针对目前紫外成像仪中紫外光图像与可见光图像配准叠加精度低、电晕放电定位偏差大等问题,提出一种基于GoogLeNet模型、小波变换(Wavelet Transform,WT)和Canny算子相结合的紫外与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中。首先,引入迁移学习的思想,利用预训练的GoogLeNet模型自主挖掘可见光图像和紫外图像的特征; 其次,将提取出来的特征作为预测变量,输入极限学习机(Extreme Learning Machine,ELM),以空间变换参数为指导监督模型训练,实现高精度紫外与可见光图像配准; 最后,利用二维小波变换与Canny算子对配准后的图像进行多分辨率分析与边缘检测,实现无紫外信息损失的图像融合。实验结果表明,所提方法的紫外与可见光图像配准精度高,融合效果良好,具有很好的工程实用价值。

PCBA (printed circuit board assembly)元器件边缘检测的完整度直接影响装配机器人对元器件尺寸及其间隙的视觉测量精度。针对Canny算子提取密集区域目标边缘存在明显的边缘粘连和断缺现象的问题,提出一种具有高完整度的PCBA元器件边缘检测新方法。首先针对原Canny算子依据像素点灰度值梯度确定的边缘像素点,提出3×3邻域窗自适应阈值非极大值抑制方法,以有效避免密集区相邻边缘粘连;其次依据EPGVF Snake模型参数化后Snake曲线的梯度场,结合边缘保真项,提出边缘是否发生断缺的邻域窗自适应判断方法; 最后采用像素置换模板对断缺的边缘像素进行填充,以有效保留细弱边缘、避免断缺发生。实验结果表明,本文方法能有效避免PCBA密集区元器件边缘粘连和细弱边缘断缺,边缘完整度较其他方法提高了约15.5%。

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。

针对采用高斯滤波器对图像进行滤波会导致图像边缘平滑,人为设定高、低阈值会导致阈值的自适应性差,采用双阈值法去除虚假边缘会导致去除效果不佳等问题,提出改进的Canny边缘检测算法并应用于影像测量领域。首先使用开关中值滤波代替高斯滤波,在去除噪声的同时保留非噪声像素点的灰度值不变,从而提高边缘定位精度;然后采用K-means聚类算法以得到高、低梯度值聚类中心,采用OTSU算法以得到梯度阈值,将两个方法结合,可以实现高、低阈值的自适应;最后采用面积形态学的方法去除图像的干扰边缘。实验结果表明,改进的算法具有定位精度高、自适应性强以及干扰点去除效果好等优点。

在利用涡流红外热成像技术检测金属材料损伤缺陷时，因热波属于衰减波，且热波三维热扩散等问题，导致采集的红外图像中缺陷部位模糊。针对该问题，提出一种基于单尺度Retinex 与改进的K-均值聚类的缺陷检测方法，用于处理红外图像特征增强、图像分割和边缘特征提取等问题。该方法首先利用单尺度Retinex（single-scale Retinex, SSR）对红外热图像进行图像增强，强化缺陷特征，然后利用改进的K-均值聚类算法对图像进行分割，最后采用数学形态学算法处理图像，去除缺陷图像中无用信息，并利用Canny 算子检测出缺陷边缘。实验结果证明，该方法有效地检测出金属材料试件缺陷，并提取出完整清晰的缺陷边缘。

为了较好地实现电力设备红外图像故障区域提取，提出了一种基于 Canny算子边界检测的脉冲耦合神经网络( Pulse-coupled Neural Network，PCNN)红外图像区域提取方法。在该方法中，首先以 PCNN模型同步点火特性为基础，通过优化原始 PCNN模型内在的参数，使得模型迭代过程中将图像转换成为时间点火序列，然后引入 Canny边界检测算子并结合区域灰度特性，获取最佳时刻的脉冲输出信息，实现红外图像中热故障区域的有效提取。最后通过真实红外故障图像测试，验证了文中方法的有效性和适用性，同时方便了后续的特征提取与识别。

针对天地复杂背景下红外弱小目标的检测，提出了一种融合 top-hat变换、边缘检测的新方法。首先将改进的 top-hat变换应用于红外弱小目标图像，将图像中与目标特性相似的像素进行增强，并去除云层背景对目标的干扰，得到若干疑似目标的增强结果，并结合阈值分割方法对增强结果进行筛选，剔除大部分不符合弱小红外目标特性的背景干扰点。然后采用基于 Canny算子的边缘提取方法对原始图像中的天地线进行检测，并以天地分割线作为先验知识，去除形态学滤波后所增强的地物背景中的疑似目标，得到最终的真实目标的检测结果。通过实验得出，本文所提出的方法对于天地背景下的弱小红外目标具有良好的检测效果。

光纤的几何参数是评价光纤质量的重要指标。以近场光分布法为基础进行光纤几何参数测量, 是目前常用的一种非接触测量方法。但在测量过程中, 若光纤端面切割不平整或照明光源有波动, 直接采取边缘拟合及灰度值进行计算, 会产生较大的测量误差。使用Canny算子提取光纤端面的边缘, 将其所围进行区域二值化滤波, 利用形态学方法与运算获得光纤的几何参数, 能消除由于光照不均或切割粗糙带来的误差影响。

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题, 提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像, 然后对展开图像进行不同相位角的Gabor滤波处理, 快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中, 只对处于该区间内的边缘点进行非极大值抑制及进一步处理, 实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试, 识别率优于94.2%。结果表明所提算法不易受复杂环境影响, 可用性强, 有效地提高了车道偏离预警系统的实时性与稳定性。

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。