本文選題：Canny邊緣檢測　切入點：非極大值抑制　出處：《電測與儀表》2016年06期 　論文類型：期刊論文

【摘要】：傳統(tǒng)Canny邊緣檢測容易受到環(huán)境噪聲和光照條件變化等外界因素的影響,導致檢測效果不佳,而且需要人工選擇參數(shù),算法的靈活性較低。為了提高傳統(tǒng)算法的檢測效果,使其更好的應用到圖像識別等領域中,通過最大類間方差法來獲得圖像梯度量的最佳分割閾值,動態(tài)確定邊緣檢測的高低閾值參數(shù),能夠有效解決傳統(tǒng)算法的不足。將改進后的算法用于家用儀表計度輪圖像的邊緣檢測中,與傳統(tǒng)算法相比,既去除了噪聲干擾,又保留了完整的圖像邊緣,在取得了良好的檢測效果的基礎上提高了算法效率。
[Abstract]:Traditional Canny edge detection is easy to be affected by external factors such as environmental noise and variation of illumination conditions, which leads to poor detection effect, and requires manual selection of parameters, so the flexibility of the algorithm is low. It is better applied to the field of image recognition. The best segmentation threshold of image gradient is obtained by the method of maximum inter-class variance, and the threshold parameters of edge detection are determined dynamically. The improved algorithm is used to detect the edge of the household meter wheel image. Compared with the traditional algorithm, it not only eliminates the noise interference, but also preserves the complete image edge. The efficiency of the algorithm is improved on the basis of the good detection effect.
【作者單位】： %E4%BF%A1%E6%81%AF%E4%B8%8E%E7%94%B5%E6%B0%94%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2;%E8%BE%BD%E5%AE%81%E4%B8%B9%E4%B8%9C%E4%BB%AA%E5%99%A8%E4%BB%AA%E8%A1%A8%E4%BA%A7%E4%B8%9A%E5%9F%BA%E5%9C%B0%E5%B7%A5%E4%B8%9A%E6%8A%80%E6%9C%AF%E7%A0%94%E7%A9%B6%E9%99%A2;" target="_blank">哈爾濱工業(yè)大學<威海>信息與電氣工程學院;遼寧丹東儀器儀表產(chǎn)業(yè)基地工業(yè)技術研究院;
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王宇生,卜佳俊,陳純;一種基于積分變換的邊緣檢測算法[J];中國圖象圖形學報;2002年02期

2 顧曉東,王曉明,劉健;基于曲線坐標系的圖像邊緣檢測[J];計算機工程與應用;2002年03期

3 何仁貴,黃登山,陳金兵;基于灰色預測模型的圖像邊緣檢測[J];西北工業(yè)大學學報;2005年01期

4 鄭勝,柳健,田金文;基于向量機的邊緣檢測算法優(yōu)化研究[J];電子與信息學報;2005年05期

5 王娜,李霞;一種新的改進Canny邊緣檢測算法[J];深圳大學學報;2005年02期

6 王文豪;;圖象邊緣檢測中邊界閉合性的分析與探討[J];計算機與信息技術;2005年12期

7 劉軍;姚子建;;用邊緣檢測算子實現(xiàn)圖像邊緣檢測[J];福建電腦;2006年02期

8 李葆青;文山;;邊緣檢測準則與幾種典型算法[J];六盤水師范高等�？茖W校學報;2006年03期

9 鄭子華;陳家禎;鐘躍康;;基于灰色加權絕對關聯(lián)度的邊緣檢測算法[J];電腦知識與技術;2006年20期

10 黃玉程;胡國清;吳雄英;劉文艷;;人臉圖像邊緣檢測的方法研究和應用[J];計算機工程;2006年18期

相關會議論文 前10條

1 王巖;勒中鑫;;邊緣檢測中幾種方法的比較[A];1998年中國智能自動化學術會議論文集（下冊）[C];1998年

2 孟偉;王秀澤;張巖;;離散Canny邊緣檢測算法的實現(xiàn)[A];走近CIE 26th——中國照明學會（2005）學術年會論文集[C];2005年

3 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

4 任獲榮;楊夏穎;何培培;孫建維;高敏;;邊緣檢測技術發(fā)展現(xiàn)狀及其在零件識別中的應用綜述[A];第三屆數(shù)控機床與自動化技術專家論壇論文集[C];2012年

