精锻叶片边缘检测的论文

秦岭 Tsinling Mountains 亦作Ch'in Ling或Qin Ling。横贯中国中部的东西走向山脉。西起甘肃南部，经陕西南部到河南西部，为黄河支流渭河与长江支流嘉陵江、汉水的分水岭。甘肃境内的秦岭西段山势较低，山峰海拔2,000公尺(6,562呎)左右。丛山之间夹有成县、徽县、两当等盆地。嘉陵江上游以东的东秦岭山脉走向为正东西向，褶皱紧密，山体硕大，谷地窄小，山地平均高度2,000∼3,000公尺(6,562∼9,843呎)左右。主峰太白山海拔3,767公尺(12,359呎)，为中国东部超过3,000公尺的少数山峰之一，山顶有古冰川遗迹。秦岭北邻渭河平原，其间有大断裂，为北仰南倾的断块构造。主脊偏居北侧，北坡陡而短，南坡缓而长。水系也不对称。秦岭拥有如此得天独厚的生物资源，原因究竟在哪里呢？这要从秦岭独特的地理位置和鲜明的特点说起。在中国版图正中央，秦岭是自此向东最高的一座山脉，也是惟一呈东西走向的山脉。在地理学家眼里，秦岭是南方和北方的分界线、是长江黄河的分水岭；在动物学家眼里，秦岭将动物区系划分为古北界和东洋界，两类截然不同的动物在这里交会、融合；在气候学家眼里，秦岭是北亚热带和暖温带的过渡地带；在文学家眼里，秦岭和黄河并称为中华民族的父亲山、母亲河，秦岭还被尊为华夏文明的龙脉…… 秦岭北部是渭河，黄河最大的一级支流；南部是汉江，长江最大的一级支流。中国大地上最大也是最重要的两条河流上最大的一级支流，夹裹着这样一座奇特的山脉。更确切地说，是这座博大精深的山脉养育出两条具有非凡意义的河流。因为有秦岭的气候屏障和水源滋养，才会有八百里秦川的风调雨顺，才会有周、秦、汉、唐的绝代风华。中华民族最引以为骄傲的古代文明，确得益于这样一座朴实无华的由巨大花岗岩体构成的山脉。才会有十三朝帝都长安的繁华。美丽的汉中、安康、商洛就坐落在秦岭山中。秦岭——淮河南北比较表地区项目秦岭——淮河以北秦岭——淮河以南纬度位置 32°N～34°N以北 32°N～34°N以南主要地形以平原为主以丘陵为主气候一月平均气温 0℃以下 0℃以上温度带暖温带亚热带年降水量 400mm～800mm之间， 800mm以上，雨季长，降水多，雨季短，降水少，集中于夏季。降水季节变化较小。干湿状况半湿润地区湿润地区河流流量流量较小，季节变化大流量丰富，季节变化小含沙量含沙量多含沙量少汛期汛期短汛期长结冰期冬季结冰冬季不结冰农业耕地类型以旱地为主以水田为主粮食作物以小麦为主以水稻为主油料作物以花生为主以油菜为主糖料作物以甜菜为主以甘蔗为主耕作制度二年三熟至一年两熟一年二熟至一年三熟秦岭淮河一线——我国的南北方分界线我们应该明确秦岭淮河一线的走向，以及它作为我们南北分界线的重要条件是什么。知道这条分界线是哪些地理事物的分界线。首先呢，它之所以成为我国的一条重要地理分界线，肯定是由于这条线两边的景观有差异的原因吧。景观有差异的因素很多，比如气温和降水，还有地形地势等因素。一般的来说，不同区域的差异往往是来自于气候造成的因素更多一些，比如南方降水多，北方降水少，东部临海地区降水多，内陆西部地区降水少等。不多说了，我们可以通过以上介绍来推断，这条线必定是气候的分界线了。由此，我们可以再通过气候的差别来了解秦岭和淮河分界线两边的气温、降水、干湿状况等方面的差异，以及此气候差异下的河流水文特点、农业状况、土壤植被等差异。通过相关的地理图册可以知道，秦岭淮河一线是东西走向的，并且是一月份0度等温线和800毫米年等降水量线的通过地，再加上冬天的时候，秦岭能够阻挡寒潮南下，夏天又能阻挡潮湿的海风进入西北地区，导致这条线的南北地区在气候、河流、植被、土壤、农业等方面存在差异，所以也就理所当然成为我国东部地区重要的分界线了。秦岭和淮河分界线所起到的重要分界作用有： 1、亚热带和暖温带的分界作用。原因：我国一月份0度等温线穿过秦岭淮河一带，一月0度等温线以北的一月平均气温在0度以下，为暖温带。一月0度等温线以南一月的平均气温在0度以上，为亚热带。 2、湿润地区和半湿润地区的分界线。根据降水量的不同区分。 3、河流情况有明显差异的分界线根据两边河流是否有结冰期、汛期、流量大小、含沙量以及航运等差异得出。 4、不同土壤和植被的分界线根据两边植物的不同，如北方以针叶林、落叶阔叶林等为主，南方以常绿阔叶林为主。以及北方黑土为主，南方红土为主等特点得出。 5、农业生产有差异的分界线北方农业以旱地为主，一般是一年一熟或两熟，小麦玉米为主；南方水田为主，一年两熟或三熟，以水稻小麦为主等等差异。秦岭国家植物园位于西安市周至县，距市中心76Km。总规划面积458Km2，其中中心区262Km2,规模为世界第一。秦岭国家植物园总投资概算为亿元，一期工程投资亿元。主要功能是科学研究、科学教育普及、生物多样性保护和生态旅游。编辑本段【湖北美术学院副教授】 1953年生于青海，1982年毕业于上海师范学院艺术系，1986年进修结业于中央美术学院国画系。1991年至今为湖北美术学院中国画系教师。现为湖北美术学院副教授，中国画系副主任，硕士研究生导师，湖北美协中国画艺术会委员。国际造型艺术家协会会员。 1984年作品《故土情》参加“全国青年书画联展”。1984年作品《三姐妹》获青海省文艺作品优秀奖。1991年作品《龙羊之秋》获青海省建党70周年美展二等奖。1991年作品《故土沧桑》在“鲁艺杯”全国大奖赛中获优秀奖。1997年作品《秋染陇山》参加“全国第三届当代山水画展”。1997年作品《鄂西之春》参加在美国举办的“中国湖北名人绘画作品展”。1998年作品《秋水有声》参加“‘中国画研究院’98中国山水画展”。1998年作品《秋染积石峡》参加“湖北省第九届美术作品展获优秀奖。”2001年作品《江河源系列》参加中国百家扇面精品展。2001年作品《河湟岸上千古土》参加全国第四届当代山水画展并获“新世纪中国山水画200家”称号。2001年作品《昆仑月夜》参加中国美协主办的“江山行”画展。作品参加“全国第一、三、四届当代中国山水画展” 、“中国百家扇面精品展”、“今日中国”美术大展、“全国第二届当代中国山水画 .油画风景展” 、 “首届中国写意画展”。作品获“中亨杯”全国书画大展优秀奖、“鲁艺杯”全国大奖赛优秀奖。获“新世纪中国山水画200家”称号作品入选法国巴黎“五月沙龙艺术展”。 2004年一月至三月赴法国巴黎研修考察，同年十一月应以色列巴以伦大学邀请进行学术交流及考察。作品发表于《美术观察》.《国画家》、《美术界》，《江苏画刊》、《荣宝斋》等并出版有“秦岭国画作品优选”画集。编辑本段【中央美术学院壁画系副教授】 (—)北京通县人。擅长壁画、油画。1948年入北平国立艺专，1958年毕业于中央美术学院油画系，后留校任教。中央美术学院壁画系副教授。作品有《北平解放》、《大开发的前夜》、《花果山》等。��编辑本段【中国管理科学院科技传播研究所教授】本名袁清林。林陕西府谷人。中共党员。1967年毕业于北京工业学院化工系。历任解放军某部副班长、文书，团部报道员，中国科学院化学研究所班长、工程组长、技术员，中国科学院环境科学委员会工程师、院环境科学情报网领导小组副组长，中国科协中国科普创作研究所助理研究员，中国科协中国农村致富技术函授大学副校长、校务委员会委员、副教授及教材编委会副主编，中国农村科技杂志社社长、主编，副研究员，中国老科技工作者协会副秘书长，中国管理科学院科技传播研究所教授。著有长篇小说《冰山之角》、《人比黄花瘦》，散文集《大地在呼唤》，科普作品《中国环境保护史话》、《人类童年的牧歌》、《来自环境夏令营的报告》、《科普学引论》、书法作品《行草毛泽东诗词一百首》等。合作主编的“绿色家园丛书”获12届中国图书奖。编辑本段【锦州市美术家协会会员】秦领，1974年生，辽宁义县人。中学美术讲师。现任辽宁省雕塑协会理事，辽宁省美术家协会会员，辽宁省青年美术家协会会员，锦州市美术家协会会员。义县美术家协会副主席兼秘书长。国家教育部颁发 “优秀指导教师”。2007年入编《义县志》1985-2005最高艺术成就。青年油画家秦领1994年毕业于沈阳师范学院艺术分院美术专业。2001年毕业于鲁迅美术学院。 1995年创建“秦领美术工作室”。创作大中型油画/壁画/雕塑，正规辅导初、高中学生美术高考。 2000年受到国家教育部艺术教育委员会“优秀指导教师”称号的表彰。 2007年入编《义县志》文化艺术卷。（1985 — 2005年最高艺术成就）油画作品《生活在并不象我想象的日子里》获全国教师绘画比赛二等奖。油画《我的幸福生活充满了每一天吗？》、《左右为难的啤酒主义者》入选辽宁省美展。雕塑《并不真实的世界》获省一等奖。被收藏作品：巨幅山水画《险峰飞瀑》、中国画《生当作人杰》、油画《苍山如海》。编辑本段【长春市自由蓝天协会会长】秦岭，1986年生，吉林省长春市人。现任自由蓝天协会会长，立自由蓝天协会志于中国的软件发展行业。编辑本段ws-9 秦岭发动机 2007年12月28日，凝聚着中国几代航空人心血与汗水的“秦岭”发动机通过生产定型，标志着我国航空发动机研制跨入一个新的阶段。 “秦岭”发动机由中国一航西安航空发动机(集团)公司主承制。它的生产定型是对研制企业生产过程、工艺流程、质量管理、基础管理及生产能力的一次大检阅，是我国航空发动机生产史上一次重大突破，必将为提高企业的核心竞争力，促进企业持续稳定发展创造更加有利的条件。“秦岭”发动机为中国“飞豹”战机装备了一颗强健的“中国心”，并成为国内批量装备部队的较大推力涡扇发动机，对于提高我军装备水平、促进航空发动机产业发展具有重大的推动作用。中国的航空发动机工业一直是中国航空工业的软肋，当我们还在努力地吃透涡喷发动机技术的时候，世界航空发动机已经进入了涡扇时代。国家经过反复权衡，中国航空界决定上马涡扇发动机。这是一段艰难的历程，涡扇发动机的难度.复杂性远远超过涡喷发动机。工程费时费力，进展缓慢，从20世纪60年代一直拖到80年代。虽然也研制成功涡扇5、涡扇6等型号发动机，但因种种原因，终于未投入批生产。