边缘检测算子

摘要： 基于希尔伯特变换的边缘检测算法用于实际地震资料时,提取的往往是裂缝综合信息,信息繁杂且会弱化部分有效信息,难以分辨某一特定方向的数据特点,不利于分析裂缝走向.为此,提出 了一种基于裂缝方向的体边缘检测方法,采用高斯窗对希尔伯特算子进行加窗处理,再通过方向检测模板将加窗算子以任意角度逆时针旋转,以此构建一种可以任意角度旋转的加窗希尔伯特变换边缘检测算子,可以提取任意特定方向的有效边缘信息.将该算法用于三维地震资料体边缘检测,不仅能提取地震资料在任意方向的不连续特征,还可突出局部异常信息,减少噪声影响,从而获得更精确的储层裂缝走向及分布信息.模型试算与实际资料处理结果表明:对于已知走向信息的大断裂或者某一区域内分布方向大致相同的裂缝系统,应选择与其走向或分布方向垂直的算子旋转角度提取边缘信息,从而加强走向和分布方向的不连续信息特征;对于复杂多变的裂缝系统,其包含各个方向的信息,此时应选择多个旋转角度提取边缘信息进行融合,以显示更丰富的有效信息,利于地震资料精细解释.

摘要： 针对压路机特有的非结构化工作场景且较为固定的工作轨迹,采用视觉处理算法提取压路机钢轮的碾压痕迹.首先对碾压区域的RGB图像进行灰度化处理,并通过预处理算法消除随机噪声;其次通过比较Roberts、Sobel、Prewitt、Canny、Kirsch等边缘检测算子,选取检测效果最好的算子;最后采用Hough变换进行碾压痕迹线段提取.结果表明,Canny、Kirsch算子的边缘检测结果更为清晰,但经过Hough变换后,采用Kirsch算子提取到的直线误差最小.结合Kirsch算子和Hough变换的方法能准确提取钢轮碾压痕迹边缘信息,同时保证准确性和实时性,为压路机实现自动行驶提供了重要的视觉信息.

摘要： 边缘检测是图像处理过程中重要的一环.根据PE瓶盖在工业生产中的实际检测需要,通过计算机仿真的方式比较分析经典的边缘检测算子对同一幅PE瓶盖的处理效果,发现Canny算子可较为精准的反应PE瓶盖边缘的微小缺陷,对PE瓶盖的生产检测有借鉴意义.

摘要： 传统视频运动对象分割方法虽然具有较高的分割精确度,但是无法满足实时性需求.提出一种三维运动图像多参考帧边缘差异动态分割方法.首先根据多参考帧边缘差异动态提取运动目标所在区域,利用小波变换法对三维运动图像进一步实施分解,获得1个低频子图像和3个高频子图像,分别得到运动目标主要特征与细节特征,再将待处理图像的RGB空间转换为HSV空间,并根据色度、亮度以及饱和度提取到运动目标封闭的轮廓图,然后运用图像内动态部分和静态部分两者间的帧差掩模图像联系,把图像分成3个不同形态的部分,最终使用边缘检测算子对运动目标的边缘准确分割,从而获得高精度的分割结果.仿真结果表明:所提方法的分割精度更高,具有准确性、实时性和优质的鲁棒性.

摘要： 引入一个约束能量,去除水平集函数在演化过程中的周期性初始化难题,并使用反应扩散方法,解决引入的基于变分水平集方法的约束能量不能直接作用于基于偏微分方程驱动的水平集模型中的问题.提出一种新的边缘检测算子,重新定义边缘停止函数.实验结果表明,论文模型在图像分割质量上具有一定优势.

