Susan-Zernike亚像素边缘检测算法提升定位精度
需积分: 9 68 浏览量
更新于2024-08-11
收藏 2.8MB PDF 举报
"亚像素边缘检测算法 (2012年) - 刘伟,薛国新 - 常州大学学报(自然科学版)"
在图像处理领域,边缘检测是至关重要的一步,它有助于识别图像中的物体边界和结构特征。传统的边缘检测算法,如Sobel、Prewitt和Canny等,尽管在很多情况下表现良好,但它们往往存在定位精度低、对噪声敏感的问题。因此,提高边缘检测的定位精度成为了一个研究热点,亚像素边缘检测就是其中的一种解决方案。
2012年,刘伟和薛国新在《常州大学学报(自然科学版)》发表了一篇论文,提出了Susan-Zernike亚像素边缘检测方法。这个算法结合了两种不同的技术,以提高边缘检测的准确性和鲁棒性。
首先,他们利用Susan边缘检测算法进行边缘的粗定位。Susan边缘检测算法是一种快速、有效的局部边缘检测方法,其核心思想是基于像素邻域内的灰度变化来判断是否存在边缘。它使用一个固定大小的邻域(通常为3x3或5x5的矩阵),通过计算邻域内像素灰度的均值和标准差,形成一个阈值函数,以此确定边缘点。这种算法对噪声有较好的抑制作用,同时能较快地检测出图像中的边缘。
接下来,为了进一步提高边缘定位的精度,论文引入了Zernike算子进行边缘重定位。Zernike矩是基于圆盘域上的多项式展开,可以精确地表示圆周上的形状特征。在边缘检测中,Zernike算子可以用于亚像素级别的边缘定位,因为它们能够在像素级别上提供更精确的边缘位置信息。通过将Susan检测到的粗略边缘位置作为初始输入,Zernike算子能对边缘进行微调,达到亚像素级别的精度,从而显著提高了边缘定位的准确性。
实验结果表明,Susan-Zernike亚像素边缘检测算法不仅能够很好地实现亚像素级别的边缘定位,而且运行时间较短,具有较高的效率。这使得它在实时图像处理应用中具有较大的潜力,尤其是在需要高精度边缘信息的场合,如机器视觉、医学成像和遥感图像分析等领域。
这篇论文提出的方法成功地克服了传统边缘检测算法的一些局限性,通过结合两种不同检测策略提升了定位精度,同时保持了运算效率。这为后续的图像分析和处理步骤提供了更准确的输入,有助于提高整个系统的性能。
2021-05-27 上传
2020-06-29 上传
点击了解资源详情
2021-06-18 上传
2021-05-09 上传
2021-05-15 上传
2021-04-26 上传
2014-03-25 上传
2021-05-30 上传
weixin_38720997
- 粉丝: 7
- 资源: 888
最新资源
- 磁性吸附笔筒设计创新,行业文档精选
- Java Swing实现的俄罗斯方块游戏代码分享
- 骨折生长的二维与三维模型比较分析
- 水彩花卉与羽毛无缝背景矢量素材
- 设计一种高效的袋料分离装置
- 探索4.20图包.zip的奥秘
- RabbitMQ 3.7.x延时消息交换插件安装与操作指南
- 解决NLTK下载停用词失败的问题
- 多系统平台的并行处理技术研究
- Jekyll项目实战:网页设计作业的入门练习
- discord.js v13按钮分页包实现教程与应用
- SpringBoot与Uniapp结合开发短视频APP实战教程
- Tensorflow学习笔记深度解析:人工智能实践指南
- 无服务器部署管理器:防止错误部署AWS帐户
- 医疗图标矢量素材合集:扁平风格16图标(PNG/EPS/PSD)
- 人工智能基础课程汇报PPT模板下载