基于萤火虫最优偏差算法的农田红外目标检测研究

为了提高农田红外目标检测的性能,采用萤火虫最优偏差算法对其进行研究。首先,建立红外目标检测模型,构造红外图像目标灰度值最优偏差估计;然后,萤火虫算法在决策域范围内更新;接着,萤火虫在寻优分析中以红外点目标成像的艾里斑能量分布作为萤火虫适应度函数,且给出算法实现流程;最后,实验仿真显示,本文算法能够检测出红外目标区域,边缘定位准确,同时检测效率较高。     

支持向量机理论在植物根系图像边缘检测中的应用

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于带高斯径向基核函数的最小二乘支持向量机方法,得到了一簇梯度算子和零交叉算子,用来定位图像边缘,从而得到一种有效的图像边缘检测算法。用所得到的边缘检测算法与Sobel算法和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。     

基于比较的大米样本图像分割

[目的]提高大米加工精度时图像识别的效果。[方法]采用SUSAN算子,讨论其参数的选取原理,并与传统边缘检测算法作对比。[结果]SUSAN边缘检测算法对含噪大米样本图像的边缘检测效果优于传统的边缘检测算法。[结论]SUSAN边缘检测算法非常适于含噪或低对比度大米样本图像的边缘检测     

一种基于支持向量机的植物根系图像边缘检测算法(英文)

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于支持向量机方法给出一种新型、简单有效的边缘检测算法。基于带高斯径向基核函数的最小二乘支持向量机,得到了一簇梯度算子和相应的二阶导数算子。用所得到的边缘检测算法与Canny和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。     

结合边缘检测的农业图像非局部均值滤波算法

提出了1种结合边缘检测的农业图像自适应滤波算法。该算法首先对红外噪声图像采用LOG算子提取边缘图像;然后对于非边缘噪声图像采用非局部均值滤波算法进行处理;最后对边缘图像和滤波后的非边缘图像进行融合,得到最终的滤波后图像。分别采用农业图像对本算法的性能进行测试,与经典非局部均值滤波算法、已有的改进型非局部均值滤波算法、自适应维纳滤波算法进行去噪效果对比,并采用峰值信噪比（peak signal noise to ratio,PSNR）作为滤波算法性能的客观性评价指标,结果表明,本算法相对于其余算法而言,滤波效果较优,适合于农业图像处理。     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

基于二值化的数学形态学生物图像边缘检测算法

针对边缘检测算子对噪声敏感且检测边界相对模糊的缺点,提出了基于动态二值化的数学形态学边缘检测算法.该算法首先利用动态二值化方法确定将灰度图像转化为二值图像的阈值,然后利用数学形态学的腐蚀和去空洞相结合的方法去除二值化图像的噪声,最后用细化方法检测单像素图像边缘.仿真结果表明,该算法能降低噪声及图像模糊对边缘检测的影响,实现边缘的准确定位,并保留足够的图像细节,具有更强的去除噪声能力,为显微生物单体图像处理提供了一种有效的边缘细化检测方法.     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

一种基于小波变换的边缘检测算法

目的利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征。方法学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法。结果在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算子、Sobel算子、Canny算子、LOG算子进行对比,通过添加椒盐噪声与高斯白噪声,验证算法在边缘定位和抗噪方面取得了较好性能;然后将算法应用于其他图像,边缘检测效果依然稳定。结论基于小波变换的边缘检测算法具有较好的抗噪性与适应性。     

基于小波变换的图像边缘检测技术的改进

边缘检测是图像处理的主要内容之一.由于存在噪声,经典算法的图像边缘检测效果不好,针对其缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.因此,采用自适应阈值的改进型小波边缘检测算法,在消噪的同时,可以很好地保留微弱的边缘.通过实验结果的比较,证明了这种方法的有效性.     

