基于局部直方图相关的造影图象边缘检测方法

造影图象的边缘检测是造影图象的组织或器官分割、测量和分析的基础 .由于造影图象的信噪比低、低电平纹理多 ,而且大量边缘是渐变的小幅度微弱边缘 ,因而其检测一直是造影图象研究与临床应用的重点之一 .针对这一问题 ,提出了一种检测数字造影图象边缘的新方法 .由于图象边缘区域与非边缘区域的局部直方图明显不同 ,因而可以利用这种差别来检测图象的边缘 ,同时还基于局部直方图构造了一种匹配滤波器算法——最大统计相关算法 ,该方法不敏感于图象的噪声和低电平纹理 ,而且能够有效地从噪声和纹理中分离提取造影图象的微弱边缘 .     

采用正交多项式曲面拟合法的边缘检测

本文介绍了一种应用局部曲面拟合技术检测图象边缘的方法.其拟合函数是由两个一维三阶正交多项式的张量积构成,图象中的边缘点定义为梯度方向上二阶导数的过零点.文中证明了:采用正交函数进行曲面拟合后的图象及其各阶偏导数均可用卷积完成,而它又可分解为两次一维卷积,从而使计算量大大下降.实验表明,同传统的边缘检测技术相比,该方法具有良好的噪音抑制特性,边缘点的位置确定也很令人满意.     

一种基于四阶各向异性微分的抑噪与边缘增强方法

各向异性微分在抑噪与保留边缘方面有明显的作用,但它产生的"块效应(Blocky Effect)"会使图象部分细节丢失,且对斑点噪声的抑制能力较弱.通过引入拉普拉斯算子,将图象近似为分段平坦图象,应用四阶各向异性微分方法可以有效地消除"块效应".根据斑点的统计特性,应用"窄条(Stick)"技术与假设实验优化方法来抑制斑点噪声和增强边缘与细节.通过仿真斑点图象与组织超声图象的处理,并引入噪声抑制与边缘保留量化参数,与线边缘检测方法、四阶各向异性微分方法进行了比较.实验证明,这种基于四阶各向异性微分的抑噪与边缘增强方法不但能有效地抑制斑点噪声,而且能很好地保留与增强图象边缘与细节.     

基于四元数描述的彩色图象边缘检测器

为了对彩色图象进行有效的边缘检测 ,提出了一种彩色图象边缘检测的新方法 ,该方法先是采用基于四元数的滤波器来确定当前像点是否在同质区域边缘 ,进而检测出边缘像点 .实验表明 ,该方法对合成及自然彩色图象均有较好效果 ,能够方便快捷地得到图象的边缘 .     

二阶导数型边缘检测算子边缘定位误差的研究

本文首先导入了离散的高斯-拉普拉斯(DLOG)及二项分布--拉普拉斯(LOB)两种二阶导数型边缘检测算子.由独立的高斯噪声所污染的数字边缘作为边缘图象模型.使用二阶导数型边缘检测算子对图象模型进行卷积后,用均方误差最小的准则对卷积后的图象进行平面拟合,并求出零交点作为图象的边缘点.推导了二阶导数型算子的边缘定位概率Pd及假边缘检测概率Pf,继而比较了两种二阶导数型边缘检测算子的性能.     

图象平滑与边缘检测的模糊向量描述

本文对噪声和边缘的统计特征进行了分析，提出了以Ｐ１（ｉ，ｊ）、Ｐ２（ｉ，ｊ）和Ｐ３（ｉ，ｊ）作为边缘、噪声和非边缘非噪声的隶属函数，并在此基础上建立它们的牲描述向量。借助于该特征向量。将图象平滑和边缘检测转化为一个模式识别的问题。从理论上讨论了解决图象处理中长期存在的去噪和保持边缘细节的折中问题的思路，并构造出了基于模糊模式识别的图象边缘检测和图象滤波的基本框架。     

基于多尺度边缘增强的遥感图象融合

边缘是图象(尤其是遥感图象)的一种重要特征.如果能够在将遥感图象进行融合的同时,增强融合图象的主体边缘特征,这显然对融合图象的进一步分析和应用具有重要的意义.因此,本文根据小波多尺度边缘检测的特性,结合小波变换融合的原理,提出了一种基于多尺度边缘增强的遥感图象融合.实验结果表明,该方法确实能够显著增强主要地物的边缘特征,为图象分割、特征提取和地物识别等应用奠定了基础.     

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.     

内积能量与边缘检测

提出了一种新型的边缘检测算子--基于内积能量的边缘检测算子.在基于内积能量的边缘榆测算子中,内积能量在增强图像边缘的同时能够有效地抑制图像中的噪声和细节,因而它能较好地解决传统边缘检测算子的噪音抑制和边缘定位精度之间的矛盾.实验结果表明:与经典的Canny边缘检测算子相比,在具有相当边缘定位精度的条件下,基于内积能量的边缘检测算子对图像噪音和细节具有更强的抑制能力.此外,它还具有对参数调节不敏感的优良性质.     

检测噪声图象边缘的概率集群识别方法

本文提出一种噪声图象中检测边缘的新方法.该方法从图象的灰度概率域人手,将概率谱分为两个等面积的集群,通过判定群间距离检测图象的边缘.理论分析与实验结果表明,这种方法具有较强的噪声抑制能力和边缘提取能力.     

