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.     

基于多结构元素的数学形态学图像边缘检测

基于改进的单结构元素抗噪型形态边缘检测算子和形态滤波思想,提出了一种多结构元素的多路加权合成形态边缘检测算法。在该算法中,采用峰值信噪比代替固定均值来确定加权参数,是一种自适应方法。与传统的边缘检测算法的对比实验表明,该算法图像边缘检测效果较好,降噪能力也得到了提高。     

高分辨率遥感影像的形态学边缘检测算法

结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计一种多尺度全方位形态学边缘检测算法,并采用峰值信噪比方法代替均值以自适应地确定尺度权重.实验结果表明:与传统Canny算子和结构元素尺度形状单一的形态学边缘检测算法相比,本算法解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘清晰,而且抗噪性能强.边缘检测结果可用于遥感影像地物几何特征和纹理特征提取.     

基于多结构元的形态图像边缘检测算法

基于修正的边缘检测算子和形态滤波思想,提出一种新的多结构元素形态学灰度图像边缘检测算法。在该算法中,自适应确定权重,并将各个结构元素下的检测信息进行加权求和,得到噪声存在条件下较为理想的图像边缘。仿真结果表明所给算法效果优于经典的边缘检测方法。     

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。     

常用边缘检测技术的对比

边缘检测是图像处理和计算机视觉中的基本问题,边缘检测的目的是标识数字图像中亮度变化明显的点.经典的边缘检测算法如canny算子等是通过计算图像中局部小区域的差分来实现边缘检测的.这类算子对噪声非常敏感,并且常常会在检测边缘的同时加强噪声.多尺度形态学边缘检测利用不同的结构元素去作用图像,通过形态腐性和形态膨胀操作,获得了效果很好的图像边缘检测算法.单尺度形态学梯度算子也能很好提检测图像边缘,但结构元素的选取对输出结果影响较大.通过使用多尺度形态学梯度算子,可以弥补结构元素的大小问题.仿真结果表明,该算法能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法.     

基于顺序形态学自适应边缘检测方法

基于顺序形态学自适应边缘检测方法是图像处理新技术之一,针对形态学单一结构元素在边缘检测中图像边缘信息丢失的问题,根据图像形态学多刻度形态滤波的思想,提出了基于顺序形态学自适应边缘检测方法。根据传统的形态学边缘检测方法,该方法构造了边缘检测算子,给出了边缘检测算子的评价函数。通过该函数选择不同方向的结构元素增加图像的边缘信息。实验结果表明,与传统的基于数学形态学的边缘检测方法相比,该方法可以最大程度上抑制噪声,有效地提高图像的边缘检测效果。     

自适应权重形态学边缘检测算法仿真研究

提出了一种自适应权重的多刻度形态学边缘检测算法。该算法首先在同一尺度下用多个结构元素分别进行边缘检测,并得到该尺度下的边缘图像,利用形态学结构元素“探针”原理和不同尺度结构元素抗噪性能来确定加权值的大小,然后对不同尺度下的边缘图像进行加权求和,再经过二值化、去噪等处理,得到最后的边缘检测结果。仿真结果表明,该方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整。     

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。     

多方向灰度形态学边缘检测算法

本文介绍了基于灰度形态学的多方向边缘检测算法.基于边缘的多方向特征,构造了多方向的结构元素,并将边缘检测的过程与形态学开闲滤波相结合,提出了一种新的边缘检测算法.该算法在较好地检测图像边缘的同时很好地抑制了噪声.     

数学形态学在图象处理中的应用进展

数学形态学是一种非线性滤波方法,形态和差运算,即膨胀与腐蚀是数学形态学的基础,数学形态学已由二值形态学、灰度形态软数学形态学、模糊形态学发展到模糊软形态学,可用于抑制噪声、特征提取、边缘检测、图象分割、形状识别,纹理分析、图象恢复与重建等图象处理问题,在图象处理领域得到了越来越广泛的应用,本文结合目前的研究进展,对数学形态学的理论研究及其应用进展进行综述性阐述。     

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。     

基于改进形态学算子的多尺度边缘检测

图像边缘检测的关键是在尽量多地检测到图像边缘的同时更有效地抑制噪声,为此提出了一种新的基于轮廓结构元素的多尺度形态学边缘检测方法。该方法重新组合了基于轮廓结构元素形态学各种运算的优点,实现了一种改进的形态学算子;在此基础上利用改进形态学算子的多尺度运算定义了一种新的边缘检测算子。与其他形态学方法相比,文中方法不仅具有更好的噪声抑制和边缘细节保护功能,而且对结构元素的形状不敏感。     

模糊柔性形态学边缘检测

提出了一种改进的基于模糊理论的柔性形态学边缘检测方法。在模糊域里选用效率更高的隶属度函数,借鉴广义模糊集的概念对模糊域计算区域进行拉伸和增强处理,增加边缘两侧灰度对比度,再利用柔性形态学特征及性质选取更有效率性能、更好的边缘检测算子和结构元,得到噪声存在条件下更加理想的图像边缘。与其他检测算法相比,该算法在取得更多边缘细节的同时具有更强的抗噪能力,具有一定的实用性和可行性。     

噪声图像形态边缘检测的改进算法

研究了数学形态学在图像边缘检测中的具体应用，针对脉冲噪声污染的图像，深入分析了已有的抗噪型形态学差分算子的优缺点，结合对多方位形态学结构元素在边缘检测中应用的研究，提出了一种改进算法。实验表明，改进算法可以很好地去除噪声，同时较好地检测出图像边缘，改进效果明显。     

噪声图像形态边缘检测的改进算法

研究了数学形态学在图像边缘检测中的具体应用,针对脉冲噪声污染的图像,深入分析了已有的抗噪型形态学差分算子的优缺点,结合对多方位形态学结构元素在边缘检测中应用的研究,提出了一种改进算法。实验表明,改进算法可以很好地去除噪声,同时较好地检测出图像边缘,改进效果明显。     

多方位结构元素路面裂缝图像边缘检测算法

在数学形态学基础上,针对路面图像中噪声和裂缝类病害不同的像素分布特点,提出了多方位结构元素形态学边缘检测算法。该算法利用类间最大距离法确定路面裂缝图像中发生梯度变化的点,后对其采用多方位结构元素腐蚀操作,提取出路面裂缝边缘像素点并滤除噪声。实验结果表明：较传统的边缘检测算法,该算法在准确地检测路面裂缝边缘的同时有效地抑制了噪声干扰,检测效果良好,运算速度快。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

柔性(soft)形态学在图象边缘检测中的应用

根据柔性形态学单调性、扩展性、和反扩展性等基本理论,讨论了柔性形态学在边缘检测中的应用,柔性形态变换是在经典形态变换基础提出了提出的一些非线性算子,它放宽了经典形态变换的定义,以获得一定程度的鲁棒性,但是,还保留了经典形态算子的优良特性,进而从理论上和几何意义上讨论了其进行边缘检测的原理,及算子的选择,另外,还与标准形态算子及Ｒｏｂｅｒｔ算子的处理结果进行了比较。通过计算机模拟实验表明：基于柔性形