一种基于形态学的多结构元素多尺度图像边缘检测方法

提出了一种基于数学形态学算子的多结构元素多尺度边缘检测方法,首先构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对灰度图像进行边缘检测,然后改变结构元素的尺寸大小得到多尺度下的边缘图像,根据不同尺度抗噪性能不同来确定权值,将不同尺度下的边缘图像合成,得到在噪声存在条件下较为理想的图像边缘,实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力,具有一定的实用性和可行性.     

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。     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

基于自适应滤波的单像素宽形态学边缘检测

为了进一步提高边缘检测算法的抗噪性和定位精度,提出了一种基于自适应滤波的单像素宽形态学边缘检测算法。首先,分别对图像进行中值滤波和加权均值滤波,并通过自适应调整中值滤波结果和加权均值滤波结果所占的权重抑制脉冲噪声和高斯噪声。然后根据不同取向的结构元素可以有效地检测出不同走向的边缘细节这一特性,定义了一种具有方向估计的形态学梯度,并利用其检测图像的边缘,最后沿梯度方向进行非极大值抑制以获取单像素宽边缘。实验结果表明,本文算法不仅能够准确地检测图像边缘,而且具有较好的抗噪性能,处理速度也较快。      

一种新型的图像边缘检测技术

针对传统的数学形态学边缘检测算法,提出一种新型的基于数学形态学的膨胀,腐蚀,开,闭等变换,采用不同方向不同尺度结构元素对图像进行边缘检测,大尺度结构元素清除噪声,小尺度结构元素获取完整的边缘。通过计算获取边缘的信息熵,自动匹配权值系数,进而得到最终图像边缘的完整信息。此方法能够有效地抑制噪声,保持边缘信息的完整性,精确性。     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

基于小波变换的图像混合噪声自适应滤波算法

提出了一种基于小波变换的图像混合噪声自适应滤波算法.该算法首先采用中值滤波进行预处理以去除脉冲噪声,然后对图像进行二维小波分解得到高频和低频子图像.根据各高频子图像噪声分布特征,分别设计出新的结构元素进行形态学滤波,随后定义一种新型阂值判别函数对高频和低频子图像分别设定不同调节参数,以进一步滤除残余噪声.最后进行小波系数重构.仿真结果表明,该算法去噪效果明显优于其他几种算法,从而表明该算法是一种较为有效的图像混合噪声滤除方法.     

一种基于图像融合的红外图像增强新方法

介绍了一种红外图像增强的新方法。该算法对红外图像处理过程中不同类型的噪声采用不同的方法滤波，有效地滤除了高斯噪声和脉冲噪声，同时增强了目标和背景中的边缘成分。该方法以增加检测系统硬件复杂程度为代价换取对红外图像特定信息的增强，可用于地面背景下红外图像目标检测或匹配跟踪的预处理。     

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.     

基于Canny算子和K-L变换的改进SIFT匹配算法

在分析了经典SIFT算法的基础上,提出了一种基于Canny算子和K-L变换的改进SIFT匹配算法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,与SIFT算法检测出图像关键点的坐标进行对比以去除不稳定的边缘点;其次通过K-L变换,将特征描述符进行降维处理,降低算法复杂度;最后使用RANSAC算法剔除误配点。通过实验表明,该算法能有效去除不稳定的边缘响应特征点,减少图像匹配时间,提高图像匹配的准确性和鲁棒性。     

路面裂缝识别中边缘检测间断性的改进

针对传统边缘检测算子得到图像的间断和不连续的特点,结合基于形态学的图像膨胀算法和图像细化算法对路面裂缝图像的边缘检测进行了改进。先介绍了几种常用的边缘检测算子,并利用各个算子对路面裂缝图像进行了边缘检测,将结果进行了对比,根据对比结果选出了Soble算子为本次实验所用的边缘检测算子,在其基础上改进。最后,根据该类路面裂缝图像的特点,改用"菱形"结构元素代替传统的"方形"结构元素,将间断的路面裂缝图像边缘处理成连续的清晰的边缘,达到了很好的效果。     

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求.     

矿坝输送带实时图像探伤方法

长期工作在艰苦的环境下,钢丝绳芯输送带易发生断裂故障,对运输生产造成影响。提出一种基于模糊聚类算法的图像识别方法对输送带的损伤与接头进行检测,据背景差分法与阈值分割,分离出输送带前景、背景视频图像得到目标。利用Sobel算子检测得到损伤与接头处边缘关系,消除冗余信息,最后用模糊聚类算法对图像分类,从而对输送带是否有损伤作出判断。实验结果用以验证算法的有效性。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

一种基于邻域支持准则的双层立体匹配算法

本文给出一种基于邻域支持准则的双层立体匹配算法，该算法以LOG边缘检测器输出的边缘点为匹配基元，利用图象相关特性和匹配相容性约束构成两层匹配系统．第一层以反映图象灰度统计特性的局部相关约束为准则．第二层以第一层输出为引导，从图象结构和视差相容方面寻求全局意义上的最佳匹配，从而使系统对复杂场景有较好的自适应性．实验结果表明，该算法结构简单，稳定可靠，具有处理复杂场景的能力．     

Symmetry-Based Indexing of Image Databases

The use of shape as a cue for indexing into pictorial databases has been traditionally based on global invariant statistics and deformable templates, on the one hand, and local edge correlation on the other. This paper proposes an intermediate approach based on a characterization of the symmetry in edge maps. The use of symmetry matching as a joint correlation measure between pairs of edge elements further constrains the comparison of edge maps. In addition, a natural organization of groups of symmetry into a hierarchy leads to a graph-based representation of relational structure of components of shape that allows for deformations by changing attributes of this relational graph. A graduated assignment graph matching algorithm is used to match symmetry structure in images to stored prototypes or sketches. The results of matching sketches and grey-scale images against a small database consisting of a variety of fish, planes, tools, etc., are promising.     

基于边缘检测的车牌识别算法的实现

针对传统车牌识别的不足,本文提出了基于边缘检测的车牌识别的算法.该算法首先对摄像头获取的车牌图像预处理,去除图像无用信息,然后运用Robert算子检测车牌边缘,并对车牌区域进行图像较正,用高斯滤波法去除噪声并且提取车牌信息特征,接着对车牌区域水平和竖直方向运用触点定位法分割字符,对车牌分割后与相应字符模版匹配,利用预测模型预测识别结果,最后识别出车牌字符.     

Fast copy-move forgery detection algorithm based on group SIFT

Aiming at the high computational complexity of the existing copy-move image forgery detection algorithm,a copy-move forgery detection algorithm based on group scale-invariant feature transform (SIFT) was proposed.Firstly,the simple linear iterative clustering (SLIC) was utilized to divide the input image into non-overlapping and irregular blocks.Secondly,the structure tensor was introduced to classify each block as flat blocks,edge blocks and corner blocks,and then the SIFT feature points extracted from the block were taken as the block features.Finally,the forgery was located by the inter-class matching of the block features.By means of inter-class matching and feature point matching,the time complexity of the proposed copy-move forgery detection algorithm in feature matching and locating forgery region was effectively reduced while guaranteeing the detection effect.The experimental results show that the accuracy of the proposed algorithm is 97.79%,the recall rate is 90.34%,and the F score is 93.59%,the detecting time for the image with size of 1024×768 is 12.72 s,and the detecting time for the image with size of 3000×2000 was 639.93 s.Compared with the existing copy-move algorithm,the proposed algorithm can locate the forgery region quickly and accurately,and has high robustness.