基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

木材缺陷图像处理软件的研制

对木材缺陷的X光图像进行计算机处理，可以突出缺陷的边缘与细节，便于人眼和计算机进行有效地识别。针对木材X光成像的噪声模型，采用高斯滤波器、梯度松驰迭代图像分割算法和协中值滤波法处理图像，可以提取缺陷图像的详细信息，并能检测出图像的边缘。     

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。     

基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割.文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测...     

改进的模糊C均值聚类算法和霍夫变换在榛子仁缺陷检测中的应用

以榛子仁为检测样本,采用模糊C均值聚类(FCM)算法进行图像分割;利用飞蛾扑火(MFO)算法改进其目标函数;利用函数对个体样本边缘提取,标记边缘拐点位置,计算拐点个数;对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合,标记并输出饱满籽粒个数;依据试验数据,分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果.结果表明:改进的模糊C均值聚类算法和霍夫变换,可以准确有效地对饱满、干瘪、霉斑、虫蛀、腐烂的5种榛子仁中的缺陷籽粒进行识别检测,提高榛子仁加工过程中的分拣效率.     

Canny算法在岩心图像边缘检测中应用

岩心图片是岩心实物的高度保真图像,可以反映地下的原始面貌。通过对岩心图像的相关处理,可以更好地认识岩心的地质构造。将Canny算法应用到岩心图像的边缘检测中,以获取岩心裂缝、孔洞等信息。结果表明,Canny算法比传统的Prewitt等算法更适合于岩心图像的处理。     

一种半自动高分辨率遥感图像屋脊线提取算法——以徐州市郊区为例

针对高分辨率遥感图像中具有人字形屋脊的一类建筑物的屋脊线提取问题,设计了一种半自动屋脊线提取方案:利用Gram-Schmit算法融合QuichBird多光谱图像与全色图像,利用决策树分类将原始图像分为屋顶向阳面、屋顶背影面和阴影3类,利用Canny边缘检测算法检测屋顶向阳面的边缘,再利用基于线基元的线段提取算法检测出屋顶向阳面边缘图中的所有直线段,最后利用屋脊线两侧的上下文信息对屋脊线进一步识别。实例应用结果表明,检测的屋脊线正确率达到94%,此方法提取屋脊线可操作性强、精度高。     

基于改进形态学人脸图像的边缘检测算法

如何确定人脸特征并对这些特征进行有效提取是至关重要的。本文提出的形态学边缘检测算子,能够有效地检测出人脸图像边缘,并保持人脸边缘的平滑性。与传统的边缘检测算子相比,该算法性能好,计算量小,实用性强。     

基于ICA阈值优化耦合信息熵的边缘提取算法

为了解决传统边缘提取算法对噪声敏感和阈值难以选取,边缘清晰度不高以及边缘不平滑等问题,提出了一种基于ICA阈值优化耦合信息熵的边缘提取算法.首先,基于灰度分布模式将图像分成若干子块,并计算每个子块的分段阈值;然后,为了从大量的分段阈值选择合适的阈值,引入了帝国主义竞争(imperialist competitive algorithm,ICA)优化算法,计算图像的最优阈值,根据获得的最优阈值将每个图像子块划分为不同的均匀区域;最后,通过计算每个均匀区域的信息熵,利用信息熵检测所有处于不同均匀区域的边界像素来提取边缘.实验结果表明:与当前常用的边缘提取算法比较,本文算法具有更高的品质因数与边缘连续性,能够抑制过于微小和琐碎的细节,突出有效的边缘信息,边缘定位精度高且平滑连贯,能够准确地提取目标轮廓.     

斜拉索PE保护层表面伤痕检测算法设计

提出了一种检测斜拉索PE保护层表面伤痕算法的设计。首先,在图像的预处理阶段,对原始图像进行灰度化和滤波处理;其次,运用边缘检测、边界跟踪及Hough变换获得了拉索轮廓的连续边界;然后,利用原始的灰度图像和基于拉索轮廓的掩模板,获得了无背景的拉索表面图像;最后,通过基于图像间空间差分的伤痕检测算法,获得斜拉桥拉索表面伤痕的图像,结果表明该算法能有效地从爬升机器人采集的图像中提取出斜拉索PE保护层表面伤痕的图像。     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.     

一种基于边缘形状的边缘连接方法

在图像处理领域,边缘检测是一个重要的步骤,在数字图像分割、立体匹配、目标识别等领域里有着重要的作用。在检测出来的边缘中,有很多间断的部分,这使图像分割变得更加困难,为使分割更加理想,需要将间断部分连接起来。本文提出一种应用差分原理,基于边缘形状的边缘连接方法。通过对新方法进行理论分析和对比实验,此方法能有效连接间断边缘。     

图像处理中小边缘消除方法研究

图像预处理的主要目的在于消除噪声因素的影响,突出有用信息,为后续处理提供支持。根据香农定理,图像边缘中含有大量的信息,因此提取边缘就是一项重要的预处理技术,然而在一系列边缘提取方法中都不免会保留下一些由于噪声所引起的小边缘,如何消除其影响一直是一个难题。为了消除边缘图像中小边缘的影响,本文提出了根据边缘连通分量的长度、直径和坐标分布的方差等几种小边缘消除方法,并做了对比试验,结果表明,当我们适当选择参数时,或者几种方法结合使用时,可以取得良好的效果。     

一种基因芯片图像滤波混合法

对基因芯片的表达数据进行分析，有助于获得基因的表达谱与功能之间的关联信息，而基因芯片图像的滤波方法，对于获得高质量的基因表达数据具有重要的意义。本文采用小波和中值滤波混合法对基因芯片图像去噪，采用的小波硬门限阈值量化法去噪预先处理了基因芯片图像的部分高频噪声，避免了图像有用信号湮灭；而中值滤波法弥补了小波分析中的噪声指数较高的局限性。与传统的基因芯片图像滤波方法进行对比实验，结果表明，该方法能够在有效去除基因芯片图像噪声的同时，很好地保持图像的边缘和细节信息。     

基于数学形态学的植物叶片图像分割方法研究

传统的边缘检测算子均属于线性滤波方法.数学形态学是一种非线性滤波方法,能够保持图像的基本形状特征,在图像处理各个领域广泛应用.仅用边缘检测算子或者数学形态学处理都不能得到理想的分割效果.根据边缘算子检测的结果,进行形态学滤波、数学形态学运算,采取不同的结构元素反复实验对植物叶片边缘信息进行提取.不用传统目测方法而是通过定量的分析实验结果,表明了边缘检测基础上进行形态学处理的分割方法的有效性.     

基于OpenCV精准对靶施药系统视觉模块设计

针对葡萄种植中切根虫的危害,采用基于OpenCV的图像处理方法设计葡萄树干精准对靶施药系统的视觉模块。通过图像处理实验,得出基于mean shift 的图像分割结果,边缘检测结果以及直线检测结果。实验结果证明该模块设计可有效的区别出葡萄园中弯曲的葡萄树干和笔直的树桩。     

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.     

基于模糊理论的树冠图像边缘检测算法研究

介绍了一种变量施药的靶标识别方法,采用T-S模糊模型,根据绿色植物和背景颜色的特征值(R、G、B)差异性,采用超绿指标[Excess green,ExG]来区别靶标与背景的隶属度,定义了噪声和边缘隶属度函数,根据模糊推理结果,对植物叶片图像去除噪声后再进行边缘检测,可有效检测图像边缘。降低算法的复杂度,提高了效率,在抗噪性能方面能有效地避免噪声的干扰、节约时间、运算速度快。