首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 593 毫秒
1.
为提高算法的普适能力,本文提出了一种新的模糊彩色图像边缘检测算法。算法引入了特征散度度量像素差异性,凭借多尺度理论去噪和准确定位的优势,有效地检测彩色图像的边缘。与传统的边缘提取算法和模糊竞争算法相比,模糊彩色图像边缘检测算法较好地降低了彩色图像大样本数据的运算量,得到更满意的效果,与人的主观视觉感知具有良好的一致性。  相似文献   

2.
边缘检测是图像分析和计算机视觉中最重要的内容之一.80年代中期,从图像所具有的不确定性是由模糊性引起的观点出发,首次将模糊集理论引入图像的边缘检测中,提出了图像边缘检测模糊算法(简称附算法).与传统的空间域微分算法相比,该算法具有较好的抑噪、边缘检测效果,但是此算法仍然存在不少缺陷.就三种改进的模糊算法从算法原理和检测效果上与传统的Pal算法进行比较分析,用以说明改进算法能取得更好的检测效果.  相似文献   

3.
通过对Pal和King模糊边缘检测算法的分析,提出了一种改进的快速模糊边缘检测算法.定义了新的隶属度函数,弥补了Pal和King算法固定取阀值的不足.不仅对图像进行模糊增强和边缘平滑处理,还实现"Min"算子和"Max"算子综合使用提取边缘.实验结果表明,改进算法能够有效提取图像的边缘,特别是在提取对比度不高的图像时具...  相似文献   

4.
基于复杂腔体类铸造零件机器视觉系统中的边缘检测问题,提出了一种改进的灰度矩亚像素边缘检测方法。提出了以模糊模型代替阶跃模型,将误差函数运用到矩方法的边缘检测算法。通过实验对检测精度和运行速度进行了对比,结果表明,改进的灰度矩边缘检测算法比传统算子具有更高检测定位精度和更快的速度,可满足图像目标高精度实时在线测量要求。  相似文献   

5.
一种新的模糊边缘检测算法   总被引:5,自引:0,他引:5  
基于信息论中最大熵原理 ,提出了一种新的模糊边缘检测算法 .首先介绍了模糊概率、用条件概率与条件熵定义模糊划分熵的概念以及模糊划分的原理 .算法利用了自然划分以及梯度图像模糊划分的关系 ,在条件概率与模糊划分熵的基础上 ,通过最大模糊熵原则实现图像分割中最优阈值的自动提取 ,从而实现图像的边缘检测 .对不同测试图像的边缘检测结果进行比较 ,表明了该算法的有效性 .  相似文献   

6.
提出了一种改进的Sobel边缘检测和细化算法,用8个方向的模板对灰度图像进行边缘检测得到粗边缘图像,将粗边缘图像再进行Sobel边缘检测得到新的边缘图像,将前者减去后者得到差值图,从而得到边缘较细的边缘图,对于边缘模糊的部分,这种过程可以重复多次,这样能够捕捉多个方向的边缘信息,使检测到的边缘和边缘细化定位更精确。该算法容易实现,计算量小,速度快,适合作为图像检测中的快速边缘检测及细化。  相似文献   

7.
提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。  相似文献   

8.
研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。  相似文献   

9.
段军  张博 《教育技术导刊》2018,17(10):68-71
针对传统Canny算子边缘检测算法出现伪边缘或边缘丢失的缺陷,提出了一种采用统计滤波去噪和基于灰度的迭代法计算阈值的边缘检测算法。首先统计滤波并使用均值和方差去噪,避免出现如同高斯函数受噪声干扰的问题,保证图像边缘完整性;其次,使用灰度进行迭代计算确定阈值,改进了传统算法中人工确定的不足,使阈值更加准确,减少伪边缘和信息丢失的情况。通过大量实验对比和结果分析表明,改进后的算法与传统算法相比,可以提高边缘检测运行效率,使结果更加清晰、准确。  相似文献   

10.
针对边缘检测中图像直方图成单峰状态的情况,提出一种改进的canny边缘检测算法.传统canny算子的高低阈值一般人为地设定固定值,当一幅图像的灰度级集中在某一区域时,容易造成虚假边缘;算法提出用最小交叉熵计算图像的高低阈值,得到理想的阈值;解决了传统canny算法在单峰直方图边缘检测不够理想的问题.实验结果表明,算法抑制噪声能力较强,有效地提高了边缘检测的鲁棒性.  相似文献   