发展航空工业，极为重要的一条，就是优先发展航空发动机工业。航空发动机是飞机的“心脏”，它的技术性能和结构关系飞机的战术技术性能、可靠性和经济性。各种类型的航空发动机都要在高温、高压、高转速、高负荷的苛刻条件下长时间地反复工作，同时还要求它重量轻、体积小、使用安全可靠.经济性好。同时提出的多种性能要求和极端的工作条件，迫使各种型号的航空发动机必须设计精巧，加工精密，使用高性能的材料和成品附件。发动机综合了多学科和多种专业技术成果，技术难度大，研制周期长，耗资多。它当之无愧地代表了一个国家的工业和科技最高水平。环顾世界，也只有美、俄罗斯、英、法等少数工业发达国家。才能独立地研制和发展先进的航空发动机。中国航空发动机的老师是前苏联。从技术角度讲，苏联的发动机在一些方面不如美国。它们通常体积较大，制造较粗糙，使用寿命较短，耗油率较高。中国仿制的航空发动机一些性能指标还低于前苏联。 20世纪60年代初，我国航空发动机对外引进中断，自行研制接续不上，造成现役的发动机性能日益落后。更由于“文化大革命”的破坏，不断发生等级事故，成千上万台发动机返厂排故，空、海军和援外飞机频频告急。1971年12月，周恩来总理彻夜召开航空产品质量座谈会，一语破的。他指出：空军的关键在飞机，飞机的关键在发动机，“心脏不好”，问题不解决，何以打仗，何以援外!并当场同意从英国罗一罗公司进口一批民用斯贝发动机。从中国航空工业创建以来，西方先进的军用航空技术一直对我严密封锁。60年代，航空工业谋划测绘仿制民用斯贝，再改型为军用型，由于封锁禁运，未得进行。1972年，英国同意向我国单独出售民用斯贝发动机。1973年7月17日，英方又约见我驻英大使，表示以授权罗一罗公司，谈判向我出售军用斯贝发动机。8月2日，叶剑英副主席在听取有关汇报时，明确指出，英国同意向我卖军用斯贝技术，是好事情。我们主要是把技术买到手，同时要利用斯贝，突破英、美在军用技术方面对我们的封锁。在此前后，周总理、叶副主席、李先念副总理等多次听取汇报，多次做出批示、直接过问、决策引进斯贝发动机。1974 年“批林批孔'’运动中，江清一伙制造了“风庆轮事件”，“蜗牛事件”。引进斯贝一时也成了轰动的“政治问题”，被批判为“卖国主义”、“爬行哲学”。王洪文更是跳出来横加干涉，对不同意引进斯贝的信件批示“应当重视”。当时三机部的主要领导也向中央提出了《关于不买斯贝发动机的报告》。沧海横流，方显英雄本色。5月11日，叶副主席毅然批示：“我的意见，不可不买，不可多买”，“目的是引进国外技术，促进自己发展。”李先念副总理批示“我看对”，“两条腿走路比一条腿好”(指引进和自行研制)。1975年6月，他们又分别批示：“我同意引进新技术，加速我国飞机工业发展。”“这一件事情是我和剑英同志提议的……因英国的飞机发动机的制造和质量还是有可取之处的。”正是他们顶住“四人帮”的干扰和施压，以打破封锁，坚持引进先进技术。提高我国航空发动机发展起点的胆略和远见卓识，才使引进斯贝得以进行。斯贝是英国著名发动机厂家罗尔斯一罗伊斯在20世纪60年代研制并生产的系列涡轮风扇发动机。其民用型斯贝MK511用于“三叉戟”客机，我国曾批量购买，质量好。从民用型发展的斯贝MK202军用型涡扇发动机，曾被用于换装英国购自美国的F-4“鬼怪”式战斗机。因其技术先进可靠，美国又引进英国斯贝技术，改型后用于A—7攻击机。斯贝MK202军用型发动机加力比大，耗油率较低，使用寿命长，压气机的喘振裕度大，各种工作状态下部件的效率高，工作可靠，装有抽气系统控制襟翼，可改善飞机的起飞着陆性能。但它毕竟是60年代末的产品，也是第一代带加力燃烧室的涡扇发动机。存在这结构复杂，推重比较低，高空性能差等缺点。 1975年8月，中英双方进行实质性谈判，1975年12月13日，签订了中国引进英国斯贝发动机专利合同，合同金额5亿英镑。斯贝发动机，中国型号定名涡扇9，定点西安发动机厂试制生产。在试制生产中，国家给予了高度重视，王震副总理就曾3次到厂检查督促。航空部副部长莫文祥带队蹲点，陕西许多厂、所、大专院校多方协作。除使用进口原材料外，国家专门安排了金属材料、非金属材料、成品附件和大型锻件的国产国制化工作。对于有关技术改造和国产化等，国家；拨给了专项资金。做出了相应的部署。西安航空发动机厂于1976年展开试制工作，全体职工全力以赴。先后完成了42万份技术资料的翻译复制。3万余项工艺装备的设计和制造，攻克了钛合金热成型技术等76项技术关键。经过3年多的努力，1979年7月25日第一台使用英国毛料制造的零组件，罗尔斯一罗伊斯购件和附件的涡扇9完成装配。1979年下半年，分两批装出了4台发动机。同年11月1 3日，由中英双方共同在中国完成了150小时持久试车考核。1980年2月至5月，中国制造的两台涡扇9发动机和两套部件又在英国完成了高空模拟试车，零下40摄氏度条件下起动试车，以及5大部件的循环疲劳强度试验，结果都符合技术要求。1980年5月30日，中英双方代表签署了中国涡扇9发动机考核成功的文件。按计划，当时应该接着进行国产毛料试制，但由于当时国民经济调整，使涡扇9国产化进度拖后，1983年才取得初步进展。压缩机叶片的铸造技术到1988年才得以突破。国产涡扇9最大加力推力9305千克，最大军用推力5557千克，中间状态推力4692千克，最大连续推力4692千克，最大军用耗油率千克／时，最大加力耗油率2。0千克／千克／时，推重比，空气流量千克／秒，涵道比，总增压比20，涡轮前温度1167摄氏度，直径毫米，最大长度5205毫米(喷口全张开)。从数据来看，涡扇9的推力固然无法与AL-31等先进发动机相比。但以当时的技术水平已经相当不错了。尤其耗油率则远远优于当时国内的涡喷发动机，使得“飞豹”的航程得到了保证。但要真正实现全面的国产化还有相当长的路要走。由于斯贝发动机最终被选作“飞豹”的发动机，为配合“飞豹”的生产很快就将引进的40多台发动机耗尽，其中至少有2台发动机由于存放过久，保养不利而被废弃。同时由于无法实现完全的国产化，使得“飞豹”的生产也限于停顿之中。为保证歼“飞豹”的生产，我国被迫从英国引进了一批早已封存多年的斯贝涡扇发动机并试图与英国恢复合作制造。在2003年7月17日，国产化涡扇9终于通过国产化工程技术鉴定，获准投入批量生产。实现全国产的涡扇9被命名为“秦岭”。于是乎，涡扇9发动机经过近30年奋斗。终于实现了国产化。涡扇9发动机的制造成功，使中国有了一台推力适中的涡轮风扇发动机，填补了空白，并有效提高了自行研制的水平和能力。由于斯贝机结构复杂、叶片多、精密件多、薄壁焊接件多，复杂形状的管件多、难加工的材料多。涡扇9制造过程中引进了电解加工、电子束焊、实验室控制、检测和测量、精铸、精锻等70年代水平的新工艺、新技术。涡扇9零件和工艺装备的加工，精度普遍比国内原产机种高一级以上。通过试制，发动机厂掌握了金属喷涂、真空热处理、管子轨迹焊、真空钎焊、数控弯管、大型机匣电解加工等13项具有当时世界先进水平的先进技术。还有软阴阳模成型、蠕动磨削等46项达到国内最先进水平的工艺技术。同时，国内冶金、材料、化工、机械等工业的技术水平也相应得到了提高，从而较大幅度缩短了整个发动机制造技术与世界先进水平的差距。而且斯贝的引进还为航空工业迎接新时期的改革开放，引进国外先进技术，开展技术合作与交流，提高发动机及配套产品技术水平开了个好头。还应提到，通过试制、改造和提升成功培育壮大了一个现代化航空发动机厂。西安发动机厂旧貌换新颜，添置了700多台国内外先进设备，自己制造了23台套。其中各型数控设备26台，在当时率先形成了从编程、调整、加工到检验的成套力量，精锻、精铸生产线的设备和工艺在国内也是一流的。 1981年起，陕西省国防科工委先后在军工系统和其他部门、行业的100多个单位。组织学习推广斯贝技术中的机械加工、热处理、无损探伤等42项新工艺、新技术。后来，国务院又指示在全国有组织、有计划、有步骤地推广和移植斯贝技术。前后召开了4次大型推广会议，组织了161场技术报告会。编印斯贝技术资料专辑12期，并为150个单位培养了2000余名推广应用斯贝技术的业务骨干。“斯贝技术”和“斯贝人”，促进许多单位解决了技术难题，促进了生产和科研，斯贝成了一所高技术学校。反思历史，斯贝引进之后教训也是深刻的。斯贝引进之前，按规划由沈阳黎明航空发动机公司负责仿制，不料，反对引进最力的正是该厂职工，因为该厂当时正自行研制涡扇6型发动机。他们担心引进斯贝将冲击原有工作，于是到处陈情喊冤。航空主管部门在压力之下，被迫改派西安飞机工业公司承接任务，造成沈飞和西飞两公司各司其事，技术难以消化，最后谁也没搞成像样的发动机。斯贝引进之后，配装的飞机又长期争论不休、举棋不定、延误了时机，致使当时属于先进的发动机空白了少年头，不再是第一流水平。而且按合同够入的40多台发动机，长期停放在仓库里，不只白白积压了大量资金。还耗资维护；国家花费10多亿元引进的设备、形成的技术力量，也因斯贝长期“嫁不出去”而未充分发挥作用。从技术本身来说，当年中国从英国引进军用发动机，虽属不易，但终究未取得原始设计的计算资料。按合约，英国向中方转让生产斯贝的许可权和技术资料，提供全部的装配和零件图纸，工艺规程，以及各种技术规范和说明书与工装图纸，并派遣专家提供技术援助。但这一切，不包括英方发展该发动机过程中的设计经验，英方也不派遣任何一位发动机的设计专家到我国接受咨询。英方称之。可以卖产品，可以卖技术，就是不卖“脑袋”，原创设计之重要，可见一斑。而此原则，不会随中欧交往逐年密切而改变。斯贝国产化尽展缓慢；在消化、吸收的基础上，借鉴，创新虽做了一些工作。但不尽如人意。事隔十余年后，斯贝的提供使用和国产化有了重大转折，这是久已企盼的。它成为了“飞豹”的动力。推动着祖国航空事业有向前迈进了一步。虽然时至今日，涡扇9终于完成国人制造，可这一过程却长达30年。在“飞豹”的服役过程中必然还要面临更换发动机的问题，继续的改进也需要发动机的支持。虽然涡扇9还有一定的改进潜力，可毕竟是以第一代涡扇发动机为蓝本设计的，所以更换发动机也就成了“飞豹”所必须面临的问题。

