公共文化服务平台

搜索到852篇“ SOBEL算子“的相关文章

基于FPGA的改进Sobel算子图像实时边缘检测系统: 2025年; 为了解决嵌入式软件不能对图像进行实时处理以及对带有噪声的图像处理效果不佳的问题,设计了基于改进Sobel算子的图像实时边缘检测系统,该系统在传统Sobel算子的基础上增加了检测方向和角度模板,并结合SCCB传输协议进行实时图像边缘检测,进一步提高视频图像的传输速度和质量。系统以FPGA作为数字主控核心,使用OV5640摄像头采集图像,将采集的图像数据缓存到视频图像处理模块,对该模块进行色彩空间转换和Sobel边缘检测工作,将边缘检测的图像数据缓存到SDRAM读写控制模块,VGA驱动模块从SDRAM中读取数据并控制VGA显示器对边缘检测结果进行显示。实验结果表明:该系统能够完成对图像边缘检测的实时快速精确识别,相较于传统的Sobel算法,改进后的算法在处理复杂图像和噪声点较多的图像方面更有优势,适合低延时以及噪声干扰较为严重的场合。; 于波田亚洲任金贝李华宇; 关键词：FPGA SCCB SOBEL算子 SDRAM

基于改进的多方向Sobel算子的车道线边缘检测方法研究: 2025年; 车道线检测是汽车实现自动驾驶的重要一环,当前通过提取图像低级特征进行边缘检测是识别车道线的最佳方法之一。车载摄像头拍摄的RGB(Red Green Blue,红绿蓝)图像存在大量冗余信息,会对检测结果造成诸多干扰,为此提出一种高效图像预处理方法。针对结构化道路的车道线图像,提取ROI(Region of Interest,感兴趣区域),进行灰度化、滤波降噪等预处理。采用基于传统Sobel算子改进的四方向Sobel算子,同时结合基于Lab色域的灰度化方法,以增强车道线边缘特征,对于强光和阴影干扰,通过该方法仍能够清晰检测出车道线,该方法在提高车道线检测准确性方面效果显著。; 丁一川耿聪刘金雄; 关键词：车道线检测图像处理 SOBEL算子边缘检测

融合Sobel算子的SAR图像结构优化方法被引量：2: 2024年; 针对传统滚动引导滤波算法在处理SAR图像时,面对较多琐碎纹理效果欠佳,容易产生虚假边缘的问题,提出融合Sobel算子自适应计算图像中每个像素点的梯度,反映图像的边缘强度来指导滚动引导滤波参数的调整,从而优化滚动引导滤波的结果。通过传统算法和改进算法对雷达图像处理的边缘强化和细节纹理提取的对比结果表明,提出的利用Sobel算子来进行滚动引导滤波参数的调整有着明显提升,能有效地支撑雷达图像的后续处理,为图像的强散射结构提取提供了一种新的方法。; 马常昊胡文惠钟海超文永刁李岗李铁; 关键词：雷达成像 SOBEL算子

基于改进Sobel算子的输送带图像边缘检测研究被引量：1: 2024年; 选用新型的机器视觉检测方法,分析图像有用信息,提取有价值和有意义的目标特征,对Sobel边缘检测算子进行改进,增强了图像对比度,有效地对输送带表面图像进行边缘检测和精确定位,较好地还原了图像形状,得到理想边缘信息和精确定位,有效地抑制了噪声干扰,并依据检测结果指导煤矿井下运输系统的安全作业和高效运行。; 蒋道丹; 关键词：输送带机器视觉边缘检测 SOBEL算子

改进多方向Sobel算子的剩余油边缘检测方法被引量：1: 2024年; 为进一步提高剩余油边缘检测的质量和精度,提出一种改进多方向Sobel算子的剩余油边缘检测方法。该方法通过改进双边滤波方法去除微观剩余油分布图像噪声,实现保边去噪的目的;结合Otsu算法使其能自适应获得微观剩余油图像的最佳阈值;在改进的4个方向上依次使用幅度为3×3的Sobel算子计算剩余油图像梯度的幅值和方向;最后利用非极大值抑制算法过滤伪边缘像素点,从而得到最终的剩余油边缘检测图像。实验结果表明,该方法能在去除微观剩余油图像噪声的同时,精确检测出微观剩余油分布图像中的剩余油边缘信息。; 赵娅成璐璐白玉杰杨海序; 关键词：剩余油双边滤波 OTSU SOBEL 算子

