基于高效边缘检测的彩色图像灰度化算法

为了使彩色图像灰度化后能更好地保留原始对比度和细节特征，课题组提出一种基于高效边缘检测的彩色图像灰度化算法。课题组通过对线性参数模型产生的一系列备选图像采用像素差值网络（pixel difference networks, PiDiNet）实现鲁棒性、准确性的边缘检测，边界点数最多的备选图像所对应的权重则被选为映射函数的最优解，由于引用了像素差值卷积PDC，对边缘信息敏感度增强。实验结果表明：此算法相比于其他算法能较好地保留原彩色图像的细节特征，使得输出图像轮廓清晰且自然，主客观评价均较优。     

基于空间域噪声检测的彩色图像缩放增强方法

针对现有的彩色图像直方图均衡算法在增强图像的同时不可避免地会放大图像中的噪声,导致不能很好地保持原始彩色图像的色调特征问题,提出了一种基于空间域噪声点检测的增强算法.算法首先通过噪声检测标记出所有可能的噪声像素点,利用RGB灰度值缩放的方式增强所有非噪声点,然后采取八近邻来插值替换标记的所有噪声点得到最终输出结果.实验结果表明,算法能够较好地增强图像视觉效果,实现输出图像的峰值信噪比的提高,可用于一般电子类消费产品的需求.     

左中右差分绝对值最大法的边缘检测方法研究

为检测高温环境中微弱信号边缘,提出一种基于区域的左中右差分绝对值最大的边缘检测算法。该算法是图像灰度的统计信息的差分,在一个指定的包含有边缘信息的区域内,综合考虑单个的像素或其周围的像素点灰度值在一个方向上的累加,然后对左、中、右相邻3个像素或累加值两两差分,取3个差分值中绝对值最大的为"左中右差分绝对值最大法"结果。实验表明该方法是可行的,能检测常见经典边缘检测算法不能检测到的微弱信号,对边缘的检测能定位到像素级。     

基于B样条小波的医学图像边缘提取

利用基于三次B样条小波的边缘提取方法,对医学图像进行了边缘检测并与传统的图像边缘提取方法进行了比较。结果表明:基于三次B样条小波变换的边缘提取,具有定位准确,保留细节较好的优点。     

低光照彩色图像增强算法研究

为了提高低照度条件下彩色图像增强效果,在经典Retinex理论基础上作出改进,有效改善传统Retinex算法存在光晕现象等缺陷。首先利用双边滤波器取代高斯滤波器获得反射分量;经滤波后的图像采用引导滤波处理,突出图像边缘信息,同时针对光照分量进行自适应伽马校正;为了进一步增强低光照图像中边缘细节特征,对图像的亮度分量采用混合空间增强法,最后重构图像。实验结果表明:所提方法能提高低照度彩色图像的色彩饱和度,同时增强图像边缘细节特征。     

基于人工免疫aiNet模型的车牌定位技术

针对传统遗传算法用于车牌定位易于陷入局部最优解的问题,将人工免疫aiNet模型引入到了车牌定位的过程中.首先采用最大类间方差法(OTSU)将采集到的车牌彩色图像转换为灰度图像,然后采用一维滤波器组对灰度图像进行滤波,最后应用人工免疫aiNet模型进行了车牌定位.实验结果表明,该方法适应性强,定位效果好.     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

基于平行边缘点对的道路检测方法

为有效解决高分辨率遥感图像中的道路检测问题,提出了一种基于平行边缘点对的处理方法。首先归纳了高分辨率遥感图像道路的基本特征,提出一种平行点对模型;然后提取图像边缘信息,综合利用道路边缘梯度方向、道路边界灰度,构造对称方向宽度谱;最后通过非极大值抑制处理,得到对应于主干道路的局部峰值,并获取相应的倾角和水平宽度值,实现主干道路的自动提取。实验结果表明:该方法具有较高的检测精度,可以有效提取主干道路边缘,对直线和曲线道路都有较好的效果。     

基于数学形态学的边缘提取方法

论述了图像数学形态学基本方法及扁平结构元素在图像灰度均衡和噪声去除方面的原理,阐述基于图像细节的结构元素选取规则及对图像处理结果的影响,介绍了在医学图像处理中综合应用改进Sobel算子和图像数学形态学方法进行目标边缘的提取过程,提出一种根据图像区域灰度方差自动选取Sobel强度值的算法,并给出一种实用的实现方法和实例。     

彩色图像分割:优势和展望

1 .引言图像分割是图像分析和模式识别的第一步 ,它是图像分析和模式识别重要和基本的一个组成部分 ,是图像处理中难度最大的部分之一 ,决定了最终分析结果的质量。通常所说的图像分割是将一幅图像分成不同的区域 ,同一区域有同类性 ,而任意两相领区域不具有此同类性 [8]。灰度图像分割的技巧已比较成熟 ,彩色图像分割正逐步引起人们关注 ,主要有下述原因 :(1)彩色图像比灰度图像能提供更多的信息 ;(2 )随着个人计算机处理能力的大大增强 ,快速处理彩色图像硬件条件已经成熟。通过运用RGB各分量或其变换 (线性、非线性 ) ,能将灰度图像分…     