图像的边缘检测论文

（部分）张冬至，胡国清，夏伯锴，基于模态辨识的原油含水率智能组合测量模型[J]，华南理工大学学报，2009， , pp73~78郭强,吕浩杰,胡国清.新型接触式电容压力传感器[J].仪表技术与传感器,2008, .黄玉程; 胡国清; 吴雄英; 刘文艳; 人脸图像边缘检测的方法研究和应用[J], 计算机工程, Vol. 32, Sep. 20, 2006, pp: 220-221, （EI收录）黄玉程，胡国清，吴雄英，刘文艳，人脸识别系统中图像噪声去除方法研究[J]，微型计算机信息，Vol. 12, 2005, pp: 187~189, 40.胡国清，刘文艳，工程控制理论[M]，北京，机械工业出版社，2004, 3陈广文, 许高攀，胡国清，静电式微开关硅悬臂梁的变形分析[J]，传感技术，2001年20卷第12期，pp29~31许高攀，陈广文，胡国清, 微机电系统(MEMS)技术及其动态[J]。压电与声光，. pp: 34~37高攀，陈广文，胡国清，双面接触电容压力传感器的设计及制造工艺流程[J]，仪表技术与传感器，2001年， , PP33~35刘文艳，胡国清，陶瓷液压阀的应力计算及分析[J]，机械工程学报 2000, PP: 44~47 (EI 收录)胡国清, 机电控制工程基础与应用[M](专著46万字, 独立撰写), 机械工业出版社, 1997年8月.胡国清等，张光函，吴持恭，SIMPLE方法的改进[J]，四川联合大学学报, , , 1997，pp: 72~75; (EI 收录)胡国清等，张光函，吴持恭，混合充分法研究[J], 四川联合大学学报, , , 1997, pp: 61~63 (EI 收录)胡国清，张光函，吴持恭，LDA和k¾e紊流模型研究液压集成块流流场[J], 成都科技大学学报1996, , pp: 64~71, (EI 收录)

图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。我整理了图像分割技术论文，欢迎阅读!

图像分割技术研究

摘要：图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。本文介绍了基于阈值的分割方法和图像分割的图像分割性能的评价、应用现状;最后总结出图像分割的发展趋势。

关键词：图像分割、阈值、边缘检测、区域分割

中图分类号：文献标识码： A

1引言

随着图像分割技术研究的深入，其应用日趋广泛。凡属需要对图像目标进行提取、测量的工作都离不开图像分割。图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割结果的好坏直接影响对计算机视觉中的图像理解。现有的方法多是为特定应用设计的，有很大的针对性和局限性，到目前为止还不存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，对图像分割的研究目前还缺乏一个统一的理论体系，使得图像分割的研究仍然是一个极富有挑战性的课题。

2图像分割方法

图像分割(Image Segmentation)，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等。而任何相邻区域之间其性质具有明显的区别。

基于灰度特征的阈值分割方法

阈值分割技术是经典的、流行的图象分割方法之一，它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个物体。

这类方法主要包括以下几种：

(1)单阈值法，用一个全局阈值区分背景和目标。当一幅图像的直方图具有明显的双峰时，选择两峰之间的谷底作为阈值。

(2)双阈值法，用两个阈值区分背景和目标。通过设置两个阈值，以防单阈值设置阈值过高或过低，把目标像素误归为背景像素，或把背景像素误归为目标像素。

(3)多阈值法，当存在照明不均，突发噪声等因素或背景灰度变化较大时，整幅图像不存在合适的单一阈值，单一阈值不能兼顾图像不同区域的具体情况，这时可将图像分块处理，对每一块设一个阈值。

边缘检测分割法

基于边缘检测技术可以按照处理的顺序分为并行边缘检测和串行边缘检测两大类。常见的边缘检测方法有：差分法、模板匹配法及统计方法等。由于边缘灰度变化规律一般体现为阶梯状或者脉冲状。边缘与差分值的关系可以归纳为两种情况，其一是边缘发生在差分最大值或者最小值处;其二是边缘发生在过零处。

基于区域的分割方法

基于区域的分割方法利用的是图像的空间性质。该方法认为分割出来的某一区域具有相似的性质。常用的方法有区域生长法和区域分裂合并法。该类方法对含有复杂场景或自然景物等先验知识不足的图像进行分割，效果较好。

区域生长方法是把一幅图像分成许多小区域开始的，这些初始的小区域可能是小的邻域甚至是单个像素，在每个区域中，通过计算能反映一个物体内像素一致性的特征，作为区域合并的判断标准。区域合并的第一步是赋给每个区域一组参数，即特征。接下来对相邻区域的所有边界进行考查，如果给定边界两侧的特征值差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。没有可以消除的弱边界时，区域合并过程结束，图像分割也就完成。

结合特定工具的图像分割技术

20世纪80年代末以来，随着一些特殊理论的出现及其成熟，如数学形态学、分形理论、模糊数学、小波分析、模式识别、遗传算法等，大量学者致力于将新的概念、新的方法用于图像分割，有效地改善了分割效果。产生了不少新的分割算法。下面对这些算法做一些简单的概括。

基于数学形态学的分割算法

分水岭算法是一种经典的借鉴了数学形态理论的分割方法。该方法中，将一幅图像比为一个具有不同高度值的地形，高灰度值处被认为是山脊，底灰度值处被认为是山谷，将一滴水从任一点流下，它会朝地势底的地方流动，最终聚于某一局部最底点，最后所有的水滴会分聚在不同的吸引盆地，由此，相应的图像就被分割成若干部分。分水岭算法具有运算简单、性能优良，能够较好提取运动对象轮廓、准确得到运动物体边缘的优点。但分割时需要梯度信息，对噪声较敏感。

基于模糊数学的分割算法

目前，模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方法相结合，形成一系列的集成模糊分割技术，例如模糊聚类、模糊阈值、模糊边缘检测技术等。

这类方法主要有广义模糊算子与模糊阈值法两种分割算法。

(1)广义模糊算子在广义模糊集合的范围内对图像处理，使真正的边缘处于较低灰度级，但还有一些不是边缘的像素点的灰度也在较低灰度级中，虽然算法的计算简明，且边缘细腻，但得到的边缘图会出现断线问题。

(2)模糊阈值法引入灰度图像的模糊数学描述，通过计算图像的模糊熵来选取图像的分割阈值，后用阈值法处理图像得到边界。

基于遗传算法的分割方法

此算法是受生物进化论思想提出的一种优化问题的解决方法，它使用参数编码集而不是参数本身，通过模拟进化，以适者生存的策略搜索函数的解空间，它是在点群中而不是在单点进行寻优。遗传算法在求解过程中使用随机转换规则而不是确定性规则来工作，它唯一需要的信息是适应值，通过对群体进行简单的复制、杂交、变异作用完成搜索过程。由于此法能进行能量函数全局最小优化搜索，且可以降低搜索空间维数，降低算法对模板初始位置的敏感，计算时间也大为减少。其缺点是容易收敛于局部最优。

