基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

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。     

基于Canny算子的大米边缘检测

阐述了常用边缘检测算子进行边缘检测的方法,详细介绍了Canny算子的边缘检测步骤,并将其应用于大米图像的边缘检测中．实验结果表明,Canny算子提取的边缘线型连接程度较好,可应用于从群体米样提取大米边缘．     

基于数学形态学与Hough变换的道路边缘提取

道路边缘的提取是运动检测中最关键的一步。针对目前运动检测过程中更新数据量大、实时性不高的问题,提出了一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行增强,然后通过Canny算子对增强图像进行边缘检测,最后采用Hough变换检测出二值图像中的道路边缘。实验证明,该方法准确性较高,可以减少后期运动检测的运算范围,提高运动检测速率。     

改进形态学梯度的样条插值亚像素边缘检测方法

针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点,提出一种基于形态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘点的粗定位,再利用三次样条插值法对提取出的边缘图像进行插值运算,最后利用数学形态学细化算子将提取出的边缘进行细化,可有效地检测出图像边缘,实现亚像素边缘检测。实验结果表明,这种方法能准确地检测出边缘,优于传统的边缘检测方法。     

基于Canny算子的白酒显微图像边缘提取

文章提出了一种改进的Canny算子和数学形态学相结合的白酒显微图像边缘检测方法。首先采用二维高斯函数的一阶偏导数同时构造x和y方向滤波器计算梯度幅值,然后通过四阈值边缘检测方法进行边缘定位,最后引入了数学形态学对边缘进行融合。实验仿真表明,该方法对酒分子结构边缘检测精度较准、抗噪性能良好,能有效的克服图像边缘模糊与断点,提高了边缘的连续性。     

基于Canny算子的复合绝缘子憎水性图像边缘检测

憎水性检测对于保障复合绝缘子安全可靠运行具有重要意义,在复合绝缘子憎水性自动识别过程中如何准确检测出水珠（或水迹）的边缘至关重要．为此,提出一种基于Canny算子和数学形态学的图像边缘检测方法,采用自适应局部灰度均衡对憎水性图像进行增强,减小因水珠透明性导致的目标与背景的相似度;采用形态学滤波,降低噪声影响、保持边缘细节;采用Ostu阈值法自适应的设定高低阈值．实验结果表明,该算法能够准确获取复合绝缘子表面水珠（或水迹）信息,为开展复合绝缘子憎水等级自动识别奠定了基础．     

基于小波包分解和形态学融合的地基云图边缘检测

采用一种基于小波包分解和数学形态学融合的边缘提取方法用于地基云图的边缘检测.首先对图像进行基于小波包分解的边缘提取,然后对图像进行数学形态学的边缘检测,最后利用图像融合技术对两幅图像进行融合得出最优边缘图像.通过Matlab软件验证和比较,表明该方法实际使用效果较好.     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.     

一种基于视觉的表面质量检测方法

结合边缘检测技术和数学形态操作,提出了一种基于视觉的铝带表面检测方法。应用中值算法滤除缺陷图像噪声后,用边缘算子提取缺陷边缘,经形态学处理后得到完整缺陷目标,然后提取缺陷的形态特征,进行缺陷分类。实验结果表明:这种方法不仅能有效地识别缺陷,还能准确地判别缺陷类型和缺陷位置。     

基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.     

基于MATLAB的数字图像的边缘检测

介绍了数字图像处理主要研究领域中边缘检测的方法,即拉普拉斯高斯算子和Canny算子.利用MatLab图像处理工具箱提供的图像处理函数,对图像进行边缘检测,给出了相应程序及处理结果.结果表明:拉普拉斯高斯算子和Canny算子检测边缘清晰且噪声小.     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

双三次B-样条平滑滤波算子的研究

边缘检测一直是图像处理中的难题。常用是边缘检测算子有：Canny算了、Deriche算子、Sobel算子和Prewitt算子，它们将，边缘检测算子归结为一个恰当的平滑方法及计算滤波之后的梯度或求二阶导数的零交叉指纹图，没有很好地解决闰滑噪声和边缘的精确定位之间的矛盾。充分利用边缘信息的多尺度性及小波变换的特性，通过B-样小波变换，给出了双三次B-样条平滑滤波算子，并且利用该算子进行了大量的边缘检测实验。实验结果表明，文中所给的方法对边缘检测非常有效。具有良好的鲁棒性。     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

视觉机器人货物轮廓提取与定位

提出一种视觉机器人货物拣选中的货物轮廓提取与定位方法.在图像预处理的基础上,采用Sobel算子提取货物与货箱边缘图像I ₁［i,j］,通过图像投影取得货物支持区及其边缘图像I₂［i,j］,对货物支持区利用Canny算子提取边缘图像I₃［i,j］,利用I₃［i,j］对I₂［i,j］进行边缘连接,最后边缘跟踪提取货物轮廓实现货物定位,控制机械手运动并实现货物抓取.实验结果表明该方法实用有效.     

改进的基于形态学梯度法的车辆图像边缘检测方法

在分析和比较用于图像边缘检测的多尺度多方位的形态学梯度算法和多级形态学运算合成法的基础上,提出了一种改进的基于形态学梯度法的汽车图像边缘检测方法.经过实验检验,并与其它形态学边缘检测方法进行了比较,证明该方法对汽车图像边缘检测具有较好效果.