边缘增强

摘要： 为设计合理有效的神经网络框架,提高去雾算法的精度,保留完整的边缘细节,提出了常微分方程(Ordinary Differential Equation,ODE)启发的多级特征逐步细化及边缘增强的去雾算法。利用多级特征提取子网络,从输入雾图中提取出包含细节信息的低级特征和包含语义信息的高级特征,用于后续去雾结果的逐步细化。受残差网络框架与ODE求解策略关联性启发,依据两步两阶的蛙跳方法Leapfrog设计出Leapfrog模块,并串联多个Leapfrog模块,模拟ODE离散的逼近求解过程,构造逐步细化的去雾子网络。此子网络中,每个Leapfrog模块在交替输入的低级/高级特征的互补信息引导下,不断细化前一个Leapfrog模块估计的去雾结果。受二阶微分算子实施边缘增强的启发,边缘增强子网络利用预训练的UNet估计最后一个Leapfrog模块的去雾图像边缘,并叠加到此去雾图像上得到增强边缘,保留细节的最终去雾结果。实验表明,在真实图像及合成图像上,本算法均能取得较好的去雾效果,且在视觉评价和客观评价方面优于已有的去雾算法,与EAAN相比去雾精度提高了5%,运行时间仅有0.032 s,能有效用于图像去雾的工程实践中。

摘要： 设计了“数字图像处理”课程的一个综合性实验案例:运用图像处理算法实现对路面裂缝的增强。利用非下采样轮廓波变换对图像进行分解,可得不同尺度和不同频率方向子带,在各个高频子带上对应路面裂缝,噪声和干扰在最高层子带上不明显,因此可在高层子带上完成对裂缝信息的提取。本实验是在Matlab开发平台完成,并进行了实验测试验证。通过该综合性实验,可使学生综合运用信号与系统、多媒体通信技术和现代通信原理等课程的知识解决实际问题,得到数字图像处理和实验操作等综合能力的训练。

摘要： 以Transformer主干网络提取特征,探讨分层的特征增强及解码环节。在特征增强方面,提出上下文探索模块和细节注意力提升模块分别增强高层及低层特征;在解码方面,高层递进解码获得准确的位置信息,低层强化边缘细节。所提出的模型在四个数据集上验证,超越了已有模型,表明所提出的基于Transformer的模型对于伪装物体检测的有效性。

摘要： 针对传统图像篡改检测算法适用性有限,只能检测某一类篡改区域边缘平滑处理的问题,提出一种图像异常边缘篡改检测及可信度评价算法。采用非线性预测编码去除图像像素间的相关性,降低边缘像素点与其周围像素亮度差异,从而达到弱化边缘的目的。对处理后的图像利用边缘增强算法增强真实边缘。对比图像处理前后边缘变化,寻找异常边缘点,通过异常边缘概率计算图像可信度评价图像的真伪。实验结果表明,在未知伪造操作的情况下,该算法能够较好地检测出图像中的异常边缘,并给出图像的可信度评价。

摘要： 边避免小波对图像多层次、多尺度的细节增强,以突出前景对象的边缘信息并平滑复杂的背景结构。在滑动窗口采样过程中,利用边避免小波突出采样空间的边缘细节信息以增强采样像素点的质量。在YUV色彩空间利用小波变换增强前景对象的细节信息。实验证明,利用小波对边缘细节增强后,在处理边缘颜色相差较小或者前景和背景交错的图像时可以取得高质量的结果。

摘要： 随着弱监督学习被应用于遥感图像语义分割,大大降低了模型训练的数据成本。然而,由于监督信息不足,类激活图难以准确激活出遥感图像中不同尺度大小的目标,这使得基于类激活图获得的伪分割掩码边缘粗糙,从而导致最终的分割结果不准确。此外,大部分的弱监督语义分割方法都是基于可视化的两阶段方法,模型复杂繁琐。针对上述问题,设计了一种基于边缘增强的端到端弱监督语义分割网络。在特征空间边缘增强模块中,以自监督方式引导网络学习遥感图像中尺寸不一的目标,并且,细化伪分割掩码的边缘;在输出空间边缘增强模块中,通过端到端训练提升分割精度,同时降低模型训练的繁琐度。在ISPRS 2D数据集上的实验结果表明,该方法在仅使用图像级标签的情况下MIoU分别为57.72%和59.45%,与其他方法相比,效果较好。

摘要： U-Net在许多医学图像分割问题中具有先进的性能,因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验,以无监督的方式增强边界特征和提高网络对细小血管的辨识能力,利用特征金字塔级联模块帮助网络提取更丰富的语义特征,并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验,结果证明改进的方法具有更好的性能,有效地提高了分割结果中血管的完整性和连续性。