综合小波和模糊方法的图像边缘检测

为了更好地对图像边缘进行检测,提出一种基于小波局部极大模和模糊方法相结合的图像边缘检测算法．它将图像分为高频和低频部分分别进行处理．高频部分利用小波局部极大模的方法进行边缘检测,低频部分则利用模糊方法进行处理,并对两种边缘图像进行了融合．试验结果证实了该算法的可行性．     

一种基于计算机图像处理经典算法的染色体边缘检测方法

在生物学和医学领域的染色体分析中，边缘检测技术尤为重要。最大程度地获取边缘细节和降低噪声干扰是染色体边缘检测的关键。本文提出了一种改进的边缘检测方法。这种方法的理论基础是阈值迭代法和数学形态学，能增强染色体边缘和图像对比度，同时获取更清晰真实的边缘信息。通过计算机仿真实验发现，相比常规算法，这种改进算法能够得到更加准确可靠的染色体边缘图像。     

数学形态学在种子图像边缘检测中的应用

通过分析播种机性能检测的方法和种子目标的图像特点,提出一种基于数学形态学的种子图像边缘检测方法.利用开闭运算的级联对种子图像在生成过程中因传送带上的杂质等的干扰进行滤波后,采用3×3八方位方形结构元边缘检测算法获取种子的边缘.试验表明,与经典的边缘检测算子相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.     

基于多策略融合技术的水稻叶片边缘检测算法研究

农作物边缘检测问题是基于图像处理技术的农作物检测技术的重要内容之一.在分析已有边缘检测方法的基础上,将图像区域最小外接矩形算法、中值滤波、Canny算子和闭运算有机结合,提出一种基于多策略融合技术的水稻叶片边缘检测算法,将该方法应用于单叶片、背景为白板的叶片、背景为土壤的叶片、重叠叶片等不同特征的图像,有效地获取连续、光滑的水稻叶片边缘,表明该算法具有高效、准确和鲁棒的特性     

改进的种子点生长模糊边缘检测算法

针对传统模糊边缘检测算法计算量大、效率低的弱点,利用图像边界点连续的特性,结合模糊边缘检测算法的思想,提出了一种基于模糊理论的改进种子点生长边缘检测算法。利用相应算法建立两张快速查找表,对图像中的像素点通过查表,选取种子点,根据边缘点的判断准则对其进行生长,最终实现边缘检测。实验证明,算法具有较高的效率和较强的抗噪能力。     

基于形态学的种子图像边缘检测方法

采集种子在传送带上的动态图像,运用数学形态学算子对图像边缘进行检测。结果显示,与传统的边缘检测算法相比,该方法可准确提取种子图像边缘,且具有很强的抗噪能力。     

粒子群优化算法在图像边缘检测中的应用

通过分析研究传统的边缘检测方法,提出了应用粒子群优化算法对边缘检测模板系数进行优化,试验结果表明,该方法利用个体在解空间中的随机速度来调整位置,具有很强的随机性,检测结果比传统方法效果好,鲁棒性好,比其他优化算法方便,没有遗传算法交叉变异等复杂过程.     

基于灰色关联度和纹理分析的图像边缘检测算法

针对LOG算子中噪声平滑能力与边缘定位能力之间的矛盾,把灰色关联理论同LOG边缘检测算子及图像的纹理分析结合起来,利用图像中某一点及其邻域像素的分布和模板的分布规律的相似程度,提出了基于灰色关联度和纹理分析的图像边缘检测算法,给出了算法的具体实现过程。结果表明,设计的边缘检测算法在相同的空间系数下,能够检测到更加丰富的图像边缘,并且边缘的连续性较好。     

一种基于Daubechies小波变换的图像边缘检测算法

基于Daubechies小波变换提出了一种图像边缘检测算法,并将其应用到岩芯图像的边缘处理中,以很好地获取了岩芯的裂缝、颗粒等信息。实际应用结果表明,基于Daubechies小波变换的图像边缘检测算法非常适合于岩芯的边缘检测。     

基于健壮的边界跟踪算法的二维灰度图像边界提取

在分析二维灰度图像边界的常规提取方法的基础上,提出了一种新的健壮的边界提取方法.该方法首先采用Canny边缘算法检测二维图像边缘,然后使用了一种健壮的边界跟踪算法抽取物体边界,这种边界跟踪算法在跟踪边缘图像的物体边界过程中能自动修补断裂边缘和排除虚假边界点.实验证明,新方法成功率高,能较有效排除干扰,准确识别出物体边界.