基于四元数旋转的开关型矢量中值滤波器

矢量中值滤波器是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的冲击噪声。然而VMF没有区分细线条和噪声的能力,它往往把细线条当成噪声而过滤掉。本文利用四元数旋转理论,模仿Laplacian算子,提出一种用于检测彩色图像中的冲击噪声的算法,并结合传统的VMF构造出一个新颖的开关型矢量中值滤波器。实验结果表明,新的滤波器不仅能有效地保护细线条和边界等细节信息,而且其滤波性能也明显胜过传统的VMF和一些经典的及最近开发的矢量滤波器。     

基于阈值分割的数学形态学道路标识线检测

针对边缘检测算子对噪声敏感的缺点,提出了一种新的基于阈值分割的形态学道路标识线的检测方法.仿真结果表明,这种方法保留了更多的图像细节,具有更强的去除噪声能力,可以有效地从道路图像中检测道路标识线.     

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。     

彩色图像滤波的新方法

提出了用于彩色图像噪声滤除的新矢量滤波器。这些滤波器对于脉冲噪声的滤波效果较好,其中准均值滤波器（１）的性能近似于矢量中值滤波器,其余滤波器在低脉冲噪声情况下的性能则优于矢量中值滤波器。与矢量中值滤波器相比,新滤波器具有算法简单、计算量小且易于硬件实现的特点。     

基于形态灰度边缘检测算法的一种改进

使用形态学的思想进行图像的边缘检测,提出了在一次形态处理中使用双结构元的一系列一般性形态边缘检测算子和抗噪型形态边缘检测算子的算法,并给出算子的性质。新算子在使用同一对结构元处理中既具有定位能力又具有细节保留功能,抗噪型算子能很好地检测出图像的单像素宽的边缘。     

各向异性光流法的目标边缘检测

光流法是在图像序列中对二维物体的运动矢量估计,用经典的HS算法计算时,目标与背景对比度小或有噪声将导致较大的虚警概率。而运用各向异性高斯核,运用非极大抑制条件,可以较好的抑制噪声,同时也保留了目标边缘,进而提高了梯度偏导的准确度。较好地解决了微分光流法的不足,从而提高了计算精度。最终对序列图像中动目标的边缘检测进行了方法改进,Gabor函数的替换以及实验表明算法的有效性。     

彩色图像脉冲噪声的自适应矢量滤波

提出了基于噪声像素检测的自适应矢量滤波器的新方法,该法对图像中噪声像素进行检测时,仅对噪声像素进行矢量滤波,而对非噪声像素则保持其原值不变,并可根据图像噪声情况自适应地选择滤波窗口。新滤波器能有效地滤除彩色随机脉冲噪声,并保持图像边缘与细节,其性能优于经典的矢量中值滤波器、方向一距离滤波器、方向一幅度矢量滤波器等非线性滤波器。     

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。     

TV数值计算的图像去噪

继承传统TV去噪算法的图像边缘保护性,弥补平滑区域抑噪不充分的不足,结合图像的空间梯度和像素梯度,提出了新的基于TV数值计算的去噪算法。该算法分析了图像的空间梯度;为了抑制噪声对图像平滑区域梯度的影响,对该区域的空间梯度进行抑制,克服了传统TV算法对平坦区抑噪不充分,甚至出现的虚假边缘和阶梯效应;结合像素梯度分析了图像TV去噪的迭代函数。实验结果表明,该算法实现了保边去噪且残余噪声较小,提高了图像的峰值信噪比(PSNR)和视觉效果。     

一种基于分区均值的噪声图像优化检测算法

在对图像边缘检测算法原理分析的基础上,结合分区均值滤波算法和改进的Canny算法的特点,提出一种新的噪声图像边缘检测算法.首先将5×5窗口内的噪声点进行剔除,计算图像平均梯度值,进而运用改进的Canny算法,提取目标图像的边缘特征.验证表明,该算法对不同强度的高斯噪声图像具有很好的抑制作用,且对噪声图像检测效果优于经典图像边缘检测算法.     

运动目标提取的数学形态学研究

在系统研究数学形态学理论的基础上,深入研究了运动目标提取技术,仔细钻研了利用形态学膨胀和腐蚀运算来提取人脸的边缘特征,讨论了不同结构算子在边缘提取中所起的作用。     

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。     

一种基于色差的彩色图像的边缘检测方法

传统的边缘检测方法大都是基于灰度图像的 ,这就不能充分利用彩色图像的全部信息。文章提出了一种基于色差的彩色图像的边缘检测方法 ,它能快速准确地检测到图像的边缘 ,具有低的错判率和较高的效率 ,优于传统基于灰度的边缘检测方法     

CCD图像的轮廓特征点提取算法

采用最大方差法将图像二值化,用图像形态学的梯度﹑细化和修剪算法来提取边缘轮廓,利用十一点曲率法得到轮廓的角点和切点的大致位置。提出了一种基于最小二乘拟合的改进算法,来进一步确定角点和切点,并对轮廓分段识别。该算法应用在基于图像处理的刀具测量系统中,实际结果表明具有良好的抗噪声性能,能准确提取出图像的特征点。     

基于形态学的微目标的图像分割

提出了一种适于高分辨率可见微目标图像的分割算法,首先通过形态学运算强化微目标区域,利用阈值化分割并提取这些感兴趣区域;然后运用小波多尺度算子检测这些区域的边缘;最后再次采用形态学运算以获取目标区域边缘。仿真结果表明该方法能有效地将图像中的具有特定结构的微目标区域分割开来。     

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。     

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。     

一种视频帧宏块噪声判断的自适应边缘检测技术

在视频错误隐藏及恢复处理中，对受损对象的边缘提取和重构是一个十分重要的内容．各种边缘检测技术根据不同的场景具有各自的优点和缺陷．本文对两种经典的检测算子进行分析和仿真，进行性能比较，然后提出一种能根据视频帧宏块噪声自适应的边缘检测技术，通过仿真结果证明其性能要优于两种经典的边缘检测技术．     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法（OTSU）求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

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.