5 王巖;勒中鑫;;幾種邊緣檢測方法及其比較[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 葉樂軍;王強;;基于自適應邊緣檢測的大空間火災目標監(jiān)測技術[A];中國職業(yè)安全健康協(xié)會2007年學術年會論文集[C];2007年

7 沈亮;潘德爐;王迪峰;;機載多通道掃描儀圖像的邊緣檢測初步研究[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅰ）[C];2008年

8 李文輝;郭寧寧;郝鑫;;優(yōu)化邊緣檢測的分析和解決方案[A];“加入WTO和科學技術與吉林經(jīng)濟發(fā)展——機遇·挑戰(zhàn)·責任”吉林省第二屆科學技術學術年會論文集（上）[C];2002年

9 王培珍;孟祥昊;張克;鄭詩程;潘瑞雪;;板材圖像邊緣檢測算法研究[A];第25屆中國控制與決策會議論文集[C];2013年

10 王海嵐;樊紹勝;;一種改進的模糊形態(tài)學邊緣檢測算法[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

相關重要報紙文章 前1條

1 鳴人;Photoshop CS5:三大功能再進化[N];中國攝影報;2010年

相關博士學位論文 前10條

1 磨少清;邊緣檢測及其評價方法的研究[D];天津大學;2011年

2 董鴻燕;邊緣檢測的若干技術研究[D];國防科學技術大學;2008年

3 王媛妮;順序形態(tài)邊緣檢測及分水嶺圖像分割研究[D];武漢大學;2010年

4 遲健男;圖像形態(tài)學和小波分析在圖像增強與邊緣檢測中的應用[D];東北大學;2005年

5 李杏梅;Contourlet變換在圖像去噪與邊緣檢測中的應用研究[D];華中科技大學;2011年

6 丁興號;基于小波分析的視覺檢測技術研究[D];合肥工業(yè)大學;2003年

7 閆海霞;基于數(shù)學形態(tài)學的圖像邊緣檢測和增強算法的研究[D];吉林大學;2009年

8 謝松法;模式特征的提取與應用研究[D];華中科技大學;2007年

9 吳慶崗;復雜背景輸電線圖像中部件邊緣提取算法研究[D];大連海事大學;2012年

10 Ali Abdullah Yahya;[D];合肥工業(yè)大學;2014年

相關碩士學位論文 前10條

1 林江;基于邊緣檢測和馬爾可夫隨機場的AD癥腦MRI分割方法研究[D];西南交通大學;2015年

2 呂威駿;基于分數(shù)階傅里葉變換和多尺度跟蹤的邊緣檢測算法[D];鄭州大學;2015年

3 亓曉彤;基于攝影測量的板類件孔位檢測方法研究[D];中國地質(zhì)大學(北京);2015年

4 李志;基于視頻的軌檢定位技術研究[D];西南交通大學;2015年

5 王芮;基于多窗口的蟻群圖像邊緣檢測及并行算法[D];南京師范大學;2015年

6 韓璐;改進的基于多尺度多方向結(jié)構元素和形態(tài)學的邊緣檢測算法[D];山東大學;2015年

7 郭峰;基于Mumford-Shah模型的圖像邊緣檢測算法[D];華北電力大學;2015年

8 陳美榮;基于N-Smoothlets的圖像處理關鍵技術研究[D];電子科技大學;2015年

9 喬建強;火焰圖像邊緣檢測及修復算法的研究[D];華北電力大學;2015年

10 楊艷爽;行車安全預警系統(tǒng)的設計與實現(xiàn)[D];中國科學院研究生院（沈陽計算技術研究所）;2015年

，

本文編號：1589572