基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

多尺度形态学边缘检测算法

形态学作为一门新兴的非线性图像处理技术，已得到人们的广泛关注，并应用于图像处理的许多方面。文中提出了一种结合形态学滤波的边缘检测算法，该算法采用自适应方法确定锥形结构元素，然后利用双锥形结构元素对图像进行形态学迭代滤波，对滤波后的图像进行多尺度形态学边缘检测，并将各尺度下边缘检测的结果进行合成，最终得到在噪声存在条件下较为理想的图像边缘，并且与其它边缘检测算法进行了对比实验，实验验证了该算法的可行性和有效性。     

基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

基于复合顺序形态变换的车牌边缘检测

边缘检测是图像分割的重要环节,边缘提取的好坏直接影响了整个图像处理的效果。数学形态学用具有一定形态结构的“结构元素”去度量图像的形态,以解决图像处理和分析问题。文章通过对多种边缘检测方法的分析比较,结合高速公路路口汽车图像噪声大的特点,提出了基于复合顺序形态变换的车牌边缘检测。该方法不但能有效地改善有噪图像边缘检测的效果,鲁棒性好,而且并行快速,便于硬件实现。     

受电弓滑板磨耗检测图像处理算法的研究及实现

由于图像检测受电弓滑板磨耗能实现在线自动检测,且检测精度较高,而该检测方法的关键是对采集到的受电弓图片进行图像处理,因此研究图像处理算法具有非常重要的意义.检测系统采用4个CCD摄像机实现受电弓前后滑板的初始图像采集.然后将获取到的图片传输并存储到检测主机上,通过后期的图像处理,实现滑板磨耗的自动检测.并输出数据报表争磨耗曲线等.图像处理算法主要包括图像预处理、边缘检测和连接、导线及滑板边缘定位等.其中,边缘检测和定位算法是关键,也是决定系统检测精度的重要因素.主要对Canny边缘检测、形态学边缘检测和小波边缘检测进行实验验证,并比较其边缘提取效果.结果表明,Canny边缘检测精度更高,而小波边缘检测虽然定位更准确,但精度较低.因此,最终选择Canny边缘检测,结合边缘连接进行处理,并给出了检测结果图.     

基于局部差别的形态学边缘检测方法研究

图像边缘特征是图像最基本也是最重要的特征之一.图像边缘特征的提取一直是计算机视觉和图像处理领域的经典研究课题,在精确制导武器的制导图预处理中有着广泛地应用.针对经典的边缘检测算子不能很好地提取噪声图像边缘这一问题,在数学形态学的基础上,提出了一种边缘提取方法.利用局部差别准则确定图像中受噪声影响的像素点,并对其进行形态学操作,滤除噪声,保存边缘.实验表明,该算法不仅具有很好的边缘提取能力,还具有很强的抗噪能力.说明了该算法的有效性和实用性.     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文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，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文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，Laplace算子和Canny算子。     

基于灰度形态学梯度的边缘检测

数学形态学是图像处理和模式识别领域中的一门新兴学科,文中采用基于数学形态学梯度的图像边缘检测算法,利用数学形态学的基本运算,设计符合处理图像边缘特性的梯度结构基来检测局部突变信息,从而获得图像的边缘信息。     

一种基于数学形态学的车牌图像分割方法

提出一种基于数学形态学的车牌图像分割提取方法.用修正后的形态学边缘检测算子对图像进行边缘检测,采用二尺度结构元素检测平均方法提高边缘检测的准确性,再用不同的结构元素对边缘图像进行形态滤波,以消除干扰.实验证明,该方法能快速准确定位分割出车牌图像,且计算量较小.     

应用机器视觉精确检测工件尺寸的研究

本文在介绍机器视觉检测系统的组成和工件尺寸检测原理的基础上,以高精度尺寸的标准块为例,详细介绍了工件图像滤波,边缘检测和亚像素边缘提取,并对亚像素边缘特性和规律进行了简单的分析.实验检测结果表明,对不超过40mm的工件,尺寸检测误差不超过0.1mm;改进系统测量方法后,检测误差不超过0.01mm.     