摘要： In order to detect the broken yarn visually in the production of the spinning,according to the particularity of the yarn images in the direction, a method for realizing the yarn breakage detection was developed. Industrial cameras were used to capture the movement of the yarn, firstly wavelet denoising was used for smoothing images, then the exact information of the yarn were extracted by the simplified Hough transform and collinearity test,and finally according to the actual yarn distance characteristics,it was determined whether the yarn was broken. The sym4 wavelet bases ware chosen from many wavelet transforms,the results show that according denoising effect is optimal when the threshold is 10, and the edge detection operator prewitt is used to detect according the vertical direction, optimize the Hough transform to reduce the detection angle to[-10°,10°],enlarge the angular interval to 4°,and shorten the operation time from 0.46 s to 0.31 s, which reduces the operation time and improves the operation speed. Experiment results show that the algorithm can accurately determine the yarn breakage information.%为通过视觉方式在细纱生产中检测断头,根据纱线图像在方向上的特殊性,开发一种实现细纱断头检测的算法.借助工业相机捕获运动中的纱线,首先经小波去噪平滑图像,然后通过优化的霍夫变换和共线性检验提取纱线准确信息,最后根据实际纱线的距离特征判断是否存在断头.实验选用sym4小波基,结果表明:阈值为10时去噪效果最优,以边缘检测算子prewitt筛选垂直方向进行检测,并对霍夫变换优化,将检测角度缩小到[-10°, 10°],角度间隔扩大为4°,运算时间由0.46 s减少为0.31 s,缩短了运算时间,提高了运算速度,该算法可准确地判断纱线的断头信息.

摘要： 针对经典的基于L1数据保真项的总变分图像复原模型易导致阶梯效应和损失图像重要细节的缺陷,提出了一种基于L1数据保真项的二阶总广义变分(total generalized variation,TGV)图像复原模型.为进一步提升含脉冲噪声模糊图像复原质量,在二阶TGV图像复原模型中引入边缘检测算子,使其在图像边缘区域减弱扩散,较好地保护图像边缘特征;在图像平滑区域增强扩散,有效地消除脉冲噪声和抑制阶梯效应.为稳定地复原降质图像,采用交替方向乘子法求解二阶变分模型.实验结果表明,提出的图像复原模型在消除噪声和模糊的同时,能成功抑制阶梯效应并保留图像的边缘结构特征.相比经典的图像复原模型,新模型在信噪比、相对误差和结构相似度等方面均取得了较好的图像复原效果.

摘要： 以互补金属氧化物半导体(CMOS)获取的立木图像为研究素材,基于图像处理技术和机器视觉技术,通过边缘检测算子进行了立木树干图像边缘特征提取,并对立木树干边缘直线特征进行了研究.结果表明:Prewitt算子和Canny算子虽然对于树干背景的边缘细节保留较多,但对于树干边缘检出率较高,并且树干边缘连续性好;Robert算子和Prewitt算子树干边缘的检测误差较大,Sobel算子、LoG算子和Canny算子对于树干边缘的检测精度较高;分别将Sigma值为0.1,0.3,1.4和3的高斯滤波的立木图像进行边缘检测,并将直径像素距离提取值与目视判读值进行比较,结果表明Sigma值为0.3 ～1.4时的识别偏差较小.

摘要： 针对LIF模型对初始轮廓敏感,CV模型对初始轮廓具有较强的鲁棒性,并且2种模型对噪声污染的图像不能取得令人满意结果的问题,在原先模型能量函数基础上,构造新的能量拟合项,增强对噪声的抗噪性.采用新的CV模型,使用图像全局信息得到粗分割结果.以粗分割轮廓作为新的LIF模型的零水平集,利用图像局部信息得到精确分割结果.同时使用一种新的边缘检测算子,重新定义边缘停止函数,进一步提高了模型的抗噪性.实验结果表明,它比CV模型、LIF模型、Chen模型和Qi模型更具优势,具有更强的抗噪性.