基于神经网络分割算法

人工神经网络具有自组织、自学习、自适应的性能和非常强的非线性映射能力，适合解决背景知识不清楚、推理规则不明确和比较复杂的分类问题，因而也适合解决比较复杂的图像分割问题。原则上讲，大部分分割方法都可用 ANN(attificial neural network)实现。ANN 用于分割的研究起步较晚，只有多层前馈NN，多层误差反传(BP)NN，自组织NN，Hopfield NN以及满足约束的NN(CSNN-Const raint Satisfaction Neurat Network)等得到了应用。使用一个多层前向神经网络用于图象分割，输入层神经元的数目取决于输入特征数，而输出层神经元的数目等同于分类的数目。

图像分割中的其他方法

前面介绍了4大类图像分割较常用的方法，有关图像分割方法和文献很多，新方法不断产生，这些方法有的只对特定的情形有效，有的综合了几种方法，放在一起统称为第5类。

(1)标号法(labeling)是一种基于统计学的方法，这种方法将图像欲分割成的几个区域各以一个不同的标号来表示，用一定的方式对图像中的每一个像素赋以标号，标号相同的像素就合并成该标号所代表的区域。

(2)基于Snak模型的分割方法，基于Snake模型的分割是通过对能量函数的动态优化来逼近图像目标的真实轮廓的

(3)纹理分割，由于新的数学工具的引入，纹理分割技术取得了一些进展，张蓬等人将小波分析应用于纹理基元提取。

(4)基于知识的图像分割方法，直接建立在先验知识的基础上，使分割更符合实际图像的特点。该方法的难度在于知识的正确合理的表示与利用。

3图像分割性能的评价

图像分割评价主要有两个方面的内容：一是研究各分割算法在不同情况下的表现，掌握如何选择和控制其参数设置，以适应不同需要。二是分析多个分割算法在分割同一图像时的性能，比较优劣，以便在实际应用中选取合适的算法。分割评价方法分为分析法和实验法两大类。分析法是直接分析分割算法本身的原理及性能，而实验法是通过对测试图像的分割结果来评价算法的。两种方法各有优劣，由于缺乏可靠理论依据，并非所有分割算法都能够通过分析法分析其性能。每种评价方法都是出于某种考虑而提出来的，不同的评价方法只能反映分割算法性能的某一性能。另一方面，每一种分割算法的性能是由多种因素决定的，因此，有可能需要多种准则来综合评价。

4图像分割技术的发展趋势

随着神经网络、遗传算法、统计学理论、小波理论以及分形理论等在图像分割中的广泛应用，图像分割技术呈现出以下的发展趋势：(1)多种特征的融合。(2)多种分割方法的结合。(3)新理论与新方法。

参考文献

[1] [美]RC冈萨雷斯.数字图像处理(第二版)[M].阮秋琦，等译.北京：电子工业出版社，2003

[2] 章毓晋.图像分割[M].北京：科学出版社，2001.

[3] 李弼程，彭天强，彭波等.智能图像处理技术[M].北京：电子工业出版社，2004.

[4] 杨晖，曲秀杰.图像分割方法综述[J].电脑开发与应用。2005，18(3)：21-23.

点击下页还有更多>>>图像分割技术论文

本教程将教你如何：（ 1 ）实施图像边缘检测算法。导言边的特点，因此，边界问题，根本的重要性在图像处理中。在图像的边缘地区，强度强的反差？猛增强度从一个像素的下一个。边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么您要检测的边缘。图像边缘检测算法是众所周知的许多人视为最佳边缘检测。精明的意图是要加强许多边缘探测器已经在的时候，他开始了他的工作。他很成功地实现他的目标和他的思想和方法中可以找到他的论文“计算方法的边缘检测” 。在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。第一个也是最明显的错误率低。重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。第三个标准是，只有一个回应单一优势。这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。根据这些标准，图像边缘检测器的第一个平滑的图像，以消除和噪音。然后认定的形象，以突出地区梯度高空间衍生物。该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（非最大限度制止）。梯度阵列现在进一步减少滞后。磁滞用来追踪沿其余像素，但没有压制。磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ）。如果是规模以上的高门槛，这是一个优势。如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。第1步为了落实图像边缘检测算法，一系列步骤必须遵循。第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。阿卷积掩模通常远远小于实际的形象。因此，该面具是下跌的形象，操纵一个正方形像素的时间。较大的宽度高斯面具，较低的是探测器的敏感性噪音。定位误差检测边缘也略有增加的高斯宽度增加。高斯遮罩使用我在执行下面显示。第2步经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。的Sobel算子进行二维空间梯度测量的形象。然后，大约绝对梯度幅度（边缘强度）各点可以找到。 Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行）。它们如下所示：的规模，或EDGE强度，梯度近似然后使用公式： | G | = | GX的| + |戈瑞| 第3步寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。然而，你会产生错误时sumX等于零。因此，在代码中必须有一个限制规定只要发生。每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。如果青的值为零，边缘方向将等于0度。否则边缘方向将等于90度。公式为寻找边缘方向是：论旨= invtan （戈瑞/ GX的）第4步一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x 1 x x x x x x x x x x x x 然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度（水平方向）， 45度（沿积极对角线）， 90度（垂直方向），或135度（沿负对角线）。所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度）。认为这是采取了半圆形和分裂成5个地区。因此，任何先进的方向范围内的黄色范围（ 0至5月22日＆至180度）设置为0度。任何先进的方向下滑的绿色范围（至度）设置为45度。任何先进的方向下滑的蓝色范围（至度）设置为90度。最后，任何先进的方向范围内的红色范围（到度）设置为135度。第5步在被称为边缘方向，非最大限度制止目前适用。非最大限度抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将让细线在输出图像。第6步最后，滞后是用来作为一种手段，消除条纹。裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将先进的情况下，逢低低于阈值。同样它也将延长超过阈值决策的优势看起来像一个虚线。为了避免这种情况，滞后使用2的门槛，高和低。任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。

