为了提高图像的边缘检测性能，将蚁群算法引入图像边缘检测。阐述了提取图像边缘特征的方法和蚁群算法的基本原理，提出了一种基于改进的蚁群算法的边缘检测方法。将图像的形态学梯度值作为蚁群的信息激素强度值和启发信息值，使用最大类间方差法获得图像的边缘信息。实验结果表明该算法能成功地提取边缘信息并抑制背景纹理细节，具有较好的检测效果。
2021-03-20 12:29:05
430KB
1
针对图像边缘检测过程中，现有算法存在阈值设定缺乏自适应性、收敛速度较慢、容易陷入局部最优解等问题，通过改进蚁群算法的子块梯度比的求取方式优化算法初始设定，并与扰动因子结合优化蚁群转移规则，再根据蚁群动态情况调整信息素阈值等操作进行组合优化。实验结果表明与现有文献的算法相比，改进后的算法在运算速度上提升2.81%，检测效果上提升12.24%。
2021-03-20 12:27:32
1.91MB
1
本文提出一种彩色图像车牌定位方法(LPLCCED). 首
先利用细胞神经网络(CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融
合到边缘检测算法中, 本专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算
法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现,
2021-03-15 10:28:14
3.01MB
1
图像矩阵[122 68 117
151 115 141
123 153 87]
x方向算子[-1 0 +1
-2 0 +2
-1 0 +1]
y方向算子[+1 +2 +1
0 0 0
-1 -2 -1]
Gx_temp1 = 117 + 141*2 + 87 = 486
Gx_temp2 = 122 + 151*2 + 123 = 547
Gx_data = 547-486 = 61
Gy_temp1 = 122 + 68*2 + 117 = 375
Gy_temp2 = 123 + 153*2 + 87 = 516
Gy_data = 516-375 = 141
Gxy_square = 61 * 61 + 141*141 = 23602
Dim = sqrt(23602) = 153
153 > 30，输出1
2021-03-14 21:29:41
107.98MB
1
支持24位彩色BMP图像的读取，输出，二值化，边缘检测。
包含用VS2019写的整个项目包，可以用 Visual Studio2019直接运行
2021-03-14 10:31:06
2.68MB
1