新的噪声污染灰度图像边缘检测方法

传统的图像边缘检测方法由于引入了各种微分运算,因此用于噪声图像边缘检测时对噪声极度敏感。针对这一问题,提出了一种基于独立分量分析技术的噪声图像边缘检测方法,该算法通过计算数据之间的高阶统计信息,提取特征模板,然后将被高斯噪声污染的灰度图像与这些模板逐个匹配,提取出边缘成分。实验结果表明,基于独立分量分析技术的模板匹配方法自适应强,复杂度低,是一种有效的高斯噪声污染灰度图像边缘检测方法。     

二进小波与改进的形态学融合的边缘检测算法

针对小波变换边缘检测算法抗噪能力差、图像边缘不连续等缺点,提出一种将二进小波变换与形态学算子融合的边缘检测算法。利用新构造的二进小波滤波器边缘检测算法对含噪图像进行边缘检测,可以保留较多的边缘细节;利用新设计的多结构抗噪形态学算子对含噪图像进行边缘检测,抑制噪声良好;将两种算法得到的边缘结果按一定规则进行融合,利用Laplace算子锐化融合后的图像,得到最终的边缘检测结果。实验结果表明,该融合算法在抑制噪声的同时显示较多的图像细节,检测的图像边缘连续且准确。     

融合小波变换和新形态学的含噪图像边缘检测

针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。     

基于改进Canny算法的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声图像的去噪效果不佳,以及双阈值需要预先设定的问题,提出了一种基于改进Canny算法的噪声图像的边缘检测。首先构建自适应高斯滤波器对曲度算子进行改进,得到优化的二值边缘图;然后基于最大类间方差法构建了灰度梯度映射函数,确定最佳的双阈值;最后对二值边缘图进行双阈值检测以及边缘连接。实验结果表明,改进算法与现有Canny算法相比,在不同类型噪声和不同浓度噪声的环境下,改进算法提高了对噪声图像边缘检测的性能,其中PSNR值平均提高了1.9%,MSE值平均降低了1.6%,且具有自适应性强、运行效率高的优点。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

一种基于形态学的边缘检测算法

在对含有噪声图像进行边缘识别时,为了提高识别精度,提出一种基于形态学的边缘检测算法。准备两种不同尺度的形态学结构元素,并对图像进行形态学降噪处理;用不同类型的形态学结构元素对处理后的图像进行边缘检测,获得不同结构元素下的边缘图像;根据每张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合成。这样,即使在有噪声干扰的条件下也能获得较为理想的图像边缘。实验结果展示了该算法相对于其他边缘检测算法的优势,突出其在保持图像边缘清晰的同时还具有较强的噪声去除能力,有力地说明了该算法的有效性和实用性。     

结合边缘信息的多尺度MRF图像分割

针对采用多尺度马尔可夫随机场分割图像后还存在误分类的特点，提出了结合边缘信息进一步减少误分类，并设计了一种基于平稳小波变换、两个相邻尺度相乘的边缘提取算法。分析和实验结果表明，该边缘提取算法达到了既能提取出较完整、真实的边缘，又较好地抑制噪声，计算量少的要求。在分割算法中结合提取出的边缘信息，使图像在均匀区域中的误分类大大减少，得到了更好的分割结果，而增加的计算量只是由边缘提取带来的．该边缘提取算法和结合边缘的图像分割算法更适合于强的噪声图像。     

强噪声下改进Canny算法的边缘检测

针对传统边缘检测算法抗噪性较差、易受噪声影响、误判率高和漏判等问题,提出一种强噪声环境下对传统Canny边缘检测算法的改进算法。该算法选用平滑聚类滤波取代高斯滤波对受噪声图像进行预处理;对滤波窗口内的像素点进行噪声检测,根据检测到的噪声点个数自适应调整滤波窗口的大小,改变窗口中各信息的输出,为图像中的重要信息赋予较大的权值,实现降低噪声影响的同时防止重要信息被过滤;极大值抑制阶段在3×3邻域内使用Sobel算子,额外加入45°、135°方向计算梯度幅值和方向,更全面地检测细节信息;针对图像的灰度变化使用平均方差来计算高阈值。仿真结果表明,在高斯噪声和椒盐噪声的混合强噪声干扰下,该算法得到的边缘提取结果明显优于传统算法得到的结果。     

基于自适应方向导数滤波器的彩色边缘检测

传统彩色边缘检测算法在提高边缘检测准确性时可能将噪声检测为边缘,而在提高噪声鲁棒性时会将部分边缘当作噪声进行抑制,导致部分边缘信息丢失。为解决传统彩色边缘检测算法在边缘检测准确性与噪声鲁棒性之间的矛盾问题,提出一种基于自适应各向异性高斯方向导数（ANDD）的彩色边缘检测算法。通过彩色图像的微分自相关矩阵构建反映边缘类型的度量准则,以自适应地确定每个像素处ANDD滤波器的形状,从而准确提取不同类型的边缘特征,采用ANDD滤波器组对图像进行平滑处理,提取在三个通道上的ANDD特征。在此基础上,利用奇异值分解得到最优融合权值,并融合三个通道的ANDD特征,以增强彩色边缘强度。实验结果表明,该算法在无噪声和含噪声环境下的Pratt品质因子分别为0.849 6和0.791 4,与彩色Canny、RCMG-MM和FRPOS算法相比,在保持较高边缘检测准确率的同时具有较优的噪声鲁棒性。     

噪声图像边缘检测方法的研究*

对图像中常见的高斯噪声和椒盐噪声的特性进行了分析,对含有这两种噪声的数字图像的边缘检测方法进行了研究,尤其对基于顺序形态学的噪声图像边缘检测方法进行了深入的分析研究,基于顺序形态学理论提出了针对分别含有高斯噪声和椒盐噪声的图像边缘检测方法。通过仿真验证表明,对于含有以上两种噪声的图像,提出的方法不仅能够去除噪声而且能够提取出准确清晰的边缘。