基于模糊推理的噪声图像边缘检测

对于噪声感染的图像,提出一种基于模糊推理的图像边缘检测方法。该方法将像素点的基本梯度与关联梯度作为模糊推理系统的输入变量,根据确定的模糊规则,运用模糊推理方法得到该点属于噪声的程度,从而去除由噪声引起的伪边缘,实现边缘检测。实验结果表明,与其他边缘检测方法相比,该方法可以获得较好的边缘特性,具有较强的抗噪性能。     

改进的抗噪形态学边缘检测算法

噪声是影响图像的边缘检测效果的主要因素之一。形态学的各种运算可以有效地去除噪声,利用形态学对含噪图像进行边缘检测的算法已成为人们当今关注的问题。为了提高图像边缘检测的准确性,降低噪声对图像边缘检测的影响,提出了一种改进的抗噪形态学边缘检测算法,且利用两个不同的结构元素进行边缘检测。对于含有椒盐噪声的图像,改进的算法能很好地减弱噪声,得到的图像较平滑、轮廓清晰。边缘定位准确且很好地保留了边缘细节特征。实验结果表明,算法抗噪能力较强,客观评价与视觉效果均好。同时,该算法具有一定的实用性和可行性。     

基于灰色关联分析和模糊推理的图像边缘检测

针对噪声图像,本文提出一种基于灰色关联分析和模糊推理的图像边缘检测方法。该方法利用灰色关联分析对图像进行边缘初提取,然后针对边缘和噪声特征的不同,确定模糊规则,利用模糊推理系统推理噪声隶属度,进而去除由噪声引起的伪边缘,获得真实边缘,实现边缘检测。实验表明,与其他边缘检测方法相比,本文的方法不但可以获得较好的边缘特性,而且具有较强的抗噪性能。     

一种基于改进的形态学算子的边缘检测算法

本文提出了一种基于改进的形态学算子和多尺度多结构元素思想的边缘检测算法.改进的抗噪型形态学边缘检测算子增强了图像边缘检测时的抗噪能力,采用多尺度和多结构元素构建的边缘检测算法既具有较好的抗噪能力,同时可检测更多边缘方向.实验结果表明,该算法具有较好的抗噪能力,在检测出更多的边缘方向的同时可保留较多的边缘细节,具有较强的...     

抗噪的多尺度形态学边缘检测算法

为了使图像边缘检测算法的抗噪声能力更强,能检测到更加丰富的边缘信息,在多尺度形态学边缘检测算法的基础上,提出一种抗噪的多尺度形态学边缘检测算法。一方面,用小波变换法替代常用的加权平均法来融合各尺度下获取的边缘图像,对小波分解后得到的低频系数和高频系数分别采取不同的融合策略,从而有效地保留边缘的细节信息,使得融合后获得的图像清晰且细节丰富。另一方面,在用不同尺度的结构元素检测图像边缘时都采用抗噪的检测算法,因此,该算法具有较强的抗噪声能力。仿真结果表明,该算法既能有效地降低噪声对检测结果的影响,又能获得较理想的边缘图像。     

一种抗噪的大米边缘检测方法

针对同时含有高斯噪声和椒盐噪声的大米图像,提出了一种大米抗噪边缘检测方法.根据大米图像的特点对中值滤波法进行改进,使其能在降噪的同时更好地保护大米边缘细节,采用改进中值滤波算法对大米图像进行滤波之后,分别经过顶帽变换去除光照不均匀和幂次变换进一步增强图像,最后使用Canny算子检测大米边缘.实验表明,该方法抗噪性能强,对信噪比较低的大米图像进行边缘检测取到了较好的结果.     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

多尺度下的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声鲁棒性较差的问题,根据Canny算子滤波器的尺度较小可以检测较小的边缘,但对噪声的抑制能力较差,反之检测较大的边缘对噪声的抑制能力较强的特点,提出了一种多尺度下的噪声图像边缘检测方法。运用Canny算子在不同尺度下检测边缘的优点,对含噪图像进行不同尺度的Canny边缘检测,对不同尺度边缘检测结果进行跟踪实现噪声图像的边缘检测。仿真实验结果表明,与传统的方法相比,改进的算法能较清晰地提取出图像的边缘,降低高斯噪声对图像边缘的影响。     

小波尺度空间中的边缘检测算法

提出用一个非线性的小波尺度空间代替高斯尺度空间,得到小波尺度空间中的边缘检测算法.实验结果表明该边缘检测方法优于Canny边缘检测的多尺度方法,能够保留更多的图像细节边缘,具有较强的抗噪声能力.     

