基于多结构元的数学形态学的边缘检测

针对传统边缘检测算子具有对噪声敏感、提取出的边缘细节特征没有得到很好的保持等不足,文中在 Canny 算法启发下提出了一种基于多结构元的数学形态学边缘检测算法,并经过数学形态学细化算法提取图像边缘,并与 Sobel 边缘检测算法和 Canny 边缘检测算法得到的图像边缘仿真结果进行对比,分析比较其优点不足,得出结论:文中算法得到的图像边缘其定位准确且较平滑,轮廓清晰,很好地保留了边缘细节特征,比较容易并行实现,而且由于此种边缘检测算法抗噪能力较强,能较好解决性噪比和单边缘响应之间的矛盾     

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。     

基于边缘检测的数学形态学方法研究

阐述了用于图像边缘检测的数学形态学方法，在图像边缘检测的预处理。边缘提取、以及边缘连接等方面均可采用数学形态学来实现，并用实验证明数学形态学用于边缘检测有其独有的优点。     

基于数学形态学的边缘检测算法研究

针对传统的边缘检测方法对图像较复杂或含有噪声时的边缘检测效果不佳的问题,论文研究了一种基于多尺度数学形态学的边缘提取方法.实验结果表明:与经典的边缘检测算子相比,该方法能较好地解决边缘检测精度与抗噪声性能的协调问题,具有较好的边缘提取效果.     

基于数学形态学的彩色噪声图像边缘检测算法*

针对已有的数学形态学边缘检测算法对彩色噪声图像检测到的彩色边缘信息不够完整、清晰,提出了一种基于HSI色彩空间的多尺度多结构元的数学形态学边缘检测算法,采用以尺度和结构两个单位元素进行横向和纵向的拓展,以面的形式对彩色噪声图像进行全面的边缘检测。基于这种理念分别对H和S两个携带颜色信息的分量进行边缘检测,最后将两分量的边缘信息通过加权合成得到彩色图像的彩色边缘。实验证明,该算法的去噪效果明显,得到的彩色边缘轮廓清晰、细节丰富,对彩色边缘的提取具有可行性和有效性。     

基于边缘检测的数学形态学方法研究

阐述了用于图像边缘检测的数学形态学方法,在图像边缘检测的预处理、边缘提取、以及边缘连接等方面均可采用数学形态学来实现,并用实验证明数学形态学用于边缘检测有其独有的优点.     

基于数学形态学的图像边缘检测算法的研究

为了提高图像边缘检测的效率、降低噪声对图像边缘检测的影响,提出了一种基于数学形态学的图像边缘检测算法。该算法引入多元结构元素的概念,提出了一种改进的形态学边缘检测算子,能够有效地检测出带有噪声的图像边缘,并保持边缘的平滑性。实验结果表明,与传统边缘检测算子相比较,该算法杭噪声性能良好,实时性较好,具有一定的实用性和可行性。     

基于形态学的遥感图像全方位边缘检测算法研究

遥感图像存在较多的噪声和畸变，直接用形态学梯度作边缘检测，存在结构元素单一、只对结构元素同方向的边缘敏感、去噪能力弱的缺陷。本文首先构造了全方位形态学结构元并进行边缘检测，然后再作边缘合成并得到最终图像边缘。实验表明，该方法可有效地滤除噪声并能保持图像边缘的细节。     

自适应的形态学边缘检测算法

针对传统的基于形态学边缘检测算法抗噪能力较差以及易丢失边缘细节的问题,提出一种自适应的抗噪型边缘检测算法。该算法采用多尺度的结构元素进行滤波,根据边缘方向自动选择相应方向的结构元素进行边缘检测以得到更多的边缘细节。实验结果表明,该算法不仅抗噪能力较强,检测到的边缘细节较多,而且还能提高边缘检测效率,是一种有效的边缘检测算法。     

基于数学形态学的储粮害虫图像边缘检测算法研究

对储粮害虫进行实时监测是非常必要的．其中基于图像识别的检测是目前研究较多的一种方法。本文简述了数学形态学方法。对数学形态学在粮虫图像处理边缘检测中的应用进行了研究。计算表明，该方法较好地解决了粮虫图像的去噪和边缘检测问题。     

