基于Soft形态学的图像去噪边缘检测

基于形态学的图像处理效果取决于运算性质和结构元素,为了能够更好地抑制图像的噪声并且提取边缘信息,提出了一种基于柔性形态学的图像去噪和边缘检测方法.该方法使用多结构元复合滤波与双梯度多路合成相结合,柔性的多结构元复合滤波能够有效去除图像噪声,双梯度多路合成可以提高图像边缘的检出率,不仅抑制图像的噪声,而且提取出的图像边缘...     

多尺度多结构元素的悬浮颗粒物图像边缘检测

针对不同形状结构元素对颗粒物图像边缘的不同感应能力,小尺度的结构元素去噪声能力弱但能较好地检测到边缘细节,以及大尺度的结构元素检测的边缘较粗但去除噪声能力强等特点,提出了一种多尺度多结构元素的数学形态学颗粒物图像边缘检测方法,同时采用不同尺度下的多个结构元素的边缘检测算子,实现颗粒物图像的各种边缘检测。实验结果表明,这种边缘检测方法能有效地滤除噪声,且抗干扰能力较强。     

基于多尺度和多结构元的形态边缘检测

图像的边缘检测是图像处理中的基本，并且又十分重要的内容，它是图像分割、模式识别和计算机视觉的基础．当前存在许多边缘检测的方法，如Robert算子、Sobel算子、Laplaccian算子等，但是这些算子大都基于邻域平均的方法，使得处理后的图像边缘模糊，影响人的视觉．提出了一种基于多尺度多结构元的形态边缘检测算法，并通过试验证明文中算法的有效性，也得到了比较好的效果，得到了比较清晰的，多类型的边缘．     

基于彩色形态学的图像边缘检测算法

基于对彩色图像形态学的研究,提出了一种面向HSI颜色空间的多结构元多尺度的彩色形态学图像边缘检测算法。首先借助彩色形态学的膨胀、腐蚀、开运算和闭运算给出彩色多结构交替顺序滤波算子的相关定义,同时利用交替顺序滤波器（ASF）的优势得到一种混合滤波器（HF）对图像进行滤波;其次引入一种全方位形态结构元再结合多尺度结构元的思想对图像不同方向的边缘进行提取;最后再使用信息熵对各方向的边缘进行融合得到图像整体边缘信息。实验表明,所提出的算法不仅具有良好的抗噪性,而且能够保留更多的图像细节信息。     

基于数学形态学的遥感图像边缘检测方法研究

提出了一种基于双结构元形态学的遥感图像边缘检测方法,与经典边缘检测算法的仿真比较表明,其算法在边缘连续性、边缘定位精度和地物细节体珥方面都取得了良好效果。     

基于形态学的红外图像边缘检测

为了提高红外图像边缘检测的性能,提出了一种基于形态学的红外图像边缘检测算法,改进了仅依靠单一方向和采用固定方向权重的边缘检测算法.通过使用多方向结构元素对图像边缘进行提取,采用方向自适应权重进行加权融合,得到图像边缘检测的结果.实验结果表明,该方法能够有效地抑制图像中的噪声,提取的图像边缘更加完整,提高了红外图像边缘检测的效果.     

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。     

基于云模型元胞自动机的图像边缘检测方法

针对基于模糊或元胞自动机的图像边缘检测方法所存在的问题,提出了一种新的基于云模型元胞自动机的图像边缘检测方法。采用方向信息测度与边缘有序性度量作为边缘特征信息,将这些信息作为输入进行云推理,利用推理结果对方向信息测度信息和边缘有序性度量信息进行精确反馈,最后通过元胞自动机的自动演化得到图像边缘。试验表明,本文算法具有很强的细节边缘检测能力,是一种实用、高效的图像处理算法。     

一种改进的形态学边缘检测算法

为提取出更丰富流畅、定位更准确的边缘信息,基于多尺度多方向结构元素,引入信息熵加权系数,改进了形态学边缘检测算法.首先,为去除图像噪声,选定2种不同尺度的结构元素进行形态学开闭运算;然后,利用4种不同方向的结构元素进行形态学边缘检测,可以获得4幅不同方向结构元素下的边缘图像;再根据每幅边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行加权求和即可得到较为理想的边缘图像.仿真实验证明:改进的形态学边缘检测算法具有很强的抗噪性能,而且检测到的边缘信息更完整流畅,具有一定的适用性和优越性.     