边缘检测相关论文

Canny边缘检测教程 Author: Bill Green (2002) 作者：比尔绿色（ 2002 ） HOME EMAIL 主页电子邮件 This tutorial assumes the reader: 本教程假定读者： (1) Knows how to develop source code to read raster data （ 1 ）知道如何发展的源代码阅读栅格数据 (2) Has already read my Sobel edge detection tutorial （ 2 ）已经阅读我Sobel边缘检测教程 This tutorial will teach you how to:本教程将教你如何： (1) Implement the Canny edge detection algorithm. （ 1 ）实施Canny边缘检测算法。 INTRODUCTION 导言 Edges characterize boundaries and are therefore a problem of fundamental importance in image processing.边的特点，因此，边界问题，根本的重要性在图像处理中。 Edges in images are areas with strong intensity contrasts – a jump in intensity from one pixel to the next.在图像的边缘地区，强度强的反差-一个跳转的强度从一个像素的下一个。 Edge detecting an image significantly reduces the amount of data and filters out useless information, while preserving the important structural properties in an image. This was also stated in my Sobel and Laplace edge detection tutorial, but I just wanted reemphasize the point of why you would want to detect edges.边缘检测的图像大大减少了大量的数据，并过滤掉无用的信息，同时保持重要的结构性能的形象。这也是我在索贝尔和拉普拉斯边缘检测教程，但我只是想再次强调这一点的，为什么你会要检测的边缘。 The Canny edge detection algorithm is known to many as the optimal edge detector. Canny's intentions were to enhance the many edge detectors already out at the time he started his work.的Canny边缘检测算法是众所周知的许多人视为最佳边缘检测。坎尼的意图是要加强许多先进的探测器已经在的时候，他开始他的工作。 He was very successful in achieving his goal and his ideas and methods can be found in his paper, " A Computational Approach to Edge Detection ".他很成功地实现他的目标和他的思想和方法中可以找到他的论文“ 计算方法的边缘检测 ” 。 In his paper, he followed a list of criteria to improve current methods of edge detection.在他的文件中，他遵循的标准清单，以改善目前的边缘检测方法。 The first and most obvious is low error rate.第一个也是最明显的错误率低。 It is important that edges occuring in images should not be missed and that there be NO responses to non-edges.重要的是，发生在图像边缘不应错过的，没有任何反应，非边缘。 The second criterion is that the edge points be well localized. In other words, the distance between the edge pixels as found by the detector and the actual edge is to be at a minimum.第二个标准是，边缘点很好地本地化。换言之，之间的距离边缘像素作为探测器发现和实际边缘要在最低限度。 A third criterion is to have only one response to a single edge.第三个标准是，只有一个回应单一优势。 This was implemented because the first 2 were not substantial enough to completely eliminate the possibility of multiple responses to an edge.这是第一次实施，因为并没有实质性的2足以完全消除的可能性，多反应的优势。 Based on these criteria, the canny edge detector first smoothes the image to eliminate and noise.根据这些标准， Canny边缘检测器的第一个平滑的图像，以消除和噪音。 It then finds the image gradient to highlight regions with high spatial derivatives.然后认定的形象，以突出地区梯度高空间衍生物。 The algorithm then tracks along these regions and suppresses any pixel that is not at the maximum (nonmaximum suppression).该算法然后轨道沿着这些地区和抑制任何像素这不是在最高（ nonmaximum制止）。 The gradient array is now further reduced by hysteresis.梯度阵列现在进一步减少滞后。 Hysteresis is used to track along the remaining pixels that have not been suppressed.磁滞用来追踪沿其余像素，但没有压制。 Hysteresis uses two thresholds and if the magnitude is below the first threshold, it is set to zero (made a nonedge).磁滞使用两个阈值，如果规模低于第一道门槛，这是设置为零（发了nonedge ）。 If the magnitude is above the high threshold, it is made an edge.如果是规模以上的高门槛，这是一个优势。 And if the magnitude is between the 2 thresholds, then it is set to zero unless there is a path from this pixel to a pixel with a gradient above T2.如果震级之间的2阈值，那么它设置为零，除非有一条从这个像素一个像素的梯度上述时刻。 Step 1 第1步 In order to implement the canny edge detector algorithm, a series of steps must be followed.为了落实Canny边缘检测算法，一系列步骤必须遵循。 The first step is to filter out any noise in the original image before trying to locate and detect any edges.第一步是筛选出任何噪音的原始图像在寻找和发现任何边缘。 And because the Gaussian filter can be computed using a simple mask, it is used exclusively in the Canny algorithm.而且因为高斯滤波器可以用一个简单的计算面具，它是专门用于在Canny算法。 Once a suitable mask has been calculated, the Gaussian smoothing can be performed using standard convolution methods.一旦合适的面罩已计算，高斯平滑可以用标准的卷积方法。 A convolution mask is usually much smaller than the actual image.阿卷积掩模通常远远小于实际的形象。 As a result, the mask is slid over the image, manipulating a square of pixels at a time. The larger the width of the Gaussian mask, the lower is the detector's sensitivity to noise .因此，该面具是下跌的形象，操纵一个正方形的像素上。较大的宽度高斯面具，较低的是探测器的敏感性噪音。 The localization error in the detected edges also increases slightly as the Gaussian width is increased.定位误差检测边缘也略有增加的高斯宽度增加。 The Gaussian mask used in my implementation is shown below.高斯遮罩使用我在执行下面显示。 Step 2 第2步 After smoothing the image and eliminating the noise, the next step is to find the edge strength by taking the gradient of the image.经过平滑的形象，消除噪音，下一步就是要找到优势兵力，采取梯度的形象。 The Sobel operator performs a 2-D spatial gradient measurement on an image.的Sobel算子进行二维空间梯度测量的形象。 Then, the approximate absolute gradient magnitude (edge strength) at each point can be found.然后，大约绝对梯度幅度（边缘强度）各点可以找到。 The Sobel operator uses a pair of 3x3 convolution masks, one estimating the gradient in the x-direction (columns) and the other estimating the gradient in the y-direction (rows). Sobel算子的使用对3x3卷积口罩，一个梯度估计在X方向（栏）和其他的梯度估计的Y方向（行）。 They are shown below:它们如下所示： The magnitude, or EDGE STRENGTH, of the gradient is then approximated using the formula:的规模，或EDGE强度，梯度近似然后使用公式： |G| = |Gx| + |Gy| | G | = | GX的| + |戈瑞| Step 3 第3步 Finding the edge direction is trivial once the gradient in the x and y directions are known.寻找边缘方向是小事，一旦梯度在X和Y方向是众所周知的。 However, you will generate an error whenever sumX is equal to zero.然而，你会产生错误时sumX等于零。 So in the code there has to be a restriction set whenever this takes place.因此，在代码中必须有一个限制规定只要发生。 Whenever the gradient in the x direction is equal to zero, the edge direction has to be equal to 90 degrees or 0 degrees, depending on what the value of the gradient in the y-direction is equal to.每当梯度在x方向等于零，边缘的方向，必须等于90度或0度，取决于什么的价值梯度的Y方向等于。 If GY has a value of zero, the edge direction will equal 0 degrees.如果青的值为零，边缘方向将等于0度。 Otherwise the edge direction will equal 90 degrees.否则边缘方向将等于90度。 The formula for finding the edge direction is just:公式为寻找边缘方向是： theta = invtan (Gy / Gx)论旨= invtan （戈瑞/ GX的） Step 4 第4步 Once the edge direction is known, the next step is to relate the edge direction to a direction that can be traced in an image.一旦边缘方向众所周知，下一步是与边缘方向为方向，可以追溯到在一个图像。 So if the pixels of a 5x5 image are aligned as follows:因此，如果一个5x5像素图像对齐如下： x x x x x x x x x x x x x x x x x x x x x x a x x x x 1 x x x x x x x x x x x x x x x x x x x x x x Then, it can be seen by looking at pixel " a ", there are only four possible directions when describing the surrounding pixels - 0 degrees (in the horizontal direction), 45 degrees (along the positive diagonal), 90 degrees (in the vertical direction), or 135 degrees (along the negative diagonal).然后，可以看到看像素的“ A ” ，只有4个可能的方向时，描述了周围的像素- 0度（水平方向）， 45度（沿积极对角线）， 90度（垂直方向），或135度（沿负对角线）。 So now the edge orientation has to be resolved into one of these four directions depending on which direction it is closest to (eg if the orientation angle is found to be 3 degrees, make it zero degrees).所以，现在的边缘方向已经得到解决纳入其中四个方向取决于哪个方向，它是最接近于（如角被发现有3度，使零摄氏度）。 Think of this as taking a semicircle and dividing it into 5 regions.认为这是采取了半圆形和分裂成5个地区。 Therefore, any edge direction falling within the yellow range (0 to & to 180 degrees) is set to 0 degrees.因此，任何先进的方向范围内的黄色范围（ 0至5月22日＆至180度）设置为0度。 Any edge direction falling in the green range ( to degrees) is set to 45 degrees. Any edge direction falling in the blue range ( to degrees) is set to 90 degrees.任何先进的方向下滑的绿色范围（至度）设置为45度。任何优势的方向下滑的蓝色范围（至度）设置为90度。 And finally, any edge direction falling within the red range ( to degrees) is set to 135 degrees.最后，任何先进的方向范围内的红色范围（到度）设置为135度。 Step 5 第5步 After the edge directions are known, nonmaximum suppression now has to be applied. Nonmaximum suppression is used to trace along the edge in the edge direction and suppress any pixel value (sets it equal to 0) that is not considered to be an edge. This will give a thin line in the output image.在被称为边缘方向， nonmaximum抑制现在必须适用。 Nonmaximum抑制是用来追踪沿边缘方向和制止任何像素值（套等于0 ）这是不被认为是优势。这将给细线的输出图像。 Step 6 第6步 Finally, hysteresis is used as a means of eliminating streaking.最后，滞后是用来作为一种手段，消除条纹。 Streaking is the breaking up of an edge contour caused by the operator output fluctuating above and below the threshold.裸奔是打破的边缘轮廓线的经营者造成的产量波动上面和下面的门槛。 If a single threshold, T1 is applied to an image, and an edge has an average strength equal to T1, then due to noise, there will be instances where the edge dips below the threshold.如果一个门槛， T1讯号适用于图像，并具有优势的平均强度相等的T1 ，然后由于噪声，将有情况下，边逢低低于阈值。 Equally it will also extend above the threshold making an edge look like a dashed line.同样它也将延长超过阈值决策的优势看起来像一个虚线。 To avoid this, hysteresis uses 2 thresholds, a high and a low.为了避免这种情况，滞后使用2的门槛，高和低。 Any pixel in the image that has a value greater than T1 is presumed to be an edge pixel, and is marked as such immediately.任何像素的图像，其值大于表＃ t1推定为边缘像素，并标示为这种立即。 Then, any pixels that are connected to this edge pixel and that have a value greater than T2 are also selected as edge pixels.然后，任何像素连接到这个边缘像素，并有一个值大于时刻还选定为边缘像素。 If you think of following an edge, you need a gradient of T2 to start but you don't stop till you hit a gradient below T1.如果您认为以下的优势，您需要一个梯度的时刻开始，但你不停止直到触及梯度低于表＃ t1 。 You are visitor number: 你是第位访客人数：

