基于多结构元素的数学形态学图像边缘检测

提出一种基于多结构元素的数学形态学图像边缘检测算法。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子和Canny算子。     

对鳞翅目昆虫触角和腹部边缘检测算法的比较研究

通过查找灰度图像感兴趣区域的灰度级,进而对其灰度切割并用5种边缘检测算子进行边缘检测以作比较,从中找出检测鳞翅目昆虫触角和腹部边缘的最佳边缘检测算子.实验结果得出Laplace算子的边缘检测效果要比其它几个算子好得多.     

基于中值滤波与Sobel、Canny算子的图像边缘检测研究

提出一种在噪声条件下将中值滤波与Sobel、Canny算子相结合进行图像边缘检测的方法。首先,采用中值滤波对图像进行平滑处理,再利用Sobel、Canny算子检测图像边缘。仿真实验表明,该方法对图像边缘检测精度较高,抗噪声性能强,可提高图像边缘检测效果。     

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.     

医学图像边缘快速检测的模糊集方法

为了简单有效地获得理想的医学图像边缘,进行医学诊断,提出了一种基于模糊子集组合的图像边缘检测方法．由于图像边缘的模糊性,在边缘检测过程中应用了模糊集运算方法:先将图像的灰度直方图划分成相应的几个不同的子区,并对与灰度方差直方图子区相应的模糊子集进行运算,综合运算结果,最终得到图像的边缘．文中实例及对几种方法的比较表明,提出的Fuzzy算子所得到的图像边缘优于Sobel算子和Prewitt算子时所得到的图像边缘．     

一种改进的图像边缘检测算法

针对传统单一算子图像边缘检测效果欠佳的问题,提出一种新的边缘检测算法.新算法融合了LOG算子对于图像的阶跃型边缘定位准确、旋转不变性的优点和Canny算子的强抗噪声能力.通过实例实验分析表明:相比传统单一算子,新算法检测图像边缘的准确度更高,检测效果更理想.     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

基于邻域加权的多层次模糊边缘检测算法

针对目前边缘检测方法在低对比度图像、噪声图像中检测效果不理想的问题,本文结合微分算子和模糊边缘检测的优点,提出一种基于邻域加权的多层次模糊边缘检测方法。首先,利用微分算子计算图像梯度特征,依据图像梯度特征对图像进行自适应地分层;然后构造模糊函数,用模糊函数增强不同强度的图像梯度特征,取得了较好的边缘检测结果。仿真实验表明:基于邻域加权的多层次模糊边缘检测算法能较好地检测低对比度图像的边缘,同时能有效抑制椒盐噪声、高斯噪声对图像边缘检测的干扰。     

基于组合核支持向量机的图像边缘检测

基于支持向量机在分类上有很好的效果,提出了一种新的边缘检测方法--基于组合核支持向量机的图像边缘检测。该方法利用支持向量机分类对较多的训练样本数据进行训练,从而实现了图像边缘定位。通过实验验证了该方法比传统的边缘检测算子效果好。     

图像边缘检测Laplace算子的改进

目的改进原有Laplace算子在检测图像边缘时的精度和清晰度,进一步准确地研究图像的基本特征.方法通过将原有的模板从3×3矩阵形式扩展成7×7矩阵形式.除了对特殊方向的边缘进行检测外,增加对非特殊方向边缘的检测.同时根据各点与中心点的距离远近设置合理的权系数,以提高边缘检测的效果.结果通过比较原有算子和改进算子的实验效果图表明,运用改进的Laplace算子进行边缘检测,边缘更加连续、准确和清晰,有效避免了伪边缘的出现.同时检测出一些原有的Laplace算子检测不出来的边缘,弥补了原有的Laplace算子的缺陷,取得了较好的效果.结论对Laplace算子的改进,提高了图像边缘检测的效果,较好的保持边缘的连通性,准确地检测图像的边缘.