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.     

基于自适应结构元素的改进分水岭图像分割方法

图像分割是按照一定的规则，将图像中具有特殊意义的区域划分为若干个互不相交的子区域，是从图像处理到图像分析的关键环节，传统分水岭图像分割方法是一种应用较为广泛的技术，具有快速、简单的优点，但该方法易受噪声干扰，分割结果易丢失边缘重要信息，出现过分割现象。为改善传统分水岭图像分割方法存在的过分割问题，提出了一种基于自适应结构元素的改进分水岭图像分割方法。首先，利用图像像素点邻域的局部密度、对称度及边缘特征构造形状可变的自适应结构元素，确保其与图像目标几何结构具有较强的一致性；其次，利用该结构元素获取图像形态学梯度，提高目标边缘的定位精度；将L₀范数梯度最小化和形态学开闭混合重建相结合修正梯度图像，减少梯度图像中的局部无效最小值点，抑制过分割现象的产生；最后对修正后的梯度图像进行分水岭分割，实现图像目标区域的精确分割。实验结果表明，该方法能够有效抑制过分割现象，提高目标边缘定位的准确性，具有较高的分割精度。     

基于灰色预测模型的图像边缘检测

简要地介绍了灰色系统理论和灰色预测模型GM(1，1)，并将该模型和图像边缘检测有机地结合在一起，提出了一种新的图像边缘检测算法，对提出的算法进行了相应的仿真实验。仿真结果表明，该算法能有效地检测出图像的边缘，尤其在检测细密的条纹方面有明显优势。     

3种光照条件下灰度图像边缘检测算法的研究

边缘检测对光照强度的反应很敏感,同一种算法很难对不同光照情况下的图像进行有效的边缘检测.通过对不同光照情况下的图像特征分析,提出了不同光照情况下的图像边缘检测算法：正常光照条件下采用Sobel算子进行边缘检测;弱光照条件时先用MSR（multi-scale retine）进行图像细节增强处理,再利用类别方差自动门限法得到图像边缘;强光照条件下通过灰度扩展,将所感兴趣的灰度范围放大得到图像的边缘.实例分析表明,该方法能够从灰度图像中获取较为理想的图像边缘,并具有一定的抗噪性能.     

基于自适应边缘保持算法的图像插值

为了较好地保持图像的边缘信息，提出一种新的基于线性预测模型的边缘保持算法．该方法根据低分辨图像和高分辨图像之间的几何对偶特性(即图像的边缘在不同分辨率下具有不变性)，用低分辨线性预测模型取代高分辨线性预测模型，以此来计算最优插值系数向量．通过具体的例子验证了该模型边缘保持的有效性．实验结果表明，该方法具有较好的自适应性、边缘保持特性和较低的计算复杂度．     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性.     

一种新的模糊图像边缘检测方法

边缘检测技术是图像预处理中最重要和最困难的任务之一，本提出了一种新的模糊图像边缘检测算法，算法中图像所对应的模糊特征平面通过一个基于阈值的隶属函数来提取，在模糊特征平面上应用模糊增强算子对低灰度区域的大部分象素进行衰减运算，对高灰度区域的大部分象素进行增强运算来提高两个区域之间的对比度，图像的边缘采用min或max算子来提取，仿真结果表明，该算法是一种有效的边缘检测方法。     

肝脏CT图像三维分割研究

针对肝脏CT图像的特征,提出了一种将种子区域生长算法和改进Snake模型相结合的策略,实现了肝脏的三维分割提取。该方法先从CT图像序列中筛选出肝脏有明显成像边缘的一张切片,在其肝脏区域内选择若干个种子点,利用种子区域生长算法得到初始边缘,再利用改进的Snake模型对初始边缘进行优化,然后,将此切片的边缘轮廓作为与其相邻切片上的初始边缘,重复该过程,直到分割完所有切片。实验表明该算法具有较高效率,分割结果精确,所产生的分割结果可以作为三维重建合适的数据集。