HED 论文： Holistically-Nested Edge Detection HED（Holistically-Nested Edge Detection）是一个端到端的边缘检测网络，特点是提取不同尺度的特征，和多输出的多监督及融合。 HED 在产业上应用比较广泛。 Holistic：指该方法的预测和训练都是端到端的；Neted：指通过多层级的输出，渐进地优化最终结果。作者的命名逻辑... 看这篇边缘检测的论文主要是想知道边缘检测的损失函数应该怎么设计。我本来的想法是直接像语义分割一样，用 IoU ，后来想想不对，如果一个边缘检测结果是 GT 平移了几个像素，那它仍可称得上好，但它的 IoU 却会骤降至和随机结果差不了多少。如果对边缘检测问题用 IoU 做优化对象，恐怕在优化时根本找不到可以下降的梯度方向。边缘检测的任务是提取图像内每个对象的边界，而排除对象的纹理。HED 被设计以解决两个问题：（1）对图像整体的训练和预测，End-to-end；（2）多尺度的特征提取。端到端很容易实现，因为边缘检测任务的输入和输出都是一张图片，只是通道数不同，很明显可以应用一个全卷积的网络来实现。HED 的骨干网络采用 VGG，并将 VGG 后面的全连接层结构全部移除，只保留卷积层。一些曾被应用过或正在被应用的多尺度特征提取方法。 (a) 多通路并行网络，通过不同的网络深度得到不同的感受野，输出聚合在一起； (b) 跳线连接，将来自不同卷积层的输出通过跳线连接在一起，作为特征提取结果（实际上跳线连接也可以在各个卷积层之间连接，而不仅限于到输出层，比如 U-Net 结构）； (c) 同一个网络，采用不同尺寸的输入； (d) 不同深度的网络完全分立（这个方法感觉最拉跨，各个尺度上的特征没有相关性，也没听说过有人这么搞）； (e) HED 提出的结构，在卷积网络的不同深度引出“侧输出”，将这些侧输出聚合成最终输出（和 (b) 的不同在于每个侧输出都能被监督并进行反向传播，这里应用了中继监督的思想，也是一个很泛用的做法）。这篇文章也用了中继监督，之前看的 Stacked Hourglass 也是。不过 Stacked Hourglass 的侧输出是还要被输入到下个特征提取网络里继续 refine 的，旨在迭代地优化输出结果。 HED 的侧输出和 GoogLnet 等一些常见的侧输出比较像，前面也说了，浅层的特征保留了更多的信息，但是相对而言感受野更小，那么 HED 就取多个不同深度的特征，分别在这些位点设置输出层。具体地，HED 在每个 VGG 内尺寸的特征图上引出一个卷积层作为侧输出层。HED 将边缘检测任务归纳为对每个像素点的二分类任务——“边缘”和“非边缘”。对于 HED 的单个输出而言，其损失函数为所有像素点的二分类损失函数的和，另外，由于边缘占的像素总数一般都会少于非边缘，所以实际是边缘的像素提供的二分类损失函数会乘以一个更大的权重，以进行正负样本平衡。HED 整体的损失函数就是它所有输出的损失函数的加权和。转化成数学语言就是：其中指特征提取网络（VGG）的权重，指 HED 第层输出的输出层权重，为平衡每层输出为最终损失贡献的系数，为平衡正负样本的系数，和分别指代边缘像素和非边缘像素，为像素输出的置信度。上面的损失函数是针对每个侧输出进行优化，HED 的最终输出是每个侧输出按照一定的权重加总得到的融合输出，这些权重是通过训练学习到的，而非人为设定的。融合输出的损失函数如下：其中融合输出，是每个侧输出在融合时的权重，计算输出和 GT 之间的距离，这里采用交叉熵函数。整个模型在训练时的优化目标权重为：可以看到，最终的损失函数中存在一定的冗余，由于融合输出是由侧输出得到的，侧输出似乎被不止一次地惩罚了。不过，先不论这种冗余是不是必要的，据作者言，只对融合输出进行惩罚得到的效果是不够好的，因为模型总会区域学习更大尺度上的特征。 HED 的损失函数是一种很直接的思路，不过任然有这样的问题：当一个被预测为“边缘”的像素点实际上是“非边缘”时，不管它和 GT 离得有多近，体现在损失函数上，都和一个差 GT 十万八千里的像素点没有区别。这种设计——就我个人的理解——会让损失函数的梯度出现大面积的平坦区域，梯度下降难以工作。但目前的工作似乎都是在用交叉熵作为损失函数，虽然今年也提出了 G-IoU、D-IoU 等将 IoU 调整后作为损失函数的方法，但是限于数学表达上的困难，目前只能应用于矩形边界框，而不能应用于像素集分割。

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。

形态学边缘检测论文

摘要针对基于PC实现的图像边缘检测普遍存在的执行速度慢、不能满足实时应用需求等缺点，本文借助于TI公司的TMS320DM642图像处理芯片作为数字图像处理硬件平台，DSP/BIOS为实时操作系统，利用CCS开发环境来构建应用程序；并通过摄像头提取视频序列，实现对边缘检测Sobel算子改进[1]。关键词 DM642；Sobel算子；程序优化；图像边缘检测 1 引言边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地方。经典的边缘检测算法是利用边缘处的一阶导数取极值、二阶导数在阶梯状边缘处呈零交叉或在屋顶状边缘处取极值的微分算法。图像边缘检测一直是图像处理中的热点和难点。近年来，随着数学和人工智能技术的发展，各种类型的边缘检测算法不断涌现，如神经网络、遗传算法、数学形态学等理论运用到图像的边缘检测中。但由于边缘检测存在着检测精度、边缘定位精度和抗噪声等方面的矛盾及对于不同的算法边缘检测结果的精度却没有统一的衡量标准，所以至今都还不能取得令人满意的效果。另外随着网络和多媒体技术的发展，图像库逐渐变得非常庞大；而又由于实时图像的目标和背景间的变化都不尽相同，如何实现实时图像边缘的精确定位和提取成为人们必须面对的问题。随着DSP芯片处理技术的发展，尤其是在图像处理方面的提高如TMS320C6000系列，为实现高效的、实时的边缘检测提供了可能性[5]。在经典的边缘检测算法中，Sobel边缘检测算法因其计算量小、实现简单、处理速度快，并且所得的边缘光滑、连续等优点而得到广泛的应用。本文针对Sobel算法的性能，并借助于TMS320DM642处理芯片[3]，对该边缘检测算法进行了改进和对程序的优化，满足实时性需求。2 Sobel边缘检测算法的改进经典的Sobel图像边缘检测算法，是在图像空间利用两个方向模板与图像进行邻域卷积来完成的，这两个方向模板一个是检测垂直边缘，一个是检测水平边缘。算法的基本原理：由于图像边缘附近的亮度变化较大，所以可以把那些在邻域内，灰度变化超过某个适当阈值TH的像素点当作边缘点。Sobel算法的优点是计算简单，速度快。但由于只采用了两个方向模板，只能检测水平方向和垂直方向的边缘，因此，这种算法对于纹理较复杂的图像，其边缘检测效果欠佳；同时，经典Sobel算法认为，凡灰度新值大于或等于阈值的像素点都是边缘点。这种判定依据是欠合理的，会造成边缘点的误判，因为多噪声点的灰度新值也很大。图像加权中值滤波由于图像中的边缘和噪声在频域中均表现为高频成分，所以在边缘检测之前有必要先对图像进行一次滤波处理，减少噪声对边缘检测的影响。中值滤波是一种非线性信号的处理方法[2]，在图像处理中，常用来保护边缘信息；保证滤波的效果。加权中值滤波，首先对每个窗口进行排序，取适当的比例，进行曲线拟合，拟合后的曲线斜率表征了此窗口的图像特征，再根据图像各部分特性适当的选择权重进行加权。增加方向模板除了水平和垂直两方向外，图像的边缘还有其它的方向，如135o和45o等，为了增加算子在某一像素点检测边缘的精度，可将方向模板由2个增加为8个即再在经典的方向模板的基础上增加6个方向模板，如图1所示。边缘的定位及噪声的去除通常物体的边缘是连续而光滑的，且边缘具有方向和幅度两个特征，而噪声是随机的。沿任一边缘点走向总能找到另一个边缘点，且这两个边缘点之间的灰度差和方向差相近。而噪声却不同，在一般情况下，沿任一噪声点很难找到与其灰度值和方差相似的噪声点[4]。基于这一思想，可以将噪声点和边缘点区分开来。对于一幅数字图像f(x，y)，利用上述的8个方向模板Sobel算子对图像中的每个像素计算，取得其中的最大值作为该点的新值，而该最大值对应的模板所表示的方向为该像素点的方向。若｜f(x，y)－f(x+i，y+j)｜＞TH2，对于任意i=0，1，-1；j=0，1，-1均成立，则可判断点(x，y)为噪声点。图2给出了图像边缘检测系统改进算法的软件流程图。图1 边缘检测8个方向模板图2 系统结构图3 基于TMS320DM642的图像处理的设计及算法优化 TMS320DM642功能模块及图像处理系统的硬件结构 DSP以高速数字信号处理为目标进行芯片设计，采用改进的哈佛结构(程序总线和数据总线分开)、内部具有硬件乘法器、应用流水线技术、具有良好的并行性和专门用于数字信号处理的指令及超长指令字结构(VLIW)等特点；能完成运算量大的实时数字图像处理工作。 TMS320DM642是TI公式最近推出的功能比较强大的TMS320C6x系列之一，是目前定点DSP领域里性能较高的一款[6]。其主频是600MHz，8个并行运算单元、专用硬件逻辑、片内存储器和片内外设电路等硬件，处理能力可达4800MIPS。DM642基于C64x内核，并在其基础上增加了很多外围设备和接口，因而在实际工程中的应用更为广泛和简便。本系统使用50 MHz晶体震荡器作为DSP的外部时钟输入，经过内部锁相环12倍频后产生600 MHz的工作频率。DM642采用了2级缓存结构(L1和L2)，大幅度提高了程序的运行性能。片内64位的EMIF(External Memory Interface)接口可以与SDRAM、Flash等存储器件无缝连接，极大地方便了大量数据的搬移。更重要的是，作为一款专用视频处理芯片，DM642包括了3个专用的视频端口(VP0～VP2)，用于接收和处理视频，提高了整个系统的性能。此外，DM642自带的EMAC口以及从EMIF 口扩展出来的ATA口，还为处理完成后产生的海量数据提供了存储通道。本系统是采用瑞泰公司开发的基于TI TMS320DM642 DSP芯片的评估开发板——ICETEK DM642 PCI。在ICETEK DM642 PCI评估板中将硬件平台分为五个部分，分别是视频采集、数据存储、图像处理、结果显示和电源管理。视频采集部分采用模拟PAL制摄像头，配合高精度视频A/D转换器得到数字图像。基于DSP的视频采集要求对视频信号具备采集，实时显示、对图像的处理和分析能力。视频A/D采样电路—SAA7115与视频端口0或1相连，实现视频的实时采集功能。视频D/A电路—SAA7105与视频口2相连，视频输出信号支持RGB、HD合成视频、PAL/NTSC复合视频和S端子视频信号。通过I2C总线对SAA7105的内部寄存器编程实现不同输出。整个系统过程由三个部分组成：图像采集—边缘处理—输出显示，如图2所示。摄像头采集的视频信号经视频编码器SAA7115数字化，DM642通过I2C总线对SAA7115进行参数配置。在SAA7115内部进行一系列的处理和变换后形成的数字视频数据流，输入到核心处理单元DM642。经过DSP处理后的数字视频再经过SAA7105视频编码器进行D/A转换后在显示器上显示最终处理结果。图像处理的软件设计和算法优化的实现由于在改进Sobel边缘检测算子性能的同时，也相对增加了计算量，尤其是方向模板的增加，每个像素点均由原来的2次卷积运算增加为8次卷积运算，其实时性大大减弱。为了改进上述的不足，在深入研究处理系统和算法后，针对TMS320DM642的硬件结构特点，研究适合在TMS320DM642中高效运行的Sobel改进算法，满足实时处理的要求。整个程序的编写和调试按照C6000软件开发流程进行，流程分为：产生C代码、优化C代码和编写线性汇编程序3个阶段。使用的工具是TI的集成开发环境CCS。在CCS下，可对软件进行编辑、编译、调试、代码性能测试等工作。在使用C6000编译器开发和优化C代码时[7-8]，对C代码中低效率和需要反复调用的函数需用线性汇编重新编写，再用汇编优化器优化。整个系统的控制以及数字图像处理是用C程序实现，大部分软件设计采用C程序实现，这无疑提高了程序的可读性和可移植性，而汇编程序主要是实现DM642的各部分初始化。其边缘检测优化算法在DM642中的实现步骤具体如下： S1：根据DM642的硬件结构要求和控制寄存器设置，初始化系统并编写实现边缘检测算法的C程序。 S2：借助CCS开发环境的优化工具如Profiler等产生.OUT文件。 S3：根据产生的附件文件如.MAP文件，分析优化结果及源程序结构，进一步改进源程序和优化方法。 S4：使用CCS中调试、链接、运行等工具，再生成.OUT可执行文件。 S5：运行程序，如果满足要求则停止；否则重复步骤S2～S4直至满足使用要求。4 实验结果本文以Lena图像为例根据上述的硬件环境和算法实现的原理和方法，图4～图6分别给出了在该系统下采集的视频Lena图像及使用边缘检测算子和改进后处理的结果。由实验结果可以看出，在该系统下能实时完成视频图像的处理，并且给出的边缘检测算子能较好的消除噪声的影响，边缘轮廓清晰。该算法不仅能抑制图像中大部分噪声和虚假边缘，还保证了较高的边缘点位精度。图4 Lena原始图像图5 传统Sobel算子图6 改进Sobel算子5 总结本文实现了在TMS320DM642评估板上用改进的Sobel算子对实时图像进行边缘检测，无延迟地得到边缘图像。边缘检测效果较好，既提高了图像检测的精度又满足了实时性的要求。从检测结果看，利用该改进后的算子在边缘精确定位、边缘提取都达到了很好的效果，且抗噪声能力强，并为目标跟踪、无接触式检测、自动驾驶、视频监控等领域的应用提供了坚实的基础。参考文献[1] 王磊等. 基于Sobel理论的边缘提取改善方法[J]．中国图像图形学报，[2] 陈宏席. 基于保持平滑滤波的Sobel算子边缘检测.兰州交通大学学报，2006，25(1)：86—90[3] 熊伟. 基于TMS320DM642的多路视频采集处理板卡硬件设计与实现[ M]. 国外电子元器件，2006[4] 朱立.一种具有抗噪声干扰的图像边缘提取算法的研究[J]．电子技术应用.2004，25(1)[5] 刘松涛，周晓东.基于TMS320C6201的实时图像处理系统[J].计算机工程，2005(7)：17—23[6] TI TMS320DM642 video/imaging fixed-point digital signal processor data manual，2003[7] TMS320C6x Optimizing C Compiler User’s Guide’ TEXAS INSTRUMENTS”，2002[8] TMS320C32x Optimizing C/C++ Compiler User's Guide，Texas Instruments Incorporated，2001