摘要： 边界识别是位场数据分析和解释的重要组成部分,其中数值计算类边界识别方法应用最为广泛。本文系统地阐述了数值类计算方法中边缘探测和边缘增强两类方法的基本原理和研究进展,并通过模型试算分析了两类方法的优缺点。结果认为,边缘探测适用于深度较浅的场源,边缘增强适用于深度较深的场源。同时,与传统识别方法的比较认为,比值类方法边界识别效果更清晰,尤其是改进倾斜角法和STDR法。这两种方法继承了倾斜角法的优势,均不受场源深度的影响,能够有效提取弱异常信息,识别的场源边界位置与实际位置吻合度更高,具有较高的精度和清晰度。

摘要： 针对现有的椒盐噪声去除方法未能有效恢复图像的纹理结构和边缘细节,提出了一种带边缘增强的反比相对距离加权均值滤波方法。根据椒盐噪声的灰度特征和无噪像素的分布特征对噪声像素进行识别,再用反比于相对空间距离的加权系数对邻域的无噪像素进行加权,取加权均值作为当前噪声像素的灰度估测值;用拉普拉斯算子对去噪图像进行边缘提取,将边缘图像与去噪图像进行线性叠加,以得到边缘增强的去噪图像。实验结果证明,所提方法具有更好的去噪效果,纹理结构和边缘细节恢复的更好。

摘要： 针对传统深度图像边缘增强方法存在图像边缘匹配度低、峰值信噪比小、稳定性低、增强效果不佳的问题,提出了基于各向异性扩散算法的深度图像不匹配边缘增强方法.通过被动测距方法获取深度图像,采用插值算法去除图像孔洞,并依据加权中值滤波法对图像进行滤波.对滤除噪声点的不匹配边缘进行检测,并采用各向异性扩散算法填补不匹配边缘空洞,根据像素点到空洞距离构建不匹配边缘增强模型,完成深度图像不匹配边缘的增强.结果表明,与三种传统方法对比,所提方法的图像边缘匹配度高,峰值信噪比最大,稳定性高,增强效果最佳.

摘要： 本文提出了一种基于边缘增强的凸集投影（POCS）超分辨率重建算法。新算法首先提取待重建图像的边缘，然后把它叠加到该图像上，作为初始迭代图像，最后利用传统的POCS 算法获得高分辨率的重建图像。实验结果表明，新算法比传统的POCS 算法，能够明显的改善重建图像的质量。

摘要： 为了克服红外图像边缘模糊、噪声大等缺点，本文提出了一种多尺度自适应滤波的红外图像非线 性边缘增强技术。该技术结合了图像的非线性边缘锐化技术和多尺度分析方法。采用Gauss金字塔结构多 分辨率处理细节的方法，以非线性的方式在不同分辨率下增强细节信息，再逐级叠加回到原始尺寸。该技术在保存了图像边缘信息的同时，能很好地滤除经过边缘锐化而产生的图像噪声和边缘扭曲，显著地提高红外图像的清晰度和信噪比。试验结果表明，该算法在红外图像增强领域有着良好的应用前景和使用价值。

摘要： 讨论了一种基于Markov场的图像边缘增强算法.该方法在对含噪图像进行处理时能有针对性的进行边缘增强,在提升边缘细节的同时不会增强噪声.该方法对红外图像的画质改善有参考价值.

摘要： 边缘增强是图像处理的一个重要研究领域,它主要用于对模糊图像的锐化.但是,现有的图像边缘增强方法对噪声敏感.本文利用多级中值滤波和均值滤波的差作为参数,提出了一种自适应图像边缘增强的算法,它有效的抑制了噪声的影响。

摘要： 遥感影像都是获取的大像幅地表影像,目标在影像上占比小且离散分布,为了改善遥感影像目标呈边缘分布时存在漏检,以及对小目标不敏感的问题,本文以YOLOv3为网络基础进行检测.首先,基于Gabor滤波器对卷积核进行滤波,构造新的卷积核提取边缘特征;同时对损失函数进行改进,分别对包含目标的检测框位置损失Location Loss、置信度损失Confidence Loss以及分类损失Classfication Loss添加边缘控制因子η,用于加强图像边缘权重;另外增添新的上采样尺度Scale4负责更精细的小目标检测.相比YOLOv3,检测效果有了明显提升,召回率达到88.24％,mAP达到94.15％,分别提高了4.73和2.88个百分点,尤其对于小目标和边缘目标的检测效果明显.