改进边缘检测算法在医学图像处理中的应用

图像边缘检测在医学中有很重要的应用,针对此提出了一种新的边缘检测方法,首先采用canny算子对图像进行边缘检测,然后对检测后的图像轮廓跟踪。实验表明,与传统的边缘检测算法相比,这种算法能更好地提取图像中目标物体的边缘,减少检测边缘断裂现象,具有很好的应用价值。     

采用二次定位的车牌图像定位算法研究

提出了一种二次定位的车牌图像定位方法.在第一次定位中首先对车辆图像进行灰度化、边缘检测及直线检测处理,根据车牌区域的特征初步找出包含车牌边框的车牌图像区域;再根据车牌边框对车牌图像进行倾斜校正;在此基础上,对车牌图像采用投影法进行二次定位,最终获得精确的车牌区域.测试证明,提出的二次定位方法能够适应不同背景,对光照、环境及车牌种类不敏感,得到的车牌图像不会包含车牌边框等无用的信息,为后续的车牌字符识别打下良好的基础.     

Laplacian图像边缘检测器的FPGA实现研究

介绍了Laplacian边缘检测算法模型,边缘检测工作流程,分布式运算原理,阐述了用FPGA实现的一个Lapla—cian图像边缘检测器的设计,包括系统总体设计,主要模块的设计思想和系统仿真结果。该检测器采用了流水式数据输入和高速分布式卷积运算等技术,具有良好的实时处理性能,若系统工作时钟为100MHz,则处理一幅1024-1024的图像的时间仅需0．01s左右。     

图像分割的常用方法及其应用

针对图像分割中遇到的常见问题,研究了边缘检测、阈值处理等图像分割理论。在传统算法基础上,给出4种新型算法,可进一步提高图像分割的效果。最后给出了这些算法在图像分割中的实际应用。     

一种空中多目标的定位及识别快速算法

针对空中多个目标进行精确定位及识别的特殊应用场合，该文采用了先进的改进不变矩的算法来进行目标的识别。由于不变矩识别对目标轮廓要求很高，该文提出了一种新的具有方向估计性质的形态学梯度边缘检测算子，弥补了现行的同类算子无法估计边缘方向的缺点；将模糊理论引入该算子，使其更好地抑制噪声，成功分离目标和背景；提出了一种新的断点连接及孤点消除的算法，使目标的轮廓更加清晰平滑，并用跟踪法找到其单像素轮廓线。实验证明，这种新算法极大地提高了对空中多个目标的识别率，并大大加强了系统的可靠性。     

Sobel边缘检测算法的变异实现图像增强

简述了在传统Sobel边缘检测算法的基础上进行算法创新.在边缘检测和图像增强算法中引入了区域运算的概念.详细介绍了Sobel边缘检测算法的具体改进过程,并针对红外图像进行了实际应用.     

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

基于CP神经网络的边缘检测

边缘检测是图像分析识别必不可少的环节，是一种重要的图像预处理技术。虽然传统的算子算法对边缘的检测速度快，但其得到的往往是断续的，不完整的边缘信息，且这类检测方法对噪声比较敏感，在检测噪声污染图像时会得到许多虚假的边缘。利用CP神经网络对灰度图像的边缘进行检测，但考虑到神经网络训练量过大的问题，先利用传统算子对图像进行边缘处理，将处理后的图像做为神经网络的输入。实验结果表明，该方法得到的边缘图像边界封闭性好，具有较好的抗噪特点。     

基于模糊神经网络的红外图像边缘提取算法

针对现有图像边缘提取算法存在的噪声平滑能力与边缘精确定位之间的矛盾,以及红外图像自身信噪比低、视觉效果模糊和对比度差等缺陷,利用模糊神经网络的学习、自适应和模糊处理等优点,提出了一种基于模糊神经网络的红外图像边缘提取方法。计算各像素点8个方向的基本梯度、左关联梯度和右关联梯度,并将其组成梯度数组,把8个方向的梯度数组作为模糊神经网络的输入信号,通过学习和模糊处理最终可获得相对精确的红外图像边缘。实验结果表明,该方法抗噪能力强,边缘保留完整且为单像素宽,在处理红外图像边缘提取上要优于其他算法。