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.     

一种快速的航空图像边缘提取方法

航空图像边缘提取对于图像的判读具有重要的辅助作用.在分析航空图像特点和形态学基本原理的基础上,提出了一种新的复合型数学形态学边缘提取算法.通过对一幅实际的航空图像的仿真实验,结果表明,该方法比传统的数学形态学边缘提取算法具有更好的抗噪能力和边缘提取效果,并且算法运算时间短.     

多结构元多路加权形态边缘检测算法研究

边缘检测是图像特征提取与模式识别的基础。形态学边缘检测因其算法简单,噪声抑制和边缘保持能力已成为研究热点。但很多算法采用单一结构元素,很难对弱边界进行有效处理。基于此,利用多结构元思想构造多结构元抗噪型数学形态学边缘检测器,很好地抑制了噪声和提取到弱边缘。     

Retinex理论下的自适应红外图像增强

本文对Retinex的图像对比度增强方法进行修正,引入了非线性变换函数修正红外图像的照射分量和反射分量以及全局对比度增强函数拉伸图像照射分量,改善了全局图像视觉效果.同时使用非线性自适应S型函数进行局部灰度拉伸,从而更好地改善了图像对比度.提出的算法在增强红外图像细节,提高图像对比度方面优于已有的Retinex算法.该算法处理后的图像能够更有效地增强图像的对比度,突出图像的边缘与细节信息.     

基于形态学的人脸图像边缘检测新算法

提出一种利用数学形态学开闭运算--首先滤掉噪声,再使用数学形态学梯度提取边缘的人脸图像边缘检测新算法.仿真结果表明,该方法与传统的边缘检测方法相比,能在滤除噪声的同时很好地检测到人脸图像的有用边缘.     

Flame Image Edge Detection Based on Multi- scale and Multi-strncturing Elements Morphology

针对从工业锅炉采集到的火焰图像边缘形态和噪声的不同,以数学形态学梯度边缘检测算子为基础,结合多结构元素和多尺度的特性,提出了一种基于多尺度多结构数学形态学图像边缘检测算法,并将其应用于火焰图像的边缘检测.仿真结果表明,与经典的Sobel算子、Canny算子和传统的算法相比,提出的算法具有边缘定位准确、轮廓清晰、图像细节保留较多、噪声不敏感等显著优点.     

改进型快速ICA算法与数学形态学结合的图像分割方法

介绍了一种改进型快速独立分量分析(FastICA)算法与形态学相结合的图像分割方法.该方法把图像的特征分量看作是边缘图像分量与其它背景图像分量的结合,把快速ICA对图像分量的提取,变为对边缘图像分量的提取,得到边缘图像的独立分量,再通过数学形态学的方法对边缘图像进行增强处理,从而实现图像的分割.实验结果表明:与传统的图像分割方法相比,该方法具有良好的图像分割性能,可以清楚地观察到图像轮廓,图像边缘的连通性较好且保留了原图像的很多细节,分割效果较好.     

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.     

结合人眼视觉特性的红外图像增强新技术

红外图像具有边缘模糊和对比度较低的缺点,不适合人眼观察,所以要对其进行增强.但是现有的增强方法没有考虑人眼的视觉特性,视觉效果不好.提出基于小波的多分辨分析方法和Retinex图像增强算法相结合的红外图像增强方法,对红外图像不同的高频细节进行有针对性增强,同时用Retinex算法把人眼的视觉特性融入其中,能够使得增强的红外图像光照均匀,亮度适中,更适合人眼观察.算法既增强了图像的细节,又增强了图像的对比度,实验证明:该方法解决了红外图像低对比度和细节模糊的问题.