导读:本文包含了自适应边缘检测论文开题报告文献综述及选题提纲参考文献，主要关键词:边缘检测,中值滤波,自适应阈值,现场可编程门阵列
自适应边缘检测论文文献综述
杨康,卫敏,孙磊[1]（2019）在《基于FPGA的自适应阈值边缘检测系统设计》一文中研究指出针对传统的Canny边缘检测算法的阈值需要人为外部设定并且实时性差等问题,提出了一种改进的利用中值滤波算法结合加权平均的方法选取阈值。利用现场可编程门阵列(FPGA)高速并行处理数据的特点,设计了基于FPGA实时图像边缘检测系统,包括视频图像采集、图像处理和图像显示叁大模块。实验结果验证了自适应阈值边缘检测算法的有效性,同时满足了实时性的要求。(本文来源于《传感器与微系统》期刊2019年12期）
郭栋鸿,谭丽,温润[2]（2019）在《基于MMSE的自适应灰度形态学钢轨边缘检测算法》一文中研究指出钢轨边缘检测是铁路轨道异物入侵检测的关键技术,针对钢轨图像在采集过程中经常受到不同程度的噪声影响,以及传统边缘检测算法难以准确检测到钢轨边缘的问题,提出了一种基于MMSE (Multi-scale Multi-direction Structural Elements)的自适应灰度形态学钢轨边缘检测算法.首先根据轨道图像的噪声特点,使用多尺度结构元素的形态学滤波算法对轨道图像进行自适应滤波操作,实现钢轨边缘的增强和噪声的抑制;然后对滤波后的轨道图像使用多方向自适应灰度形态学边缘检测算子进行钢轨边缘检测.实验结果表明:该算法不仅有效滤除了采集图像中的噪声,而且能够较准确地检测到轨道图像中的钢轨边缘.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
陈美玲,朱铝芬,张云,石瑶[3]（2019）在《基于自适应滤波的改进Canny算子图像边缘检测》一文中研究指出为解决图像的椒盐噪声污染,可以采用滤波算法滤掉椒盐噪声。滤波算法中最常用的是中值滤波算法,其对椒盐噪声几乎没有过滤效果。本文引用自适应中值滤波算法,通过MATLAB实现,应用Canny提出的边缘检测评价的指标对图像做出评价。自适应中值滤波算法对椒盐噪声的过滤效果较好。(本文来源于《现代机械》期刊2019年05期）
刘文振,傅惠南,何金彬[4]（2019）在《结合RPCA和自适应Mean-shift的图像边缘检测》一文中研究指出在基于边缘的轮廓提取算法中,边缘检测精度直接影响轮廓提取的效果,而边缘检测算法通常分为图像滤波和边缘提取两个步骤。图像滤波算法是以损失图像真实信息为代价达到滤除噪声的效果(通常称为图像失真),图像失真的程度直接影响后续边缘提取的准确度;边缘提取算法进行无区分性的全局图像梯度检测,然而以轮廓提取为目标的边缘检测算法期望避免检测到图像中过于琐碎的细节,以减少轮廓提取的干扰信息。针对上述问题,提出了一种辅助轮廓提取的边缘检测算法,即结合RPCA滤波和自适应Mean-shift聚类的图像边缘检测算法。首先将RPCA算法引入到图像滤波,同时定义图像保真的度量指标,优化影响RPCA算法图像估计准确度的权重因子;然后将均值-标准差之比引入Mean-shift算法,使其能够自适应识别变化平缓区域和变化剧烈区域;最后应用Canny算子对图像进行边缘提取。实验结果表明,RPCA滤波算法能实现对原图像信息的最优估计,自适应Mean-shift算法能有效抑制图像中过于琐碎的细节且保留边缘信息。该算法能准确提取到图像中主要边缘信息而忽略图像细节信息,且适用于不同类型的图像。(本文来源于《计算机技术与发展》期刊2019年11期）
李世文,李立聪[5]（2019）在《自适应OSTU算法在舰船边缘检测中的应用及其FPGA实现》一文中研究指出针对舰船边缘信息检测实时性差、检测效果不佳等问题,通过选取适用于舰船边缘检测的数学形态运算与最大类间方差二值法的方法,并结合FPGA并行处理能力,构建舰船边缘检测硬件平台。在该硬件平台上,采用FPGA对舰船目标相关算法进行硬件实现。从舰船图像处理结果分析可知,采用传统CPU进行算法处理需要约120ms,采用FPGA实现仅需21.2ms,采用FPGA加速后处理速度提高5倍以上,完全可满足实时性要求,因此该方法具有良好的应用前景。(本文来源于《软件导刊》期刊2019年06期）