摘要： 介绍了边缘检测算子的原理，对算法中灰度差阈值的选择方式进行了改进。在图像中每个像素的SUSAN模板中首先计算阀值t的初值，再利用迭代法获得终值，使其在各种不同的对比度下仍能正确检测兴趣点，最后运用该算法进行了图像边缘检测测试，并与其他检测算子进行比较。实验结果表明，该算法具有方法简单、抗噪能力强、计算量小等优点。

摘要： 如何有效地从噪声图象中提取边缘是图象分析领域中的难点,针对现有方法存在的问题,提出了边缘分段自增强算法.该算法首先对噪声图象进行小尺度高斯滤波;再使用本文设计的新型边缘检测算子获取引导信息,此边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能;然后对各搜索轨迹进行分段自增强;最后根据自增强累积的程度获取噪声图象的边缘.实验结果表明:此算法能够有效的从噪声图象中提取物体的真实边缘,并能最大限度地保留细节信息,其性能优于经典的边缘提取算法。

摘要： 介绍空瓶检测的图像处理关键技术,对酒瓶破损模式、空瓶检测方法的特点进行分析.以瓶身检测为例,用三水平三因素的正交设计对空瓶检测的图像处理参数,即Sobel、Prewitt、Roberts等边缘检测算子、处理步长以及决策算法等进行组合优化设计.通过对试验结果和极差值的分析,得出了各参数对空瓶检测精度和实时性影响的主次因素,为优化参数、平衡空瓶检测的准确率与工作时间提供了依据.在与论文实验条件相类似的情况下,推荐采用Prewitt、处理步长为1、加权求和决策算法的算法组合.本方法可推广到不同检测系统要求下所确定的最优参数组合中。

摘要： 本发明提供了一种针对低亮度环境的CANNY算子边缘检测算法，包括以下步骤：步骤1，对原始图像进行高斯平滑滤波、LOG变换、直方图均衡化；步骤2，对步骤1得到的图像，在2组4个方向上分别采用sobel算子及sobel算子在斜方向上的变种，取幅值均值作为处理后的像素点数据；步骤3，采用高低阈值方法，高于高阈值的像素点保留，反之则舍弃，保留的刑诉点组成边缘检测图像。

摘要： 本发明公开了一种基于Canny算子的噪声鲁棒轮毂边缘检测算法，包括以下步骤：1)用摄像机拍摄轮毂生产线现场的汽车轮毂正面图，并进行高斯平滑滤波；2)计算平滑后的图像的梯度幅值，得到梯度幅值图像；3)对梯度幅值图像重复步骤1)和步骤2)中的操作，得到梯度幅值的双线条边缘轮廓；4)多次差分运算细化轮毂边缘图像；5)对轮毂边缘图像进行增强处理。该算法减少图像失真，避免出现虚假边缘，提高了基于机器视觉的工业机器人轮毂去毛刺系统的精度和正确率。

摘要： 本发明公开了一种基于改进Sobel算子的不规则烟包图像融合边缘检测算法，该方法包括步骤：S1，利用形态学平滑算法对不规则烟包图像进行滤波，保留边缘信息并去除噪声；S2，扩展传统Sobel算子垂直与水平两个方向的模板，增加6个方向模板，得到不规则烟包的边缘信息；S3，利用Otsu方法对阈值进行自适应设定；S4，根据改进Sobel算子、Canny算子获取的边缘检测信息进行特征融合，得到最终的融合图像。本发明可以提取更能全面表示不规则烟包的边缘特征。

摘要： 本发明公开了一种获取图像边缘检测算子的方法、图像边缘检测方法及装置，其中，获取图像边缘检测算子的方法包括：在目标图像中，划分出一个包括第一目标像素点的四邻域；对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式；根据所述图像边缘检测函数关系式确定图像边缘检测算子。采用该方法获得的图像边缘检测算子，将其应用于数字图像的图像边缘检测中，能够在减小运算量的同时，提高抗噪声能力，适用性更好。

