一种新的多方向模糊形态学边缘检测算法

本文提出了一种多方向模糊形态学边缘检测算法.算法将经典集上的形态学运算扩展倒模糊集,而且基于边缘的多方向特征,结合了模糊集理论和数学形态学,构造了多方向结构元素进行边缘检测.仿真实验证明该方法能够较好地去除椒盐噪声和高斯噪声,并且能够很好地检测图像的边缘.     

数学形态学在数字图像处理中的应用研究

传统边缘检测算法由于对噪声敏感,难以准确提取图像边缘,导致图像处理效果不佳.基于传统数学形态学算法中结构算子的方向性和尺寸几何的基础上进行算法改进.针对抗噪型碰撞腐蚀形态学边缘检测算子结构元素特征,采用不同大小结构元素组合来提取边缘特征,有效保证了图像细节的同时去掉较大噪声点.根据结构元素的方向性,利用同向结构元素图像的匹配来检测各边缘信息,确保不同向边缘信息的完整度.通过比较文本改进算法与传统的边缘检测算法对图像边缘检测效果表明:本文提出的改进算子在处理较大图像边缘检测时具有更快的检测速度,且图像边缘光滑,细节清晰,具备了更强的抗噪性能.     

多尺度形态学图像边缘检测方法

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;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.     

图像边缘分割算法的优化研究与仿真

研究图像边缘分割问题,提高分割的准确性.针对图像中物体像素与其边缘像素容易发生像素粘连,粘连部分由于发生像素灰度混合,造成像素差异极小,传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异,不能完整检测图像边缘的问题.提出了一种离散余弦变换(DCT)和数学形态学边缘分割算法.通过对提取过的特征图像在同一尺度下用多个结构元素分别对图像进行边缘分割,经过合成得到多尺度多结构元素形态学检测的边缘图像,摆脱分割算法对像素灰度的依赖.仿真结果表明:方法具有较好的抗干扰性和定位准确性,分割的边缘更为完整准确,取得了令人满意的效果.     

一种基于数学形态学的边缘检测方法

基于微分算子的边缘检测方法存在抗噪性能弱等缺点,非线性的数学形态学边缘检测可以克服这些缺点,而使用单一结构元素对图像进行形态学处理会模糊很多细节。鉴于这些不足,运用多结构多尺度的思想,将形态学的滤波和边缘检测结合起来,提出一种边缘检测方法,首先采用多结构多尺度的方法对噪声图像进行串联开闭滤波,再利用改进的多结构元素的形态学梯度算子进行边缘提取。实验结果表明,该方法具有较好的抗噪效果且提取的边缘比较平滑。     

数学形态学的边缘检测算法研究

边缘检测是图像处理与模式识别的一个重要图像预处理过程。传统的边缘提取方法如Sobel、Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图像边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图像的边缘。     

人工模糊图像边缘的盲检测算法

为检测并定位数字图像篡改中常采用的人工模糊边缘操作,提出一种基于模糊集合、局部清晰度与数学形态学的人工模糊边缘检测算法。利用模糊集合对图像边缘进行提取,得到被增强的经过人工模糊的图像边缘与被弱化的非人工模糊边缘;引入局部清晰度来区分人工模糊与离焦模糊边缘点;利用数学形态学中的腐蚀运算细化掉被弱化的非人工模糊边缘,保留被增强的人工模糊边缘,实现对人工模糊图像边缘的像素级定位。通过实例验证了该算法的有效性与正确性。     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

基于改进的数学形态学的OCT图像快速边缘提取算法

提出了一种基于形态学的OCT图像的边缘检测方法,即对原始图像预处理,增加图像的对比度和边缘特性,使用形态学腐蚀和膨胀两个基本算子进行,选取了合适的结构元素,最后采用canny算法提取边缘。实验结果表明,经过改进的数学形态学方法处理的图像边缘特性的提取效果显著增强,且效率高、处理速度快。与经典的边缘检测算子和传统形态学边缘检测算法相比,该算法优势更加明显,边缘提取质量显著提高,且速度有显著提升。     

基于多尺度局部特征的图像分割模型

为了解决图像分割中灰度不均匀和初始轮廓敏感的问题,提出一种基于多尺度局部特征的图像分割模型.与传统局部邻域定义在方形区域不同,该模型采用圆形区域来获取更多的局部信息;考虑到局部区域灰度的变化程度不一,提出利用多尺度结构与均值滤波器相结合的方法获得多尺度局部灰度信息;通过转换灰度不均匀模型得到一个逼近真实信息的图像,并将其融合进局部高斯分布拟合(LGDF)模型,构造出基于多尺度局部特征的能量泛函.从理论分析和实验结果表明:由于多尺度结构弱化了灰度不均匀的影响,该模型既能快速、准确地分割灰度不均匀图像,又表现出对初始轮廓具有较强的鲁棒性.     

