彩色遥感图像的一种边缘检测算法研究

针对彩色遥感图像的复杂性、模糊性和噪声强等特点,提出了一种基于多方向模糊形态学梯度的彩色遥感图像边缘检测算法.算法在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算以检测彩色遥感图像边缘,不但能检测出具有方向性的真实边缘,还能有效抑制无方向性的噪声.实验证明,该算法对彩色遥感图像进行边缘检测的有效性.     

基于模糊和遗传算法的路况图像边缘检测

在路况监测中,常常需要得到路况图像的边缘轮廓线,以便诊断路面的病害情况。为适应这种需求,提出了基于模糊和遗传算法的路况图像边缘检测算法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低灰度图像信息丢失、边缘检测速度较慢等问题,利用遗传和模糊算法的优点构造边缘检测算法。这种方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。算法检测出的图像边缘与传统模糊算法提取的图像边缘相比较,结果更加清晰完整。     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

适用于医学图像的模糊边缘检测改进算法

边缘检测是医学图像预处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于医学图像的新型模糊边缘检测算法。该算法使用遗传算法对传统Otsu算法进行优化来确定阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的医学图像,与几种经典的处理方法相比,该算法能够提取出更加真实和完整的边界信息。     

一种离焦模糊图像边缘检测新方法

根据离焦模糊图像的特性,提出一种新的离焦模糊图像边缘检测算法,该算法通过定义一个新的边缘检测算子,利用新算子对图像各像素进行卷积,求得各像素的梯度和方向信息,根据梯度和方向信息进行阈值化处理,得到离焦模糊图像的边缘检测图像。实验结果表明,对于离焦模糊图像,利用新的边缘检测算子进行边缘检测,能够较好地检测被模糊而弱化的边缘,检测效果符合人眼视觉感受。     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。     

沥青路面裂缝图像增强与边缘提取算法研究

针对模糊图像增强算法存在运算速度慢以及丢失部分图像信息等问题,提出一种封闭性和移植性好的广义模糊增强算子.该算子结合梯度算子将图像增强处理集中在敏感区域,并构造四种结构元素求出敏感区域内的数学形态学梯度来提取图像边缘,实现一种图像增强与边缘提取算法.将新算法应用于沥青路面裂缝图像检测系统中,实验结果表明,该算法的图像增强和边缘提取效果优于现有的模糊图像增强算法和传统边缘提取算法.     

基于模糊增强的图像区域分割算法研究

针对图像平坦区、纹理区和清晰边缘的分割问题,提出了一种基于模糊增强的图像分割算法.该算法依据基于模糊增强的Canny边缘检测原理,在充分分析图像纹理区和清晰边缘的像素分布特点的基础上,通过增强纹理区像素对比度,检测出更多的纹理区细节.并利用膨胀、区域连通等方法实现了图像的区域分割.实验结果表明,该算法能够准确地实现了图像平坦区、纹理区和清晰边缘的分割,并有较强的抗噪能力.图像分割结果可以反映更多的纹理细节信息.     

图象模糊涟缘检测的改进算法

图象在检测技术是图象处理中最重要的内容之一,且已在图象分析和识别领域中得到广泛的应用。针对图象边缘由模糊性引起的不确定性问题,提出了一种图象模糊边缘检测的改进算法,该算法是道德民确定一个阈值参数,然后根据此阈值参数来定义一个新的隶属函数,从而钭图象转化为等效的图象模糊特征平面,通过在模糊特征平面上进行增强运算,将其转换为空域图象,最后再进行边缘提取,同时还对具有多峰直方图分布图象的模糊边缘检测方法进行推广,仿真结果表明,该算法是有效的。     

双线性广义模糊增强边界图像检测算法

在模糊集和广义模糊集理论的基础上,给出了用于模糊增强图像区域对比度的线性广义模糊算子,实现了图像的双线性快速无损边界检测算法．该算法利用线性左半梯形模糊分布函数和线性广义模糊算子实现灰度图像空间、普通模糊空间和广义模糊空间之间的转换,同时对广义模糊空间进行区域对比度增强,最后在灰度图像空间中提取边界．大量实例表明：利用文中算法提取图像边界速度快、效果好,并且在多项指标上均超过了Pal算法、陈武凡算法和王晖算法．     

自动图象边缘检测方法的研究

本文提出了一种新的自动图象边缘检测方法,该方法使用新的隶属函数将图象转化为等效的图象模糊特征平面,在此基础上进行模糊增强,然后再转换为空域图象,顾后进行边缘提取,模糊增强提高了低灰度区域和高硬功率和高灰度区域之间的对比度,从而使提取的边缘效果更好,最后本文对具有多峰直方图分布图象的模糊边缘检测问题进行了
了推广。     

一种双线性快速模糊增强图像边界检测最新算法*

在广义模糊集理论的基础上,给出了全新的用于模糊增强图像区域对比度的线性广义模糊算子,从而提出了一种双线性快速模糊增强图像边界检测最新算法。利用线性左半梯形模糊分布将灰度图像的普通空间集合变换为广义模糊空间集合,再利用LGFO对广义模糊集合进行区域对比度增强,把增强后的广义模糊集合变换为普通集合,最后对处理后的普通集合进行边界提取。实例表明该算法提取图像边界速度快、效果好。     

基于模糊逻辑的指纹图像对比度增强算法

提出了一种新的基于模糊逻辑的方向纹理对比度增强的方法,对指纹图像进行增强.通过模糊边线判别器在对任一像素点属于边缘的程度进行模糊软判决的同时完成边缘检测,根据计算出的指纹方向图,结合模糊的边缘判新局面器的输出结果，来指导基于方向纹理的指纹图像的对比度增强.实验结果表明这种方法对于质量比较差的指纹图像能明显改善其质量,对于图像的边缘区域，则能够在保持边缘细节的同时滤除噪声。     

A new measure using intuitionistic fuzzy set theory and its application to edge detection

In this paper, a new attempt has been made using Attanassov's intuitionistic fuzzy set theory for image edge detection. Intuitionistic fuzzy set takes into account the uncertainty in assignment of membership degree known as hesitation degree. Also a new distance measure, called intuitionistic fuzzy divergence, has been proposed. With this proposed distance measure, edge detection is carried out, and the results are found better with respect to the previous methods.     

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上，本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法，不仅可以对整个原始图像进行边缘检测，还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后，把这种算法与一些经典的图像边缘检测做了对比分析，实验结果表明该算法具有较好的图像边缘检测性能。     

An Improved Method for Edge Detection and Image Segmentation Using Fuzzy Cellular Automata

Image segmentation is one of the most important and challenging problems in image processing. The main purpose of image segmentation is to partition an image into a set of disjoint regions with uniform attributes. In this study, we propose an improved method for edge detection and image segmentation using fuzzy cellular automata. In the first stage, we introduce a new edge detection method based on fuzzy cellular automata, called the texture histogram, and empirically demonstrate the efficiency of the proposed method and its robustness in denoising images. In the second stage, we propose an edge detection algorithm by considering the mean values of the edges matrix. In this algorithm, we use four fuzzy rules instead of 32 fuzzy rules reported earlier in the literature. In the third and final stage, we use the local edge in the edge detection stage to more accurately accomplish image segmentation. We demonstrate that the proposed method produces better output images in comparison with the separate segmentation and edge detection methods studied in the literature. In addition, we show that the method proposed in this study is more flexible and efficient when noise is added to an image.