基于轮廓结构元素形态学的多尺度边缘检测

提出一种改进的基本轮廓结构元素形态学的多尺度边缘检测的方法。用基于轮廓结构元素的形态学提取多尺度下的图像边缘,然后加权融合,采用非极大值抑制算法细化边缘。该方法在有效抑制噪声的同时保护了图像的细节。实验结果证明该方法在提取受噪声污染的图像的边缘时非常有效。     

基于数学形态学的自适应边缘检测新算法

考虑到在形态学中,不同形状的结构元素和不同尺度的元素在去噪声和保持图像细节方面的作用是不同的,提出了一种基于多结构多尺度自适应形态边缘检测算法。对一般边缘检测算子做了改进,增加了边缘细节信息。通过计算检测后的边缘信息熵,自适应确定权值系数。将多结构元素检测的边缘和多尺度元素检测的边缘做融合处理,得到最终的图像边缘。实验结果表明,与几种经典边缘检测算法相比,所提出的算法能有效地抑制图像的多种噪声对边缘检测的影响,较好地保持图像边缘细节,自适应提取完整连续边缘。     

基于形态学多结构元边缘提取方法的研究

通过对传统形态学边缘提取方法的分析,提出了基于形态学多结构元边缘提取算子,该算子既有良好的边缘提取特性,又可很好地解决了噪声抑制和保持图像边缘细节之间的矛盾,通过灰度加权平均值作为阈值进行二值化,更加突出了边缘效果。实验表明:基于形态学的多结构元边缘提取算子,具有较高的噪声抑制能力,能够完成复杂背景下的边缘提取。     

基于多尺度轮廓结构元素的多形状边缘检测

在图像边缘检测过程中,针对滤除噪声及有效保留图像边缘信息这对矛盾点进行了研究,给出一种基于多尺度轮廓结构元素的多形状边缘检测算法。该算法通过多次使用轮廓结构元素的开最大和闭最小运算操作滤除噪声,运算次数通过比较图像峰值信噪比确定,降低结构元素对边缘信息的影响;然后采用多形状多尺度结构元素提取图像边缘,并利用图像峰值信噪比控制结构元素尺度的选取。与经典边缘检测算法相比,该算法具有更强的去噪声能力,且能保留更多的图像细节。仿真实验表明,有区别地使用轮廓结构元素及多形状多尺度结构元素,能有效去噪并保留边缘信息。     

基于灰度形态学的红细胞图像边缘检测

边缘包含了图像很多重要的信息,边缘检测的好坏也直接决定了后续处理的效果。在利用数学形态学进行边缘检测后,会出现不需要的边缘,形成噪声。针对这种情况,提出一种计算中心像素与邻域像素均方差的方法对形态学边缘检测算子进行改进,该方法可以有效减少噪声,为以后对红细胞图像进行特征提取和分类打下良好的基础。     

基于非下采样Contourlet变换和形态学的图像边缘检测

在复杂工件的边缘检测过程中,噪声干扰和细节丢失会使检测结果产生较大的误差。针对这一问题,提出了将非下采样Contourlet变换和数学形态学相结合的边缘检测算法。首先对原始图像进行非下采样Contourlet变换,然后对得到的高低子频图像采用不同的方法进行边缘提取,最后通过合理的融合规则得到图像的边缘图像。仿真实验表明,该算法对图像边缘细节的提取比其他算法更加丰富,并具有较好的连续性、抗噪性和鲁棒性。     

基于柔性形态学的梯度边缘检测算法

在深入研究柔性数学形态学边缘检测算法的基础上,提出比传统柔性形态学膨胀和腐蚀算子具有更强鲁棒性的柔性形态学膨胀和腐蚀算子,在此基础上提出柔性形态学梯度边缘检测算法,实验证明了该算法对噪声特别是脉冲噪声有很强的抑制作用,并能很好地检测出图像的边缘信息。     

CB形态学的边缘检测算法研究

数学形态学是一种非线性滤波方法,应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。基于CB（Contour-Based）形态学的方法,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。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。     

基于改进Canny算子与图像形态学融合的边缘检测方法

传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。