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.     

基于小波变换和中值滤波的Canny边缘检测算法

传统的Canny边缘检测算法采用的是高斯平滑,用来去除图像中的计算噪声,这种去噪方法虽然对抑制高斯噪声效果较好,但对脉冲噪声等的去除并不理想。针对这一问题,提出了用小波变换与中值滤波相结合的方法取代了传统的高斯滤波法,并对平滑后的图像作图像增强。实验表明,该方法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。     

An Improved Method for Edge Detection and Image Segmentation Using Fuzzy Cellular Automata

Image segmentation is one of the most important and challenging problems in image processing. The main purpose of image segmentation is to partition an image into a set of disjoint regions with uniform attributes. In this study, we propose an improved method for edge detection and image segmentation using fuzzy cellular automata. In the first stage, we introduce a new edge detection method based on fuzzy cellular automata, called the texture histogram, and empirically demonstrate the efficiency of the proposed method and its robustness in denoising images. In the second stage, we propose an edge detection algorithm by considering the mean values of the edges matrix. In this algorithm, we use four fuzzy rules instead of 32 fuzzy rules reported earlier in the literature. In the third and final stage, we use the local edge in the edge detection stage to more accurately accomplish image segmentation. We demonstrate that the proposed method produces better output images in comparison with the separate segmentation and edge detection methods studied in the literature. In addition, we show that the method proposed in this study is more flexible and efficient when noise is added to an image.     

An FPGA implementation for real-time edge detection

The Hessian matrix-based edge detection algorithm of Dr. Carsten Steger has the advantages of high accuracy and versatility. However, this algorithm has a complex and time-consuming computation process. Large-scale Gaussian convolution also employs a large number of multipliers when implemented on a field programmable gate array (FPGA). To address these problems, an FPGA implementation for Steger’s edge detection algorithm is proposed. This implementation employs pipeline and parallel architectures at both task and data levels for data stream processing. The original kernels of Gaussian convolution are simplified with box-filter to convert the multiplication operation in the convolution into addition, subtraction, or shift operations with the concept of integral image, thereby minimizing the multiplier resources. The proposed FPGA implementation demonstrates a favorable accuracy and anti-noise capability when dealing with different degrees of blur and noise in an image. Therefore, the FPGA implementation can satisfy real-time edge detection requirements.     

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。     

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。     

基于多元信息的高斯混合模型左心室MR图像分割

水平集模型在核磁共振图像(MRI)分割中具有十分重要的地位。但由于MR图像往往具有弱边界和强噪音,传统的水平集模型用于图像分割时一般依据图像梯度信息,因而很难得到真实解。高斯混合模型使用了图像全局信息,能较好地处理弱边界问题。但传统的高斯混合模型仅使用了灰度值分布信息,未对像素的位置进行考虑,这使得其在处理噪音图像时效果并不是很理想。该文利用图像多种信息构造新的信息场,使得由信息场构造的高斯混合模型更能处理噪音等影响,同时防止从弱边界泄漏。在取得心脏内壁后构造能量方程,运用形状约束和图像信息以得到心脏外壁。对左心室MR图像分割实验表明该模型具有较好的分割效果。     

基于Canny算子的改进图像边缘检测算法

图像的边缘检测是图像处理领域内最关键的技术之一.针对工件分拣中需要机器视觉精确的检测出其边缘信息,并且从噪声和其他无关信息中筛选出来,提出了一种改进的Canny算法对工件进行边缘检测.该算法利用双边滤波来替代高斯滤波进行图像预处理,从而不仅可以保留更多的图像边缘细节也可以有效的去除噪声.而后运用最大类间方差法(Otsu...     

基于RPCA的图像模糊边缘检测算法

针对传统边缘检测方法未能在抗噪性能与边缘检测精度之间取得较好的权衡的问题,利用鲁棒主成分分析模型良好的矩阵恢复能力与图像模糊边缘检测算法较佳的边缘检测性能,提出一种基于RPCA的图像模糊边缘检测算法,将图像的边缘检测问题转化为图像主成分的边缘检测问题。该算法对含噪图像进行RPCA分解,得到对应的稀疏图像和低秩图像,再用一种基于阈值的隶属函数将低秩图像转化至等效的模糊特征平面,并在该特征平面上进行模糊增强运算,最后进行空域转化及边缘提取等操作得到最终的边缘图像。实验结果表明,该算法提高了边缘定位的精度,对不同类型、不同强度的噪声均具有较好的抑制能力,适用于对实时性要求不高的图像处理。