闫茂德：工学博士。长安大学电子与控制工程学院自动化系副教授，硕士生导师，陕西省自动化学会会员。1996年7月、1999年3月和2001年9月分别于西北工业大学航海学院获工学学士、硕士和博士学位，第二炮兵工程学院控制科学与工程博士后科研工作站博士后。2001年9月~2003年6月在中兴通讯股份有限公司西安研究所从事软件系统设计、开发和测试工作；2003年7月至今，在长安大学电子与控制工程学院自动化系从事自动化方面的教学和科研工作；2007年1月~2008年7月赴加拿大萨斯喀彻温大学（University of Saskatchewan）进行学术访问研究工作。主讲自动控制理论（经典和现代部分）、传感器技术、智能控制理论、集散控制系统、非线性控制理论与应用、DSP芯片原理及应用等本科生和研究生课程，现指导硕士研究生7人，合作指导博士研究生1人。获陕西省科技进步三等奖1项，陕西省高等教育教学成果二等奖1项。主要研究领域或方向1、控制理论与应用（网络化控制系统、时滞系统控制、鲁棒控制和非线性系统控制等）；2、机器人路径规划与轨迹跟踪控制；3、城市交通系统建模、控制和仿真；4、实用嵌入式控制器设计与智能检测技术；5、工程机械实用控制系统设计及智能监测。学术及科研成果自2003年以来一直从事自动控制方面的教学与科研工作，对控制理论与应用、移动机器人轨迹跟踪控制、城市交通系统和智能测控技术等方面有着长期的研究积累，先后主持和参加了国家自然科学基金、国家西部交通建设重大科技项目、省部级科研项目和横向科研项目10余项，如，国家自然科学基金《多功能多变换器电源系统综合分析理论与实现技术》（2005），陕西省自然科学基金项目《非线性系统多模型切换自适应控制与性能分析》（2006～2008），教育部重点实验室基金项目《路面裂缝的图像检测、识别及自动评价方法研究》(2006-2008)，长安大学科技发展基金《机械手的自适应反演变结构控制研究》（2004～2005），横向开发项目《公安交警移动警务信息系统设计与实现》（2004～2005）等。在国内外核心期刊与学术会议上发表论文近40篇，其中EI收录15篇，ISTP收录5篇，被引用达20余篇次以上，并在西安电子科技大学出版社出版研究生教材《非线性控制理论及应用》1部。目前出版的著作和发表的主要论文有：[1] 贺昱曜, 闫茂德编著. 非线性控制理论及应用. 西安: 西安电子科技大学出版社, .[2] 伯绍波, 闫茂德,贺昱曜. 基于敏感区域多结构元素形态学边缘检测算法. 工程图学学报,2008, 19(1): 91-94.[3] 闫茂德, 吴青云, 贺昱曜. 非完整移动机器人的自适应滑模轨迹跟踪控制. 系统仿真学报, 2007, 19(3): 579-581, 584.[4] Yan Maode, Bo Shaobo, Xu Kun and He Yuyao. Pavement Crack Detection and Anal-ysis for High-grade highway. Proceedings of the 8th international Conference on Elec-tronic Measurement & Instruments (ICEMI’2007), 2007, Vol. Ⅳ, pp: 548-552, Xi’an, China.[5] Maode Yan, Yuyao He, and Qisheng Wu. Adaptive Robust L2-gain Hybrid Controller Design for a Class of Nonlinear Systems. Proceedings of the World Congress on Intel-ligent Control and Automation (WCICA), 2006, pp. 2091-2095, Dalian, China.[6] 闫茂德. 一类非匹配不确定性混沌系统的鲁棒自适应控制. 系统工程与电子技术, 2006, 28(8): 1229-1233.[7] 闫茂德，纪志强，吴青云，吴婷婷. 基于C/S结构的公安交警无线移动警务系统的设计与实现. 微电子学与计算机，2006, 23(3): 129-130, 134[8] 闫茂德, 贺昱曜. DC-DC变换器的的自适应反演滑模控制器设计.第24届中国控制会议论文集, 2005, pp:880-883, 广州, 中国.[9] 闫茂德，许化龙，贺昱曜. 基于调节函数的一类三角结构非线性系统的自适应滑模控制。控制理论与应用，2004，27(5)：840-843.[10] 闫茂德, 贺昱曜, 陈金平, 许化龙. 嵌入式实时操作系统内核的设计与实现. 长安大学学报(自然科学版), 2004, 24(3): 95-99.[11] 闫茂德, 赵增民. 非匹配不确定非线性系统的鲁棒自适应控制. 系统工程与电子技术, 2003, 25(11): 1395-1398.[12] 闫茂德, 许化龙, 訾向勇. 软件测试技术及其支持工具介绍. 集美大学学报(自然科学版), 2003, 8(2): 154-159.[13] 闫茂德, 徐德民, 王惠刚. 电机驱动机械手的鲁棒自适应跟踪控制算法. 系统工程与电子技术, 2001, 23(11): 54-57.[14] 闫茂德, 徐德民, 王惠刚, 李俊. 仅利用位置测量信息的机械手鲁棒滑模跟踪控制. 机械科学与技术, 2001, 20(4): 531-533.[15] 闫茂德, 徐德民, 贺昱耀. 一类非线性系统的状态参考自适应与L2-增益混合控制. 西北工业大学学报, 2001, 19(4): 571-574.