李冰,吕进来,郝晓丽[6]（2019）在《基于模板边缘的自适应Harris角点检测算法》一文中研究指出针对传统Harris算法检测的角点出现聚簇、伪角点以及阈值人为设定的问题,提出一种基于模板边缘的自适应Harris算法。首先,利用局部区域的思想检测出图像中的潜在角点区域;然后,对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取;最后,提出模板边缘的思想,构造一个新的圆形模板,通过评估中心点与模板边缘像素点邻域的灰度变化情况,对提取的角点进行提纯,过滤掉伪角点,得到最终检测结果。实验结果表明,该方法在计算效率上比Harris算法提高了32.8%,在实际应用中具有较高的精确度和鲁棒性。(本文来源于《现代电子技术》期刊2019年11期）
马可[7]（2019）在《基于最大像素距离的自适应边缘检测算法研究》一文中研究指出随着计算机科学的发展和各个行业需求的增长,数字图像处理技术在生活的各个方面都有着广泛的应用。其中,边缘检测是其中的重要研究领域,对许多环节有不可忽视的作用,被广泛应用于多个方面。因此,边缘检测是当下的研究热点之一,其难点在于如何准确地检测边缘的位置并将之运用到各个实操应用中。关于边缘检测的研究漫长而种类繁多,现阶段存在的边缘检测都具备一定的检测能力,但同时也都有一些软肋,可能会存在一些难以检测的部分,易导致虚假边缘的产生。如何解决以上问题,是当前研究的重难点。本文提出了一个基于聚类和阈值筛选的新的边缘检测方法,通过计算每个像素点与其相邻点之间的灰度值差异,提出了自适应边缘检测来测量点周围的局部灰度值变化,从而获得具有高精度和连续性的边缘。算法的主要思想是求出每个像素点和其邻域的距离,找出其在邻域内的最大值点,将这些像素点和最大值点归属到同一类集合中。由于边缘往往产生在灰度值发生变化的部分,尤其是变化较为明显的强边缘往往就产生在位置相近、灰度值不同的两个像素点间。像素点间的灰度值的变化反映了对应着原场景中不同的物体或对象。而在这个过程中,在图像的平滑、灰度值相差不大的部分,可能也将相应的点归到边缘集合中。与基于一阶或二阶导数的算子不同,所提出的方法使用两个相邻点之间的灰度值的差值作为边缘检测的度量函数,计算当前点与其邻居之间的灰度值差异,然后将差值最大的两者保留为主要边缘点。为了避免冗余、消除噪声点的影响并确保边缘的正确连续性,我用阈值滤波的策略来保留所需要的边缘信息;本方法首先在以每个点为中心的3×3的邻域区域上进行检测,并通过自适应策略获得闽值;然后将邻域范围扩展到5×5,使用前一步骤中获得的阈值过滤冗余点。最后,由于在最初同时将像素点和它的最大值点都归到同一类集合中,但在实际处理时并不需要总是同时保留这两个点,因此使用结合最大类间方差法的分类策略提出了一种端点选择方法,以获得更准确的边缘检测结果。实验结果表明,该方法可以获得精确,连续的优质边缘。本文有叁个创新点:1.本文使用每个点和其邻域点间的灰度差值作为约束,将差值最大的邻域点预选为边缘点,计算简单,易于理解,可以减少部分非边缘点;2.本文提出了新的自适应阈值策略,在3×3的邻域单元上计算阈值,然后将邻域尺寸扩大至5×5进行滤波处理,可以有效地减少大部分冗余点、保留正确的边缘信息;3.根据预选边缘点所在区域的深浅程度的不同,本文提出了新的端点选取策略使得边缘定位更加准确,不需对其进行边缘细化也能得到较好的视觉效果。在实验内容中,本文使用伯克利数据集等多个数据集进行实验对比,使用PR值、FOM值、ROC曲线等常用的边缘检测指标进行了一系列的实验对比。实验结果表明,与传统方法及一些前沿的多个边缘检测算法相比较而言,本文算法能够保持边缘的连续性,且检测到的边缘较为准确与完整,对纹理细节的处理有不错的表现,保证了边缘检测的质量。(本文来源于《山东大学》期刊2019-05-20）
陈建促,王越,李章宇,林志航[8]（2019）在《一种动态文稿边缘自适应检测与纠偏方法》一文中研究指出摄像头在对文稿进行实时边缘检测与纠偏过程中存在复杂背景干扰,会导致无法准确完成文稿的边缘检测与纠偏的情况。为此,提出了一种动态的文稿边缘自适应检测与纠偏方法。在形态学变换与Canny边缘检测的基础上,根据文稿轮廓特征,结合多边形逼近、最小矩形包裹与面积筛选的方法对复杂背景下的文稿进行边缘检测与纠偏,并通过引入图像压缩比方法,使纠偏前后的文稿布局保持一致。实验结果表明:该方法在单一或复杂背景下均能对文稿边缘进行准确检测与纠偏,解决了上述情况下复杂背景干扰的问题;完成1次准确检测与纠偏的平均耗时为0. 609 2 s与0. 663 8 s,满足实时检测与纠偏的要求。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年05期）
