为了克服噪声导致的相位展开不连续现象,用Canny边缘检测算法获取重建模型的真实边缘,结合二阶差分函数计算边缘可靠性,并根据可靠性的大小逐区域展开相位,以达到稳定展开模型全局相位的目的。提取传统算法和本算法相位展开后任意行(或列)的数据点,得到两种算法相对原始数据点的标准差分别为0.0562和0.0121。同时,本算法可以解决枝切法中因噪声过大导致的相位展开稳定性低以及最小二乘法在重建模型中断层的问题,能很好地克服噪声并进行三维重建。

针对光场数据中的深度估计问题, 提出一种基于光场极平面图(epipolar plane image, EPI)的高精度深度估计方法。选用双边模型对EPI进行降噪处理, 以滤除噪声并更好地保留边缘信息; 通过采用类间方差来确定Canny边缘检测的自适应阈值, 结合最小二乘法拟合直线求取斜率, 获得边缘的深度信息; 然后运用线性插值的方法进行深度扩散, 求出非边缘区域的深度值。实验结果表明, 所提出的方法能够较好地进行深度估计, 并且能够较为有效地消除遮挡对于深度估计的影响。

对于大型圆环零件的圆度测量目前主要采用人工接触式测量, 工作效率较低。针对接触式测量的缺点, 以基于机器视觉的非接触式测量技术对大型圆环零件圆度测量展开研究, 测量过程中无需与待测零件直接接触, 通过采集零件部分圆弧图像, 利用拟合算法得到圆度及同心度数据。首先对采集到的图像进行预处理, 针对采集图像存在噪声等因素的影响, 选择处理效果最佳的双边去噪算法；其次在边缘检测及轮廓提取环节, 在基于传统Canny边缘检测的基础上研究实现了改进后的Canny自适应边缘检测算法；在图像拟合环节, 基于传统的最小二乘拟合算法做了改进, 即最小二乘迭代拟合算法对大型圆环零件部分圆弧进行迭代拟合, 验证了该算法的有效性及优越性。本测量方法操作方便、可靠, 提高了检测效率, 可在误差允许的范围内快速测量出零件的尺寸。

SOP贴片元件的定位识别主要采用的是Canny 算子进行图像边缘检测, 传统的Canny算子在滤波和阀值分割方面不能很好地满足SOP元件的识别精度。针对此问题, 对Canny算子进行改进, 采用中值滤波及形态学闭运算滤波替代Canny算子的高斯滤波器, 能更好达到去噪效果; 提出一种基于改进的最大类间方差法自适应的搜索出Canny算子的双阀值, 解决了SOP元件对外界环境变化敏感问题; 利用Canny算子提取出边缘轮廓结合基于邻接矩阵的搜索方法和最小二乘法实现元件的定位识别。仿真结果表明, 改进后的算法能更好的提高SOP元件的识别精度, 具有较好的自适应能力。

利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先，利用模糊增强方法进行图像预处理；接着，对图像进行阈值分割获得二值图像，用像素标记法进行连通域提取，定位4个面积最大的区域作为疑似机场区域；然后，在疑似机场区域内，对图像进行Canny边缘检测，用Hough变换提取出直线段；最后，把含有最长平行直线的区域作为机场区域。实验结果表明，机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。

运动目标检测, 是指从视频图像中将运动变化区域提取出来的检测技术, 是图像处理技术的基础。在**公安、交通管理、视频监控、医学检查等领域应用广泛。为了改进单独采用帧差法或背景减法进行运动目标检测时存在的不足, 本文提出一种利用边缘信息的三帧差法与基于混合高斯模型的背景减法相结合的运动目标检测算法。该方法对视频图像中连续的三帧图像两两差分, 对3个差分图像取均值, 二值化, 再经过形态学处理, 并对中间帧进行Canny边缘提取, 将二者进行“与”运算, 即得到运动目标的边缘, 用背景减法提取中间帧的前景, 二值化, 将其和目标的边缘进行“或”运算, 经过形态学处理便可得到运动目标。实验结果表明, 使用该方法目标检出率提高了9.7%~72.1%, 误检率降低了0090%~2900%。这种二者相结合的方法相对于单一的检测算法能够有效、可靠地提取出运动目标。

针对红外图像中舰船目标的分布特点，通过海天/海岸线检测确定舰船的大致位置，再利用目标的面积特性确定舰船目标的感兴趣区域(Region of Interest, ROI)。采用中值滤波、Canny边缘检测和Hough变换从红外图像中检测出海天/海岸线，并划定出海天/海岸线区域；然后，通过舰船的面积特征确定ROI。通过Vc ++编程对算法进行了实现。结果表明, 该方法简单直观、计算量小, 能有效确定近海岸舰船目标的ROI。

针对近景摄影测量中对编码标记点进行精确定位并对具有唯一编码值的编码标记点进行解码识别的要求，提出了一种环状编码标记点自动检测和识别算法。该算法首先对图像进行canny边缘检测，通过一系列限制条件和计算封闭轮廓质心来过滤噪声和非编码标记点。然后，采用最小二乘椭圆拟合进行编码标记点定位，结合椭圆拟合误差判断分割编码标记点轮廓并进行填充。最后，提出一种将局部同心椭圆变换为平行直线的ALPC (Affine LOG Polar Coordinate)变换，对分割出的编码标记点进行ALPC变换，利用变换后的图像特征进行解码。实验结果表明，利用本文算法对于编码标记点的定位可以达到亚像素级别；且当相机光轴与编码标记点法线夹角小于60°时平均识别准确率能达到98.8%，当夹角达到70°时识别准确率仍然能达到90.2%；在复杂背景下的识别准确率能够达到96.46%。

针对国内交通标志的属性特征, 提出了一种基于颜色和形状的交通标志分类算法。采用RGB模型分量值互减的方法对自然背景下的交通标志图像进行分割, 提取出感兴趣区域, 对标志区域进行形态学处理、边缘检测, 提取标志外层轮廓。利用Hough变换识别交通标志线性特征。在识别交通标志颜色和几何形状的基础上, 利用交通标志的分类知识实现交通标志的快速分类。实验结果表明, 该方法容易实现, 满足实时性要求, 并能达到较好的分类效果。

作为最优边缘检测算子,Canny算子在线性滤波及选取阈值方面具有一定的局限性。在其基础上,采用尺度可变的自适应高斯滤波器进行滤波,通过计算滤波器各滤波窗口内像素点灰度值的均值,以及该均值与当前像素点灰度值的差值,确定滤波窗口的平滑度,并将其作为高斯函数尺度的大小,在滤除噪声的同时确保了边缘信号不被平滑掉;同时采用基于简单统计法及梯度阈值法的双阈值分割方法检测经过非极大值抑制的梯度幅值图像的边缘。实验结果表明,该方法能够有效滤除噪声,且假边缘及丢失边缘的数量都比Canny边缘检测的少。