基于局部结构特征的红外与可见光图像匹配

使用灰度特征对红外与可见光图像进行匹配时,其效果受异源图像间灰度分布差异的限制。为此,提出一种基于局部结构特征的匹配方法。提取Harris角点及其关联的局部轮廓曲线切向角度,使用角点与角度信息构造局部有向Harris特征点,推导基于该特征点的仿射估计方程,结合特征点集匹配假设检验与RANSAC鲁棒估计进行匹配。实验结果表明,在其他方法失配的情况下,该方法可有效实现红外与可见光图像的特征点匹配。     

应用于灰度图像分割的基于流体静力学原理活动轮廓模型

提出一种新的活动轮廓模型,应用于灰度图像分割。此模型建立在流体 静力学理论之上, 运用流体静力学理论直接驱动连续曲线,逼近被包围的目标。该模型能够 分割多重目标、能够分割嵌套的目标、能够有效地控制过分割现象。     

基于Canny边缘SURF特征的红外与可见光图像配准算法

利用多源传感器之间获取信息的互补性,克服单传感器的缺陷,从而提高系统整体性能指标的思想已经在军事、医疗、卫星等领域获得了广泛的应用。可见光和红外图像相融合也能提高视觉应用场景中对目标的探测能力,降低目标警报的虚警率和漏警率,提升准确率和工作效益。对于红外与可见光图像配准过程中受不同传感器图像成像原理不同,成像结果图像灰度差异大、特征难以匹配的问题,可以利用红外和可见光图像的共有特征即边缘轮廓特征,采用Canny边缘提取算法提取出图像最基本、稳定的特征,然后在边缘图中使用SURF特征检测算法进行特征点提取与匹配,最后采用RANSAC进行精准匹配。由于边缘在红外和可见光图像中都是比较稳定的特征,而且在边缘轮廓图中进行特征提取将极大减少计算量和提高匹配率,因而最终能够获得较为准确的红外、可见光图像的变换关系。     

轮廓检测的图像检索方法

在图像检索领域中,形状特征是图像的最重要视觉特征之一,利用形状特征进行检索可提高检索的准确性,但形状边界的自动提取一直是图像处理领域多年的难题。为了提高图像精度和准确性,提出一种基于轮廓检测的图像检索方法,首先用色彩聚类的方法对图像进行预处理,对有意义的聚类区域进行边缘追踪,然后采用基于Snake轮廓检测的算法完成图像分割,提取底层形状特征并用傅立叶描述子加以描述,进行相似度匹配。引入支持向量机的相关反馈算法来提高检索精度。实验结果表明了方法的有效性。     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。     

融合局部特征的图像过渡区提取与阈值化

针对图像过渡区提取与阈值化问题,提出了一种融合局部灰度复杂度和局部灰度差异度的方法。首先生成图像的局部复杂度和局部差异度等局部灰度特征;其次融合这些局部灰度特征构造新的特征矩阵;然后设计了与特征矩阵的均值和标准差相关的自动特征阈值,并提取图像过渡区;最后将过渡区像素的灰度均值作为最优灰度阈值完成图像二值化。实验结果表明,所提方法的过渡区提取质量高,分割效果好,具有合理性和有效性,可作为经典方法的有效补充。     

基于内容的图像染色方法

利用彩色图像对灰度图像进行染色时,色源图像质量的优劣是染色成功的关键.为此,提出基于纹理和颜色特征的图像染色方法.提取图像视觉内容特征中的纹理和色彩作为索引,计算色源图像与灰度图像的纹理相似度.搜索内容与灰度图像相近的色源图像,以提高染色的成功率.提取色源图像的颜色特征进行像素采样,以增强染色效果.实验结果表明,该方法的染色成功率较高,染色效果较好.     

Segmentation of blurred objects by classification of isolabel contours

Segmentation of objects with blurred boundaries is an important and challenging problem, especially in the field of medical image analysis. A new approach to segmentation of homogeneous blurred objects in grayscale images is described in this paper. The proposed algorithm is based on building of an isolabel-contour map of the image and classification of closed isolabel contours by the SVM. Each closed isolabel contour is described by the feature vector that can include intensity-based features of the image area enclosed by the contour, as well as geometrical features of the contour shape. The image labeling procedure for construction of the training base becomes very fast and convenient because it is reduced to clicking on isolabel contours delineating the objects of interest on the isolabel-contour map. The proposed algorithm was applied to the problem of brain lesion segmentation in MRI and demonstrated performance figures above 98% on real data, both in sensitivity and in specificity.     

计算机辅助青铜器纹饰特征线识别方法研究

摘 要：针对青铜器纹饰特征轮廓线识别关键算法和技术,分析了当下纹饰数字化设计的 基本现状。基于计算机辅助技术和三角网格基础理论,结合图像聚类和阈值方法,提出特征轮 廓线识别关键技术由轮廓角点、特征曲线段、分段轮廓线匹配和空间曲线匹配 4 个环节构成。 构建了纹饰目标特征识别算法和流程,采用曲率最大值识别轮廓角点,通过特征曲线段对轮廓 曲线进行表述和投影,采用曲线弦长法对特征曲线进行匹配与拼接。建立了青铜器纹饰特征识 别方法,基于计算机辅助技术,从纹饰特征识别到空间曲线的匹配与拼接完整流程。计算机辅 助设计技术的青铜器纹饰特征识别方法具有数字化、智能化和高效化特征。根据实验结果,该 方法在目标对象纹饰识别和提取方面具有广阔的应用前景。