板图像的提取划分为粗提取和精提取2个步骤.该图像目标提取算法结合边缘提取、形态学图像处理、投影变换、聚类分析和Hough变换等方法,完成复杂目标图像的提取,并实现较高精度的定位.实验结果表明,所提出的算法对复杂背景、不均匀光照和噪声等影响因素不敏感,正确识别率能达到85%.     

IMAGE ANALYSIS BASED ON EDGE DETECTION TECHNIQUES

IntroductionEdges are pixels where brightness changesabruptly and often used in image analysis for find-ing region boundaries.It locates sharp changes inthe intensity function.Edges detection is basic im-age features.They carry useful information aboutobject boundaries.Edges can be used for object i-dentification,image analysis and image filteringapplications as well.We shall consider as an edgethe border between two homogeneous image re-gions having different illumination.This definitionimp…     

ʵʱ�����Ŷӳ���ͼ����ϵͳ��FPGAӲ��ʵ��

针对现有交通路口车辆排队长度检测系统处理速度低、无法适用于实际复杂路口环境的缺陷,设计了一种基于FPGA的实时车辆排队长度图像检测系统.通过形态学边缘处理检测车辆的存在,对检测出的车队轮廓进行水平投影并采用一种基于信息量的车辆度量方法从投影结果中提取了排队的队尾,同时在确定排队长度时通过对算法参数的自适应调整有效消除图像逆透视效果的干扰;整个图像处理过程完全利用FPGA硬件逻辑实现,采用五级并行流水设计保证图像采集、高斯滤波、Sobel边缘检测、阈值分割和形态学腐蚀处理同步执行且同时完成,实现了对分辨率为720×576的图像25帧/s的处理速度.实验结果表明,系统性能良好,工作稳定,算法简单实用,具有较好的应用前景.     

基于Canny算子边缘检测的车牌图像增强方法

提出一种基于Canny算子的车牌边缘检测技术,该技术优点是适用于不同场合并且它的参数允许调整以便于识别不同的边缘特性,尤其适合车牌数字这样具有封闭特性的图像;其缺点是在实时图像处理时速度比较慢。     

Unsupervised color-texture image segmentation

The measure J in J value segmentation （JSEG） fails to represent the discontinuity of color, which degrades the robustness and discrimination of JSEG. An improved approach for JSEG algorithm was proposed for unsupervised color-texture image segmentation. The texture and photometric invariant edge information were combined, which results in a discriminative measure for color-texture homogeneity. Based on the image whose pixel values are values of the new measure, region growing-merging algorithm used in JSEG was then employed to segment the image. Finally, experiments on a variety of real color images demonstrate performance improvement due to the proposed method.