11.
《邢台学院学报》2014,(2):180-183
在计算机视觉中边缘检测是一个热门的研究领域。边缘检测能缩减大量数据并滤掉无用的信息,同时保护图像中重要的结构特征。Canny边缘检测算法是一个经典的算法,对此提出基于改进的各向异性扩散方程的检测算法,以克服传统算法对噪声的敏感性。传统Canny算法的双阈值需要人工赋值,针对不同的图像具有使用缺陷,因此,提出基于Otsu方法的自适应方法。实验表明,改进的算法有效地提高图像边缘检测的准确性,定位精确度高。  相似文献   

12.
梁娟 《教育技术导刊》2014,13(12):79-81
针对传统Sobel边缘检测算法因方向模板限制而出现边缘定位精度不高,以及对叠加噪声的图像边缘检测效果不佳的问题,提出了一种基于传统Sobel算子的改进算法。首先将水平和垂直两个方向模板增加至8个,提高边缘的定位精度;然后利用边缘的最大后验概率估计,对采用八方向Sobel算法检测出的梯度图像进行最佳阈值分割处理,增强算法的抗噪声能力。实验结果表明,改进算法提取的边缘信息完整准确,对噪声干扰有较强的抑制能力。  相似文献   

13.
针对传统检测方法模糊图象边缘及定位精度不高的问题提出一种基于形态学多结构元素的医学图像边缘检测方法.该方法利用多个结构元素和复合算子检测图像边缘,仿真实验结果表明,该方法能够提取清晰的图像边缘,定位精度高,优于传统边缘检测方法.  相似文献   

14.
对Canny边缘检测算法进行了对比研究,分析了传统Canny算法存在的缺陷,提出了一种改进的自适应阈值Canny边缘检测算法。首先利用具有边缘保留功能的双边滤波器滤除噪声,然后运用基于梯度幅值的类间方差最大化算法(OSTU)来确定Canny算子的高低阈值,最后进行边缘检测与连接。实验结果表明,该改进算法很好地解决了传统Canny算法存在的缺陷,而且对光照的变化和场景变化具有很强的自适应能力,进一步扩展了Canny算法的应用范围。  相似文献   

15.
针对传统的边缘检测算法精度不高,提出了基于不同核函数的最小二乘拟合的亚像素边缘检测算法。采用Canny算子对图像边缘进行粗定位,再以基于梯度幅值拟合的高斯函数与基于灰度值拟合的反正切函数和双曲正切函数作为拟合核函数,对一幅拍有标准量块图像的边缘进行检测,结果表明该算法能够有效的进行亚像素边缘检测。  相似文献   

16.
通过对图像边缘检测算法原理分析的基础上,提出一种新的噪声图像边缘检测算法.算法结合分区均值滤波算法和改进的Canny算法的特点,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.实验结果表明,本文算法检测的边缘特征优于传统的边缘检测算法,具有一定的应用价值.  相似文献   

17.
边缘的提取在人脸识别技术中具有重要的意义。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘;而神经网络算法由于没有样本的压缩功能,导致训练量过大。文章在传统算法的基础上结合神经网络算法对人脸图像的边缘进行检测。实验结果表明,该方法快速稳定,得到的边缘图像边界封闭性好,抗噪能力强。  相似文献   

18.
基于平稳小波变换的高鲁棒性的边缘提取   总被引:4,自引:0,他引:4  
借鉴平稳小波变换的多尺度分析思想,结合模糊聚类均值法,提出了一种高鲁棒性的图像边缘提取算法.该算法利用平稳小波变换的位移不变性,将小波分解后的分量进行配准构成一像素的特征向量,然后利用模糊c-均值进行无监督分类,分割图像,最后用Canny算子提取图像边缘.用一系列附加不同强度的高斯白噪声图像测试了该算法的有效性.实验证明在图像受到较强噪声(如附加高斯白噪声)污染时,该算法仍可检测到较好的边缘效果,展现出良好的鲁棒性.  相似文献   

19.
针对现有边缘检测算子存在的边缘不连续、方向性差和检测效果不佳等缺点,提出了基于多方向的Sobel检测算法。该算法分别采用四方向和八方向模板进行卷积、叠加、融合,得到梯度图像,再细化得到边缘图像。将传统的经典算子检测图像与多方向的边缘图像进行比较,结果表明:多方向的Sobel算子获取的图像边缘较完整、连续、定位精度高,且方向性强,检测效果优于传统算子,而且方向模板数量越多,检测效果越好。  相似文献   

20.
通过分析图像测量系统的组成,说明了图像分割算法在零件图像测量中的重要地位,综合阐述了目前常用的图像分割算法的特点。针对零件图像测量的实际应用情况,提出了一种新的图像分割算法,实现了对目标边缘的准确检测。在此基础上设计了边缘检测的亚像素细分算法,对目标边缘进行亚像素精确定位,并用实例说明了本算法的可行性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号