基于数学形态学的图像边缘检测

图像边缘检测通常是以类似于素描图的图像表达出物体的要素和特征,其任务是使图像边缘准确定位和抑制噪声。分析了两种基于数学形态学的边缘检测技术,即基于多尺度形态梯度的边缘检测和基于形态学多级平均的图像边缘检测,并对其进行了理论分析和比较,得出了相应结论。     

基于小尺度的数学形态学遥感图像边缘检测方法

根据遥感灰度图像的特点,提出了一种基于小尺度的数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的特点,通过对不同尺度下边缘特征提取的分析,采用非极大值运算方法提取边缘点,并与其他边缘检测法进行了比较,最后给出了遥感图像边缘提取的实验结果。     

基于形态灰度边缘检测算法的一种改进

使用形态学的思想进行图像的边缘检测,提出了在一次形态处理中使用双结构元的一系列一般性形态边缘检测算子和抗噪型形态边缘检测算子的算法,并给出算子的性质。新算子在使用同一对结构元处理中既具有定位能力又具有细节保留功能,抗噪型算子能很好地检测出图像的单像素宽的边缘。     

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.     

基于数学形态学的弹丸边缘检测技术

从数学形态学的基本理论出发，针对实时采集的有噪声的弹丸图像，在运用数字图像处理技术的基础上，利用形态学在描述形态特征方面的优势，对图像进行了平滑滤波的处理。并探讨了一种新的形态学边缘检测的图像处理方法，经过实践性的尝试，取得了较好的处理效果，并给出了实验图像。     

基于数学形态学的图像边缘提取方法

提出了一种基于数学形态学的灰度图像边缘提取方法,并进行了仿真实验。实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快。     

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。     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

一种改进型柔性形态学边缘检测算法

该文作了基于数学形态学的图像边缘检测算法的研究。利用形态学基本算法的图像处理特点,对常用的边缘检测算法以及传统的形态学边缘检测算法加以分析和比较,指出各自的特点以及不足。再结合几何算法,运用到二值灰度图像边缘检测中,基于边缘检测的经典算法与柔性滤波特性,提出了柔性形态学边缘检测算法及优化算法,完成图像的边缘检测及去噪处理。     

基于数学形态学的彩色图像边缘检测

图像边缘检测大都是基于灰度图像的,其不能充分利用彩色图像的全部色彩信息。本文利用数学形态学在描述灰度图像方面的优势,将灰度形态学边缘检测法运用到彩色图像中。首先在RGB空间对原彩色图像的R、G、B三副伪灰度图像分别进行形态学边缘检测,然后对三副图像的边缘强度进行合并,并采用阈值分割法提取出图像的轮廓边缘。实验结果表明:该算法计算量小,并且充分利用了图像的色彩信息,能有效地检测出彩色图像边缘。     

基于多结构元的噪声污染灰度图像边缘检测研究

提出了具有多结构元的灰度形态学边缘检测梯度算子 ,根据图像的几何特征 ,采用多结构元对图像细节进行匹配 ,既能提取精细的边缘 ,又能很好地抑制噪声 .实验结果表明这种方法效果优于经典的边缘检测方法     

一种改进的数学形态学图像滤波算法

设计了一种多结构元素复合滤波结构,采用两级级联结构,每级运用两种结构元素分别对图像作开闭和闭开运算,运算中间结果以图像熵比值为融合准则进行合并。该算法在抑制图像噪声污染的同时,保留图像的边缘,不损伤图像的细节质量。仿真证明,采用该算法滤波后,反映了图像细节质量的统计参数图像标准差和绝对平均梯度比传统的均值和维纳滤波均高。     

基于形态学的二分法边缘提取算法

对于光照不均匀的图像,形态学边缘提取算法的分辨率远远逊色于人眼的分辨率.产生这种差异的原因是形态学算法仅仅是从几何学的角度出发来检测边缘,并没有模拟出人眼的生物特性.为了提高形态学算法的分辨率,通过研究人眼对光强的特性响应曲线,注意到了人眼对于光线具有亮度适应特性.把亮度适应特性加入形态学边缘提取算法,得到了高分辨率的二分法边缘提取算法.二分法边缘检测算法以强弱光亮度的中心点亮度为分界点,高于分界点的像素亮度被削弱,低于分界点的像素亮度被提高.如此在压制强光的同时增强弱光来模拟出人眼的亮度适应特性.实验证明二分法是一个具有高实时性、低噪声、高分辨率边缘提取算法.     

基于数学形态学和HSI颜色空间的人头检测

为提高视频监控中人数统计的实时性,提出一种人头检测算法。该方法在HSI(hue, saturation intensity)颜色空间建立人头颜色模型,并结合头发的灰度范围进行二值化。采用数学形态学的膨胀腐蚀算法进行预处理,并在边缘检测之后再次进行膨胀腐蚀,从而得到若干个候选区域。利用轮廓的几何特征综合判断这些区域是否为人头。实际监控的实验结果表明:该方法能够快速有效地检测出人头,很好地满足了视频监控中人数统计的实时性要求。     

基于数学形态学的图像增强方法

在有限Abelian群中,基于模糊逻辑将二值形态学分级算子推广到灰度图像,研究灰度形态学分级算子.该算子揭示灰度形态学膨胀和腐蚀之间的数值插值过程.比较研究分级算子和非线性中值滤波算子,并通过实例对分级算子进行数值模拟.     

一种新的改进Canny边缘检测算法

对Canny边缘检测算法的性能进行了分析和评价, 针对传统Canny算法在梯度幅值计算上的缺陷, 提出了一种通过计算像素八邻域内图像一阶偏导数有限差分来确定梯度幅值的方法, 改善了传统Canny算子利用2×2邻域内求有限差分均值对噪声的敏感性, 提高了边缘定位的精度. 在此基础上, 在基于非极值抑制原理检测边缘点时, 将像素的八邻域分为4个像限结合双线性插值的方法进一步提高了边缘检测的精度和准确度. 实验结果表明, 该算法在保证实时性的同时, 具有更好的检测精度和准确度.     

基于数学形态学和改进Otsu的单板缺陷检测

在经典检测算子中,针对单板灰度图像的缺陷检测存在缺陷边缘检测不清晰甚至出现伪边缘的问题,提出了一种Otsu改进算法与数学形态学相结合的单板缺陷检测算法.在HSI彩色空间中,对利用数学形态学滤波后的H、S、I分量采用本文算法进行分别处理,并将三分量的检测结果进行叠加.结果表明,该算法能够准确检测出单板的一个或多个缺陷边缘.与经典边缘检测算子的检测结果对比可知,该算法无论对于缺陷的定位还是边缘的提取均优于其他方法.     

基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.