建议你先去查些边缘检测的文章，先选准算法，看是用哪种算法实现效果比较好、误差估计比较小。接下做的时候就比较简单了，MATLAB有自带的数据函数库，需要什么具体程序可以查数字论文库！

灰度图像的边缘检测论文

应该是这句的问题if(in->nChannels != 1)return 0;一般加载进来的图片的通道是3，这样的话就直接返回0了，没有create image

论文简介：利用图像传输理论测量海水的点扩散函数和调制传递函数并且使用维纳滤波器复原模糊的图像。退化方程H(u,v)在水槽中测量得到。在实验中利用狭缝图像和光源，第一步:一维光照射到水中从而得到不同距离下的狭缝图像数据，这样一维的海水点扩散函数就可以通过去卷积得到。又因为点扩散函数的对称性二维的函数模型也可以通过数学方法得到。利用相似的方法调制传递函数也可以得到。这样传输方程便可以得到:

图像可以由下式获得:

论文简介：论文中提出自然光照下的水下图像退化效果与光偏振相关,而场景有效箱射则与光偏振无关。在相机镜头端安装可调偏振器,使用不同偏振角度对同一场景成两幅图像,所得到的图像中的背景光会有明显不同。通过对成像物理模型的分析,利用这两幅图像和估计出的偏振度,就能恢复出有效场景辐射。他还提出了一个计算机视觉方法水下视频中的退化效应。分析清晰度退化的物理原因发现主要与光的部分偏振有关。然后提出一个逆成像方法来复原能见度。该方法基于几张通过不同偏振方向的偏振片采集图像。

论文简介：论文提出了一种自适应滤波的水下图像复原方法。通过最优化图像局部对比度质量判决函数,可以估计出滤波器中所使用的参数值。论文提出一种基于简化的Jaffe-McGlamery水下成像模型的自调谐图像复原滤波器。滤波器的最优参数值是针对每幅图像通过优化一个基于全局对比度的质量准则自动估算的。(对一幅图像滤波器能根据全局对比度自动估计最优参数值),简化的模型理想地适合后向散射较少的漫射光成像.1.首先简化Jaffe-McGlamery水下成像模型：假设光照均匀(浅水区阳光直射)，并且忽略后向散射部分.然后基于简化后的成像模型设计一个简单的反滤波器2.将滤波器设计成自适应滤波器。

论文简介：论文对于调制传递函数给出了详细准确的系统函数信息,水下图像可以用它或点扩散函数进行复原.作者进行实验测量了水质参数得出了这些函数，并用得出的函数进行了图像复原。同时他还建立了一个框架来最大限度复原水下图像，在这个框架下传统的图像复原方法得到了拓展，水下光学参数被包含了进去，尤其时域的点扩散函数和频域的调制传递函数。设计了一个根据环境光学特性进行调整的客观图像质量度量标准来测量复原的有效性。

论文简介：调制传递函数给出了详细准确的系统函数信息,水下图像可以用它或点扩散函数进行复原.作者进行实验测量了水质参数得出了这些函数，并用得出的函数进行了图像复原。(这一部分在王子韬的论文中有比较详细介绍)

论文简介：在散射媒介中的正则化图像复原。论文在基于物理原因的复原方法难以去除噪声以及透射率低的基础上，提出一种自适应的过滤方法，即能明显的改善可见性，又能抑制噪声放大。本质上，恢复方法的正规化，是适合变化媒介的透射率，因此这个正则化不会模糊近距离的目标。

论文简介：论文提出一种基于对边缘进行GSA（灰度规范角度）加权的测量图像清晰度的方法。图像首先被小波变换分解，去除部分随机噪声，增加真实边缘检测的可能性。每个边缘锐度由回归分析方法基于灰度的一个角的正切来确定边缘像素的灰度值之间的斜率和位置。整个图像的清晰度是平均每个测量的GSA的比例加权的第一级分解细节的量，作为图像的总功率，最后通过图像噪声方差自适应的边缘宽度。

论文简介：论文提出了基于主动偏振的人工光照下水下图像处理技术。在宽场人工光照下的水下成像中,在光源端或相机端安装可调偏振器。通过调整光源或相机端的偏振器,同时拍摄两幅或多幅同一场景的图像,从两幅图像中可估计出背景光的偏振度。结合水下成像物理模型,就可以进行图像复原和场景3D信息估计。该方法操作简单,设备筒易,适用于水下画定目标的成像。大范围人工照明条件下研究成像过程,基于该成像模型,提出一种恢复object signal的方法,同时能获得粗糙的3D scene structure.相机配备检偏振器,瞬间获取同一场景的两帧图片with different states of the analyzer or light-source polarizer,然后用算法处理获取的图片.它统一并推广了以前提出的基于偏振的方法.后向散射可以用偏振技术降低,作者在此基础上又用图像后处理去除剩余的后向散射,同时粗糙估测出3D场景结构.创新：之前的方法有的认为目标物反射光的偏振度可以忽略(即认为只有后向散射是偏振的)；另外还有的认为后向散射的偏振度可以忽略(即认为只有目标物反射光是偏振的)。本文作者认为两者都是部分偏振光。

论文简介：论文在没有应用任何标准模式、图像先验、多视点或主动照明的条件下同时估算了水面形状和恢复水下二维场景。重点是应用水面波动方程建立紧凑的空间扭曲模型，基于这个模型，提出一个新的跟踪技术，该技术主要是解决对象模型的缺失以及水的波动存在的复杂的外观变化。在模拟的和真实的场景中，文本和纹理信息得到了有效的复原。

论文简介：论文提出暗通道先验算法复原有雾图像。暗通道先验是一系列户外无雾图像的数理统计，基于观察户外无雾图像的大部分补丁补丁中包含至少一个颜色通道中低强度的像素点。在有雾图像中应用这些先验，我们可以直接的估算雾的厚度，复原成高质量的无雾图像，同时还能获得高质量的深度图。

论文简介：论文比较研究了盲反卷积算法中的：R-L算法（Richardson-Lucy）、最小二乘法以及乘法迭代法。并且应用了水下图像去噪和威尔斯小角度近似理论推导出点分布函数。通过执行威尔斯的小角度散射理论和模糊度量方法对三种盲反卷积算法进行比较，确定总迭代次数和最佳图像复原结果。通过比较得出：最小二乘算法的复原率最高，但是乘法迭代的速度最好。

论文简介：论文提出点扩算函数（PSF）和调制解调函数（MFT）的方法用于水下图像复原，应用基于威尔斯小角度近似理论来进行图像增强。在本文中作者分析了水下图像退化的原因，在强化超快激光成像系统中采用了距离选通脉冲的方法，降低了反向散射中的加性噪声。本文对图像的基本噪声模式进行了分析，并使用算术平均滤波首先对图像进行去噪，然后，使用执行迭代盲反褶积方法的去噪图像的初始点扩散函数的理想值，来获得更好的恢复结果。本文通过比较得出，盲反褶积算法中，正确使用点扩散函数和调制解调函数对于水下图像复原的重要性。

论文简介：本文提出一种图像复原的新方法，该方法不需要专门的硬件、水下条件或现在知识结构只是一个与小波变换的融合框架支持相邻帧之间的时间相干性进行一个有效的边缘保留噪声的方法。该图像增强的特点是降低噪声水平、更好的暴露黑暗区域、改善全局对比、增强细节和边缘显著性。此算法不使用补充信息，只处理未去噪的输入退化图像，三个输入主要来源于计算输入图像的白平衡和min-max增强版本。结论证明，融合和小波变换方法的复原结果优于直接对水下退化图像进行去雾得到的结果。

论文简介：本文是一篇综述性质的论文。介绍了：1、水下光学成像系统 2、图像复原的方法（对各种图像复原方法的总结） 3、图像增强和颜色校正的方法总结 4、光学问题总结。

论文简介：论文针对普通水下图像处理的方法不适用于水下非均匀光场中的问题，提出一种基于专业区域的水下非均匀光场图像复原方法，在该算法中，考虑去除噪声和颜色补偿，相对于普通的水下图像复原和增强算法，该方法获得的复原复原的清晰度和色彩保真度通过视觉评估，质量评估的分数也很高。

论文简介：论文基于水下图像的衰减与光的波长的关系，提出一种R通道复原方法，复原与短波长的颜色，作为水下图像的预期，可以对低对比度进行复原。这个R通道复原的方法可以看做大气中有雾图像的暗通道先验方法的变体。实验表明，该方法在人工照明领域应用良好，颜色校正和可见性得到提高。

论文简介：作者对各种水下图像增强和复原的算法做了调查和综述，然后对自己的提高水下质量的方法做了介绍。作者依次用到了过滤技术中的同态滤波、小波去噪、双边过滤和对比度均衡。相比于其他方法，该方法有效的提高了水下目标物的可见性。

论文简介：论文应用湍流退化模型以质量标准为导向复原因水下湍流退化的图像。参考大气湍流图像复原的算法，省略了盐分的影响，只考虑水中波动引起的湍流对水下成像的影响，应用一种自适应的平均各向异性的度量标准进行水下图像复原。经过验证，使用STOIQ的方法优于双频谱的复原方法。

论文简介：本文提出了一种新的方法来提高对比度和降低图像噪声，该方法将修改后的图像直方图合并入RGB和HSV颜色模型。在RGB通道中，占主导地位的直方图中的蓝色通道以95%的最大限度延伸向低水平通道，RGB通道中的低水平通道即红色通道以5%的最低限度向上层延伸且RGB颜色模型中的所有处理都满足瑞利分布。将RGB颜色模型转化为HSV颜色模型，S和V的参数以最大限度和最小限度的1%进行修改。这种方法降低了输出图像的欠拟合和过拟合，提高了水下图像的对比度。

论文简介：论文根据简化的J-M模型提出一种水下图像复原的有效算法。在论文中定义了R通道，推导估算得到背景光和变换。场景可见度被深度补偿，背景与目标物之间的颜色得到恢复。通过分析PSF的物理特性，提出一种简单、有效的低通滤波器来去模糊。论文框架如下：1.重新定义暗通道先验，来估算背景光和变化，在RGB的每个通道中通过标准化变换来复原扭曲颜色。2.根据PSF的性能，选择没有被散射的光，用低通滤波器进行处理来提高图片的对比度和可见度。

论文简介：论文中对当代水下图像处理的复原与增强做了综述，作者阐明了两种方法的模型的假设和分类，同时分析了优缺点以及适用的场景。

参考：