基于灰色加权绝对关联度的边缘检测算法

探讨了灰色关联度计算方法在边缘检测中的适用情况,提出并实现了基于灰色加权绝对关联度的灰度图边缘检测算法。实验结果表明在基于灰色系统理论的边缘检测过程中采用加权灰色绝对关联度其效果明显优于采用一般关联度,该算法为基于灰色系统理论的边缘检测的新思路做出了有益的发展和补充。     

基于灰色加权绝对关联度的边缘检测算法

探讨了灰色关联度计算方法在边缘检测中的适用情况，提出并实现了基于灰色加权绝对关联度的灰度图边缘检测算法。实验结果表明在基于灰色系统理论的边缘检测过程中采用加权灰色绝对关联度其效果明显优于采用一般关联度．该算法为基于灰色系统理论的边缘检测的新思路做出了有益的发展和补充。     

灰色关联度和Prewitt算子相结合的边缘检测算法

本文提出了一种新的灰色关联度和Prewitt算子相结合的边缘检测算法,该算法通以Prewitt模版作为参考序列,利用灰色关联度判别该象素是否为边缘点,应用非极大抑制方法,则可得到单像素边缘图像.仿真结果表明,该算法能够有效检测图像边缘,所检测出的图像边缘细节丰富,精度较高,具有一定的杭嗓能力.     

一种基于Sobel算子和灰色关联度的图像边缘检测方法

把灰色关联度与图像的边缘检测相结合，提出了一种利用Sobel算子作为参考序列,通过计算灰色关联度来检测图像边缘的新方法，并介绍了其原理和算法实现过程。仿真实验表明，该方法对图像边缘的检测精度较高，抗噪声能力强，提高了图像边缘检测效果。     

基于灰色关联分析和Canny算子的图像边缘提取算法

基于灰色关联分析和Canny算子,提出了一种有效的边缘提取策略。相对于传统边缘检测方法中的梯度图像,首次提出灰色关联度图像的概念,并对两种图像进行了对比和分析。指出并讨论了灰色序列方向对边缘方向的敏感性,采用不同方向的灰色序列可以得到和梯度方向算子相似的效果。由各方向序列下的灰色关联度图像进行边缘方向判断,沿各方向进行非极小值抑制,对灰色关联度图像进行细化,然后设定自适应高低阈值进行边缘连接。实验表明该算法具有很好的处理效果。     

一种基于改进灰色关联分析的变量选择算法

针对灰色绝对关联度模型和灰色相似关联度模型存在的问题,提出一种基于相对变化面积的改进灰色关联度模型.以序列几何形状的相似程度为基础,构建反应折线相似程度的相对变化面积,并以此作为关联系数的计算依据,同时以局部关联度的平均值度量整体的相似性,定义灰色关联度模型.此外,根据关联度计算结果,提出一种基于集合思想的变量选择算法,有效去除变量间的无关和冗余变量.仿真结果验证了所提出算法的有效性和合理性.     

有效的图像滤波算法

利用灰色关联度的特性和阿尔法均值滤波算法的优点,提出一种基于改进灰色关联度和阿尔法Alpha均值滤波的噪声图像的自适应滤波算法。该算法采用灰色关联度自适应地确定滤波窗口的加权系数值,改善算法的滤波性能。实验结果表明算法对受到高斯噪声和混合噪声干扰的图像进行去噪能取得较好的滤波效果,同时还保护了原始图像的细节信息。     

一种改进的Roberts 和灰色关联分析的边缘检测算法

针对Roberts 算子容易漏检及对噪声较敏感的问题,提出一种改进的基于灰色关 联分析方法的边缘检测算法GRA-Roberts。通过改进Roberts 算子提高其检测精度和抗噪性能, 结合灰色关联分析方法,将改进后的Roberts 算子作为参考序列,通过计算灰色关联度来检测 图像边缘。实验结果表明,GRA-Roberts 算法能有效克服Roberts 算子算法易漏检和对噪声敏 感的问题,且比其他灰色关联结合算法具有更好的检测效果。     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

灰色关联分析在工程图纸除噪预处理中的应用研究

提出了一种基于灰色关联分析的工程图像除噪预处理算法.该算法首先对含噪工程图像的特点进行分析,利用图像中噪声点与边缘点的空间分布连续性不同和图像为近似二值图像的特征,确定了两个非边缘点的参考序列和一组待比较序列;然后通过这两个参考序列与各比较序列之间的灰色关联度将含噪图像的像素重新分类,从而在保留尽可能多边缘的情况下除去噪声.实验表明该除噪方法具有简单易行、效果显著,而且能同时除去多种不同类型的噪声及可动态控制去除噪声与保持边缘的折中度等优点.这对于改善细化、骨架化、识别和矢量化等后继处理结果有着重要意义和实用价值.