摘要： 本发明公开一种基于随机计算的无误差省资源图像边缘检测算子方法，应用于图像边缘处理技术领域，为解决现有技术存在的计算资源消耗较大的问题，本发明通过Roberts算子对图像进行二维空间梯度测量，对所获得数据进行随机计算处理，得到的随机序列通过无误差的绝对值加减运算计算出该像素点的灰度大小，从而得到边缘检测算子，基于该边缘检测算子，进行数字图像边缘检测；实现了节省计算资源的技术效果，并且相比于现有技术的适应性更好。

摘要： 本发明涉及一种联合多种边缘检测算子的无参考质量评价算法，利用联合熵和链式法则定义条件熵，包括以下步骤：选取用于训练和测试的图像；计算图像的梯度、相对梯度和高斯拉普拉斯算子(LoG)；提取的图像特征，包括：相对梯度方向RO的标准差、梯度和LoG之间的条件熵H(GM|L)、H(L|GM))、相对梯度和LoG之间的条件熵H(GM|L)‑H(RM|L)、H(L|GM)‑H(L|RM))共5维特征；根据人眼视觉系统特性中的多尺度性，采用下采样方法，再提取缩小后图像的上述的5维特征，最终得到10维特征向量；用AdaBoost神经网络进行回归以预测图像质量分数。

摘要： 本发明公开了一种获取图像边缘检测算子的方法、图像边缘检测方法及装置，其中，获取图像边缘检测算子的方法包括：在目标图像中，划分出一个包括第一目标像素点的四邻域；对所述目标图像进行双线性插值处理，任选一个插入所述四邻域中的像素点作为第二目标像素点，建立所述第一目标像素点与所述第二目标像素点在所述四邻域中的位置关系；根据所述位置关系以及双线性插值公式，确定图像边缘检测函数关系式；根据所述图像边缘检测函数关系式确定图像边缘检测算子。采用该方法获得的图像边缘检测算子，将其应用于数字图像的图像边缘检测中，能够在减小运算量的同时，提高抗噪声能力，适用性更好。

摘要： 本发明公开了一种基于高阶边缘检测算子的缺陷检测方法，包括以下步骤：采集面板图像；计算图像的水平梯度、垂直梯度、水平二阶梯度算子、垂直二阶梯度算子和混合二阶梯度算子；计算水平梯度和垂直梯度的平方和开方为边缘矩阵一，水平二阶梯度算子和垂直二阶梯度算子的平方和加2倍的混合二阶梯度算子再开方为边缘矩阵二；边缘矩阵一的一半加边缘矩阵二的三分之一作为最终的边缘矩阵；设定边缘阈值，若边缘矩阵中有数值大于所设定的阈值，则存在细缝区域，该面板为破损件；若边缘矩阵中的数值均小于所设定的阈值，则不存在细缝区域，该面板完好。

摘要： 本发明公开一种基于随机计算的无误差省资源图像边缘检测算子方法，应用于图像边缘处理技术领域，为解决现有技术存在的计算资源消耗较大的问题，本发明通过Roberts算子对图像进行二维空间梯度测量，对所获得数据进行随机计算处理，得到的随机序列通过无误差的绝对值加减运算计算出该像素点的灰度大小，从而得到边缘检测算子，基于该边缘检测算子，进行数字图像边缘检测；实现了节省计算资源的技术效果，并且相比于现有技术的适应性更好。

摘要： 本发明涉及一种联合多种边缘检测算子的无参考质量评价算法，利用联合熵和链式法则定义条件熵，包括以下步骤：选取用于训练和测试的图像；计算图像的梯度、相对梯度和高斯拉普拉斯算子(LoG)；提取的图像特征，包括：相对梯度方向RO的标准差、梯度和LoG之间的条件熵H(GM|L)、H(L|GM))、相对梯度和LoG之间的条件熵H(GM|L)‑H(RM|L)、H(L|GM)‑H(L|RM))共5维特征；根据人眼视觉系统特性中的多尺度性，采用下采样方法，再提取缩小后图像的上述的5维特征，最终得到10维特征向量；用AdaBoost神经网络进行回归以预测图像质量分数。