图像识别问题的数学建模研究

针对彩色图像识别问题中的边缘检测问题进行了数学建模研究。主要从人类的视觉特性出发,分析了人类视觉系统的亮度感知门限函数,利用色度学方面的研究成果,通过数学建模方法给出人类视觉系统对彩色图像边缘所能识别的最小彩色差函数,提出了一种新的彩色图像识别边缘检测方法。实验证明了本方法的有效性和数学理论的严谨性。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于多层次模糊增强的自适应Canny边缘检测算法

边缘检测技术是图像预处理中最重要的技术之一.在对C anny的最佳边缘检测算子进行理论及实验研究的基础上,利用广义模糊集(GFS)理论,给出了基于多层次模糊增强图像区域对比度的广义模糊算子来取代传统的高斯算子,从而增强了图像的层次结构,并实现了图像边缘的自动提取.试验表明,改进算法具有较高的信噪比,能达到比较理想的边缘检测效果.     

彩色图像多签名水印算法的研究

利用小波变换多分辨率特性和人眼视觉特征,提出了一种新的彩色图像多水印算法。算法先将不同强度的签名水印扩频到彩色图像不同色块的小波域,然后进行逆小波变换生成水印图像。多个有意义的签名水印能提供更可靠的版权识别,而且多水印相互配合使水印图像同时具有很好的透明性和鲁棒性。大量实验结果表明:该算法对常见的图像处理方法和压缩具有很强的鲁棒性,并且当彩色水印图像转化为灰度图像后仍能从中提取出水印。     

基于线过程的POCS超分辨图像重构算法

传统的凸集投影(POCS)超分辨重构算法易使图像产生边缘振荡效应问题,在研究了边缘振荡效应的成因后,提出一种基于线过程模型的POCS算法来对低分辨图像序列进行超分辨图像重构.该算法采用线过程模型检测出超分辨初始估计图像的4个方向的边缘,在传统POCS的投影过程中增加了对图像的平滑处理,实现了低分辨图像序列超分辨重建的对比实验,实验结果表明图像边缘振荡效应能得到明显改善.     

一种新的彩色图像边缘检测算法

自动阀值选取是彩色图像边缘检测的难点和关键问题,首先从人类的视觉特性出发,分析了人类视觉系统的亮度感知门限函数,利用数学建模方法和色度学方面的研究成果,给出人类视觉系统对彩色图像边缘所能识别的最小彩色差函数。利用小波边缘检测原理,给出一种能根据不同彩色背景自动选取阀值的小波边缘检测算法. 仿真实验证明算法有较好的自适应性和良好的边缘识别性能。     

泰勒展开图像插值的一个改进算法

待插像素邻域内像素点处泰勒展开式的算术平均会模糊插值图像边缘.文章提出一个改进算法，采用展开式与其灰度值之差绝对值最小的泰勒展开式近似待插像素的灰度值.这种方法充分考虑待插像素与其邻域的图像信息，获得清晰的插值图像边缘.数值实验证明：这种算法简单有效且易于实现.     

基于类间最大交叉熵的坎尼边界扫描

分析了传统坎尼边界扫描算法中阈值和高斯滤波器对边缘闭合的影响,首先采用当前像素点8个方向的自适应滤波器代替原有的高斯滤波器对图像进行滤波,得到的梯度图像不会出现过度光滑现象;然后将最大类间交叉熵准则和有关人工智能理论相结合来确定高、低阈值。自适应滤波器是根据当前像素点邻域内的最小方差确定使用的模板,将方差最小的模板的均值设置为当前像素点的灰度值得到滤波后的图像。实验证明,该方法能得到较低的高阈值和较高的低阈值,既避免了引入伪边缘又尽可能多的检测出边缘像素点;同时具有很强的抗噪性。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于图像边缘与Hough变换的振动位移测量方法

为了解决振动位移测量场合受限于传感器的安装空间，以及其本身质量对测量精度的影响，课题组提出了一种基于视频图像的振动测量方法，建立了图像边缘检测结果与目标物体位移之间的联系。由于使用经典Canny算法进行图像测量时，其图像边缘会出现不连续或虚假的情况，因此采用图像灰度与Hough变换相结合的方法，提高其测量精度。为验证该方法的有效性，搭建了箱体模型（目标物体）进行振动实验；并将经典Canny算法得出的结果及文中提出的视频图像测量的结果与传感器测得结果进行比较。实验结果表明，提出的方法相比使用经典Canny算法进行图像测量时精度提高了大约12%，且具有测量简单和测量范围灵活等优点。该方法为测量环境受限的场地提供了一种新的思路。