王霄燕[9]（2019）在《基于运动检测的边缘自适应去隔行算法的研究》一文中研究指出模拟电视信号系统采用隔行扫描方式,数字电视信号系统采用逐行扫描方式。在目前阶段,数字电视仍需对模拟电视信号进行兼容,去隔行算法能很好地实现隔行扫描视频到逐行扫描视频的转换。本文在研究了现有主流去隔行算法的基础上,提出了一种基于运动检测的边缘自适应去隔行算法,并进行了系统实现和性能分析。主要研究内容如下:(1)针对运动检测,引入运动自适应阈值来判断待插点的运动状态,考虑了噪声对待插点运动状态的影响;引入运动权值,将待插点的运动状态具体分为8个运动等级,细化了运动状态。(2)针对边缘角度检测,对边缘的方向进行高低角度的预判定,优化了细节丰富图像的边缘界定问题;对边缘角度进行5+8+8模式的细化,对高角度[45,135]范围进行5种角度的细化,对低角度[11,45]范围和[135,169]范围分别进行8种角度的细化,精确了待插点的边缘方向。(3)对预插结果进行修正,根据计算的运动权值,对待插点的静止插值和运动插值进行加权求和,获得最终的待插点像素值。(4)对改进算法进行了系统实现,实验结果显示,改进算法的平均峰值信噪比PSNR比中值滤波算法提高了0.7dB,比场间插值算法Weave提高了1.2dB,比场内插值算法LA提高了0.8dB算法,比增强型边缘插值算法AELA提高了0.9dB;改进算法处理后的视频较好地解决了原有视频的锯齿、羽化、清晰度和流畅度等问题。(本文来源于《长安大学》期刊2019-04-08）
赵显达,黄欢[10]（2019）在《基于细胞神经网络边缘检测的自适应研究》一文中研究指出针对细胞神经网络(CNN)在边缘提取中简单自适应模板对灰度图像边缘不完整的问题,提出了对简单模板进行改进,将四分模板细化为六分模板的方法.首先均分简单模板中的判定范围,然后重新推导在不同范围中各个自适应模板的各项取值,再对图像处理中常用的灰度图像进行边缘提取并与简单自适应模板的结果进行比较.实验结果表明:改进的自适应模板相比较于简单的自适应模板可以提取出更完整、清晰的边缘.(本文来源于《云南大学学报(自然科学版)》期刊2019年02期）
自适应边缘检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
钢轨边缘检测是铁路轨道异物入侵检测的关键技术,针对钢轨图像在采集过程中经常受到不同程度的噪声影响,以及传统边缘检测算法难以准确检测到钢轨边缘的问题,提出了一种基于MMSE (Multi-scale Multi-direction Structural Elements)的自适应灰度形态学钢轨边缘检测算法.首先根据轨道图像的噪声特点,使用多尺度结构元素的形态学滤波算法对轨道图像进行自适应滤波操作,实现钢轨边缘的增强和噪声的抑制;然后对滤波后的轨道图像使用多方向自适应灰度形态学边缘检测算子进行钢轨边缘检测.实验结果表明:该算法不仅有效滤除了采集图像中的噪声,而且能够较准确地检测到轨道图像中的钢轨边缘.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应边缘检测论文参考文献
[1].杨康,卫敏,孙磊.基于FPGA的自适应阈值边缘检测系统设计[J].传感器与微系统.2019
[2].郭栋鸿,谭丽,温润.基于MMSE的自适应灰度形态学钢轨边缘检测算法[J].云南大学学报(自然科学版).2019
[3].陈美玲,朱铝芬,张云,石瑶.基于自适应滤波的改进Canny算子图像边缘检测[J].现代机械.2019
[4].刘文振,傅惠南,何金彬.结合RPCA和自适应Mean-shift的图像边缘检测[J].计算机技术与发展.2019
[5].李世文,李立聪.自适应OSTU算法在舰船边缘检测中的应用及其FPGA实现[J].软件导刊.2019
[6].李冰,吕进来,郝晓丽.基于模板边缘的自适应Harris角点检测算法[J].现代电子技术.2019
[7].马可.基于最大像素距离的自适应边缘检测算法研究[D].山东大学.2019
[8].陈建促,王越,李章宇,林志航.一种动态文稿边缘自适应检测与纠偏方法[J].重庆理工大学学报(自然科学).2019
[9].王霄燕.基于运动检测的边缘自适应去隔行算法的研究[D].长安大学.2019
[10].赵显达,黄欢.基于细胞神经网络边缘检测的自适应研究[J].云南大学学报(自然科学版).2019