摘要： 图像边缘是分析理解图像的基础，它包含图像中用于识别的有用信息，由于目标边缘、图像纹理、背景层次甚至噪声都可能成为有意义的边缘，因此很难找到一种普适性的边缘检测算法。在介绍现有边缘检测技术和方法的基础上，分析各边缘检测算子的优缺点，提出对一阶微分算子的改进，并将其应用在医学图像上，综合算子改进、边缘增强、滤波的优化设计，有效地克服了二阶导数对噪声很敏感的问题，提取效果明显优于其它一阶微分算子，为观察病情发展情况提供了重要依据，效果明显。

摘要： 使用边缘检测的方法检测出图像的边缘和纹理细节，对检测出的边缘和纹理细节图像进行处理后，将它和含噪图像分别进行小波变换，然后将其小波系数对应叠加，最后对叠加之后的小波系数进行小波自适应软阈值去噪。实验证明该方法比较传统方法在视觉效果和信噪比方面都有较大的改善。

摘要： 同轴轮廓法是为位相衬度成像技术的一种.中子同轴轮廓法成像是近几年随着X射线位相衬度成像技术发展起来的新型中子成像技术.本文介绍了中子同轴轮廓法成像的基本原理,并对利用SPRR-300反应堆和德国FRM-Ⅱ反应堆上开展的多色热中子位相衬度成像技术实验研究及其结果进行了初步分析,认为利用多色热中子可以实现同轴轮廓法成像,中子同轴轮廓法能够实现某些样品中子照相检测的边缘增强,弥补了传统中子照相技术的不足。

摘要： 针对传统插值方法存在边缘模糊和边缘锯齿现象的问题，出现了基于边缘的图像插值算法。rn 将边缘插值算法分为基于原始低分辨率图像边缘的方法和基于插值后高分辨率图像边缘的方法两类，介绍了这两种方法的一般实现方法，并对不同算法进行了对比和讨论。

摘要： 针对传统插值方法存在边缘模糊和边缘锯齿现象的问题，出现了基于边缘的图像插值算法。rn 将边缘插值算法分为基于原始低分辨率图像边缘的方法和基于插值后高分辨率图像边缘的方法两类，介绍了这两种方法的一般实现方法，并对不同算法进行了对比和讨论。

摘要： 提供了一种视频数据编解码的方法、计算机程序和计算机系统。接收视频数据，并检测在已接收的所述视频数据的样本中存在的边缘。计算梯度值，所述梯度值对应于与检测到的所述边缘相关联的方向。基于计算出的所述梯度，对所述视频数据进行解码。

摘要： 本发明涉及一种基于边缘检测的图像边缘增强方法和系统。本发明通过计算待处理像素的边缘方向和边缘方向可靠度，并根据待处理像素的边缘方向可靠度是否为零，采用不同的边缘增强方法。若待处理像素的边缘方向可靠度不为零，则根据边缘方向从预设的四个方向中选取最接近边缘方向的垂直方向的两个方向进行增强；根据边缘方向的垂直方向与所选择的两个方向的夹角计算加权权重，将两个方向的边缘增强结果加权，作为最终的边缘增强图像；若待处理像素的边缘方向可靠度为零，则采用水平方向和垂直方向进行增强，选择增强程度较大的结果作为最终边缘增强图像。本发明能够在任意边缘方向进行增强处理，使边缘增强后的图像边缘清晰且避免了锯齿现象。

摘要： 本发明涉及一种基于边缘检测的图像边缘增强方法和系统。本发明通过计算待处理像素的边缘方向和边缘方向可靠度，并根据待处理像素的边缘方向可靠度是否为零，采用不同的边缘增强方法。若待处理像素的边缘方向可靠度不为零，则根据边缘方向从预设的四个方向中选取最接近边缘方向的垂直方向的两个方向进行增强；根据边缘方向的垂直方向与所选择的两个方向的夹角计算加权权重，将两个方向的边缘增强结果加权，作为最终的边缘增强图像；若待处理像素的边缘方向可靠度为零，则采用水平方向和垂直方向进行增强，选择增强程度较大的结果作为最终边缘增强图像。本发明能够在任意边缘方向进行增强处理，使边缘增强后的图像边缘清晰且避免了锯齿现象。

摘要： 本发明涉及图像处理的领域，尤其是一种基于边缘增强算子的图像边缘检测方法，具体步骤如下：a.图像获取；b.图像低通滤波；c.图像增强边缘；d.图像检测；e.图像边缘定位；f.图像边缘输出。本发明的基于边缘增强算子的图像边缘检测方法，采用此种方法，能够实现边缘的定位精度高，不同尺寸的边缘能够较好地响应，并且能够尽可能减少漏检，检测灵敏度受边缘的方向影响小。