基于Sobel算子桥接的双编码器路面裂缝检测网络: 2024年; 为提高道路路面裂缝的检测精度,针对路面裂缝的多态性和噪声复杂等问题,提出了一种基于Sobel算子桥接的双编码器路面裂缝检测网络,双编码器由原图编码和梯度编码两部分组成,以解决单编码器容易丢失梯度信息的问题。首先,原图编码结果通过桥接Sobel算子计算8个方向产生梯度编码的编码信息;然后,将原图编码结果与梯度编码结果通过一个多尺度的边缘信息弥补模块,以增强裂缝的边缘信息;最后,引入动态通道图卷积获得通道之间存在的拓扑关系,以突出重要通道的语义特征。研究结果表明:所提出的方法在DeepCrack、CamCrack789和CFD这3个基准数据集上取得较好的结果;综合指标ODS在DeepCrack、CamCrack789和CFD数据集分别为87.75%、85.05%、78.83%。; 蓝章礼徐元通赵胜薇张洪黄大荣; 关键词：路面裂缝检测 SOBEL算子

基于Sobel算子的板件钢材表面裂纹数字图像识别研究被引量：1: 2024年; 基于钢材表面裂纹颜色深度高于周围临近区域的特点,本文针对采用图像处理的方法对钢材表面裂纹自动识别展开研究。利用Sobel算子对图像边缘进行检测,进而识别出板件钢材的表面裂纹。采用双目立体视觉系统作为图像采集的硬件输入,对获取图像的畸变处理、摄像头的标定具体方法展开分析。在具体算法上,本文将获取的裂纹图像由RGB格式转换为YUV数据,并利用Sobel算子进行卷积计算得到图像梯度,将梯度值进一步进行均方根运算得到像素点灰度值;同时,根据钢材种类、表面特性对裂纹灰度阈值进行多次训练,以得到不同情况下的钢材裂纹判别阈值。将该阈值与计算得到的图像灰度值进行比较,根据比较结果对颜色通道进行赋值进而得到裂纹的像素点。再进一步对黑色像素点进行插值运算,得到连续的钢材裂纹曲线。; 黄秀娟; 关键词：图像识别 SOBEL算子

一种结合Sobel算子与改进形态学算法的边缘检测设计与实现被引量：1: 2024年; 针对使用Sobel算子加传统的腐蚀和膨胀进行边缘检测存在可能会过度腐蚀边缘图像的问题,提出了一种Sobel算子结合改进的腐蚀和膨胀边缘检测的方法.改进的腐蚀和膨胀算法带有一个参数,改变该参数就可以调节腐蚀和膨胀的强度,避免了边缘图像被过度腐蚀和膨胀,基于ZYNQ实现了Sobel算子与改进的形态学算法的边缘检测.测试结果表明:使用改进的腐蚀和膨胀算法对经Sobel算子得到的边缘图像进行二次优化,不仅能够腐蚀脏点,平滑边缘,还能更多地保留边缘像素信息.; 文强强肖顺文王睿冯翠莲; 关键词：SOBEL算子边缘检测

基于标准差加权高斯滤波函数及多方向Sobel算子的感兴趣区域中心子区图像期望清晰度值计算方法: 2024年; 通过将感兴趣区域(ROI)划分为ROI中心子区、次中心子区,以及边缘子区,提出一种ROI中心子区图像期望清晰度值计算方法。将ROI水平与垂直方向划分为多个奇数ROI子区,对于不同的ROI子区采用不同标准差加权的高斯滤波函数进行滤波去噪处理,离ROI中心子区越远的ROI次中心子区与边缘子区,标准差越大,这样在保证ROI中心子区图像清晰度值的同时,又有效地降低ROI边缘子区的清晰度值,为后续计算ROI图像期望清晰度提供可靠数据。更进一步,将传统的二方向3×3 Sobel算子拓展为四方向的5×5 Sobel算子,实现更强的边缘响应以及更好的清晰度曲线。在此基础上,利用现场可编程逻辑门阵列(FPGA)高速图像处理技术实现上述算法,大大减少计算时间。实验结果表明,所提方法可以有效地消除噪声对ROI图像期望清晰度值的影响,并且能够显著减少ROI边缘子区图像的细节信息,从而始终保证ROI中心子区对焦。另外与软件计算相比,FPGA拥有更快的计算速度和更好的实时性,计算速度是软件的130倍。; 张志勇潘宁慧赵廷玉; 关键词：现场可编程门阵列

一种基于UNet网络与Sobel算子的医学影像分割方法: 本发明公开了一种基于UNet网络与Sobel算子的医学影像分割方法，包括获得UNet网络模型与两个Sobel算子，获得至少三百名患者的CT扫描数据，根据CT扫描数据等步骤，通过对三维医学影像数据从不同角度进行投影获取二维...; 张非凡金肖

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