摘要： 本发明提出基于边缘增强与梯度引导二次分割的玻璃碎片分割方法，用于钢化玻璃测试中的碎片图像分割，所述方法包括以下步骤；步骤一、以胶带粘贴于钢化玻璃的单面区域后，再以测试用的敲击器对其击碎处理，形成被胶带固定的碎裂玻璃集合体；步骤二、把碎裂玻璃集合体置于可发光的透明平台上，再以位于平台上方的线扫相机获取碎裂玻璃集合体的扫描图像；步骤三、以边缘增强方法与梯度引导方法对扫描图像中的玻璃碎片边缘进行识别，获取玻璃被击碎后的碎片分割状态；本发明通过线扫相机捕获玻璃区域的图像，能解决在实际应用中由于图像噪声、光照不均匀引起的边缘间断，以及其他因素导致图像边缘出现抖动，难以采用统一的阈值分割开的问题。

摘要： 本发明公开了一种基于边缘增强和通道相关性技术的彩色图像隐写方法，涉及数据隐写技术领域包括以下步骤：S1.输入彩色载体图像I和秘密信息M；S2.将彩色载体图像I分解为R、G以及B三通道图像；S3.对三个通道图像分别进行边缘增强；S4.将边缘增强后的图像进行分块；S5.依次计算分块后的图像的每个分块的初始失真代价；S6.对分块后的图像的每个分块的初始失真代价进行平滑操作；S7.根据各个通道的通道相关性，将秘密信息M分别嵌入到平滑操作后的三个通道图像的每个分块中去；S8.将嵌入有秘密信息M的图像合并得到秘密图像S。本发明解决了现有技术成本高，计算量大，适用场景较少的问题，其具有成本低，计算量小，适用各种彩色图像的特点。

摘要： 本发明涉及坝岸险情监测技术领域，具体涉及一种基于实时图像边缘增强的坝岸险情视频检测方法及系统，包括：获取监测坝岸的N张监测图像，分别对各张监测图像进行灰度化处理，获取各张监测图像的灰度图像；分别对各张灰度图像进行几何变换和差值填充处理，得到校正后的各张灰度图像；分别对校正后的各张灰度图像进行边缘增强处理，得到各张边缘特征增强图像；对各张边缘特征增强图像进行融合处理，得到多尺度融合图像；将多尺度融合图像与数据库中存储的历史图像进行匹配，并根据匹配结果确定监测坝岸的险情等级。本发明可以准确地识别出坝岸的险情情况，有效降低了险情误报的几率，提高了坝岸险情巡检可靠性。

摘要： 本发明公开了具有减小的固定模式噪声的超光谱、荧光和激光标测成像。一种方法包括致动发射器以发射多个电磁辐射脉冲，以及通过图像传感器的像素阵列感测由该多个电磁辐射脉冲产生的反射电磁辐射以生成多个曝光帧。该方法包括将边缘增强应用于该多个曝光帧的中曝光帧内的边缘。该方法使得由该发射器发射的该电磁辐射脉冲的至少一部分包括以下一者或多者：具有从约513nm至约545nm、从约565nm至约585nm、从约900nm至约1000nm的波长的电磁辐射，致使试剂发荧光的电磁辐射激发波长，或激光标测模式。

摘要： 本发明设计了一种基于边缘增强的高分辨率遥感影像的耕地信息提取方法，设计构建联合边缘增强损失函数BE‑Loss，并相应设计高效的BEC‑Net网络框架实现耕地地块与其边缘情况的精准提取。使用EfficientNet为骨干网络的UNet网络作为语义分割模块，在边界增强模块中通过融入scSE双通道注意力机制、Cot模块、门控卷积等提升训练精度。结合余弦退火衰减算法更新学习率使训练结果更具全面性。最后经边缘增强的分类结果较其他模型精度有明显提高。本发明不仅可以通过对网络框架和学习手段的调整实现模型的优化；利用高效的浅层结构专注于处理边缘语义，对于耕地类型地块提取精度的提升具有同等重要的意义。

摘要： 本专利发明公开了一种基于残差稠密卷积神经网络和边缘增强的改进图像超分辨率重建方法，在算法模型中，首先将图片分为色度通道和亮度通道。对于色度通道，使用双三次插值法放大图片后，使用引导滤波来使边缘锐化，增强边缘特征。为了增强模型深度，更好的提升模型的表现能力，对于色度通道，使用提出的残差稠密卷积神经网络，它堆叠了两个残差稠密块，用来更好的提取色度通道的边缘特征和细节信息。此方法可以有效地维持了高频细节，并提供了比其他方法更好的结果。在不同的图像数据集上评估了这本专利提出算法的性能，并与其他方法进行了比较，得出的实验结果也证明了提出的方法更优。