基于形态学的人脸图像边缘检测新算法

提出一种利用数学形态学开闭运算--首先滤掉噪声,再使用数学形态学梯度提取边缘的人脸图像边缘检测新算法.仿真结果表明,该方法与传统的边缘检测方法相比,能在滤除噪声的同时很好地检测到人脸图像的有用边缘.     

灰度图像的边缘检测

图像的边缘检测在实际生活中广泛应用,但其检测结果仍存在细节丢失问题。为此提出一种新的图像边缘检测算法。首先,采用二维二进制小波变换,对图像进行预处理;然后,结合一种新的自适应双阈值算法,检测出图像的边缘点;最后,采用改进的数学形态学梯度检测算法,对图像的边缘信息进行进一步检测。通过仿真实验得出,新算法能够检测到更丰富的图像边缘信息,使图像的边缘提取更清晰、细腻;与单一形态学算法相比,新算法使图像的均方误差值大幅度降低、峰值信噪比提高了2.3 d B。     

一种基于数学形态学的图像对比度增强算法

由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强.     

Flame Image Edge Detection Based on Multi- scale and Multi-strncturing Elements Morphology

针对从工业锅炉采集到的火焰图像边缘形态和噪声的不同,以数学形态学梯度边缘检测算子为基础,结合多结构元素和多尺度的特性,提出了一种基于多尺度多结构数学形态学图像边缘检测算法,并将其应用于火焰图像的边缘检测.仿真结果表明,与经典的Sobel算子、Canny算子和传统的算法相比,提出的算法具有边缘定位准确、轮廓清晰、图像细节保留较多、噪声不敏感等显著优点.     

基于多尺度多结构形态学火焰图像边缘检测

针对从工业锅炉采集到的火焰图像边缘形态和噪声的不同,以数学形态学梯度边缘检测算子为基础,结合多结构元素和多尺度的特性,提出了一种基于多尺度多结构数学形态学图像边缘检测算法,并将其应用于火焰图像的边缘检测。仿真结果表明,与经典的Sobel算子、Canny算子和传统的算法相比,提出的算法具有边缘定位准确、轮廓清晰、图像细节保留较多、噪声不敏感等显著优点。     

多尺度的灰值形态学在图像边缘检测中的应用

传统的边缘检测算法存在检测边缘不连续、漏检、抗噪性能差等缺点。针对传统方法在边缘检测中遇到的问题,结合数学形态学的方法,介绍一种基于多尺度灰值形态学的边缘检测算子,该算子是在形态学梯度算子的基础上改进之后,结合多尺度的概念,将各种不同尺寸下的边缘图像结合起来,提取出比较理想的边缘图像。采用Visual C++编程实现算法,并与传统边缘检测算子进行比较。实验结果表明本文提到的算子检测边缘效果更好。     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

一种新型的图像边缘检测技术

针对传统的数学形态学边缘检测算法,提出一种新型的基于数学形态学的膨胀,腐蚀,开,闭等变换,采用不同方向不同尺度结构元素对图像进行边缘检测,大尺度结构元素清除噪声,小尺度结构元素获取完整的边缘。通过计算获取边缘的信息熵,自动匹配权值系数,进而得到最终图像边缘的完整信息。此方法能够有效地抑制噪声,保持边缘信息的完整性,精确性。     

基于新的形态学梯度参数的DTI图像分割算法

为了解决传统DTI图像分割中更细致边缘信息的丢失问题,提出了新的张量形态学梯度参数,并基于张量相似性形态学梯度和各向异性形态学梯度,采用标记的分水岭算法对DTI图像进行分割.通过对人脑胼胝体图像的分割实验表明,利用新参数TMG-l2和TMG-RA能够更加快速、准确地对DTI图像进行细致边缘轮廓的定位和分割,保护了重要分割区域的边缘信息.     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

Morphological Image Enlargements

This paper presents a method based in mathematical morphology to enlarge images. It does not make the low pass assumption which is common to all linear interpolation methods and which does not often hold for images. Pixels in smooth areas are properly interpolated by linear methods while those at the edges are not. The method begins with a linear interpolation and a gradient computation. The gradient serves as a measure of confidence about the linear interpolation. Then, the proposed algorithm processes the pixels in a certain order: first pixels with high confidence (smooth zones) of the image and those with a low one (edges) at the end. By doing so, it preserves both slow variations and sharp edges. The method can be applied to other image processing problems, such as edge enhancement or motion vector estimation, where there is an image and confidence information about each pixel.     

Morphological operators on the unit circle

Images encoding angular information are common in image analysis. Examples include the hue band of color images, or images encoding directional texture information. Applying mathematical morphology to image data distributed on the unit circle is not immediately possible, as the unit circle is not a lattice. Three approaches to solving this problem are presented. First, difference-based operators are studied (e.g., gradient, top-hat). Second, a definition of grouped circular data is suggested, and "pseudo" morphological operators, which operate only on grouped data, are introduced. Finally, processing using pixel labeling is presented, leading to the development of a cyclic opening operator. Applications for treating the hue band of color images and for finding perturbations in wood texture are given.     

舰船尾流红外图像边界检测方法

由于舰船尾流与周围未扰动的海水相比温差较小且无明显轮廓,导致舰船尾流红外图像成像模糊、对比度低,难以提取其边缘信息。文中根据舰船尾流及其红外图像的特点,提出了一种利用动态纹理和数学形态学检测尾流边界的方法。首先,利用动态纹理分割方法对舰船尾流红外图像序列进行了预分割。然后,采用Canny算子对尾流区进行边缘提取。对提取的边缘利用形态学的方法进行膨胀、标记和选择,提取了真正的尾流边界。实验结果表明:该方法对舰船尾流红外图像序列进行处理,能够有效的提取尾流的边界,取得了较好的处理效果。     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

Genetic algorithm and mathematical morphology based binarization method for strip steel defect image with non-uniform illumination

In order to precisely extract the image shape feature for the defect detection and classification, the strip steel image needs to firstly be binarized effectively. In this paper, the intelligent information processing, including mathematical morphology and genetic algorithm, is introduced to the strip steel defect image binarization. In order to eliminate the effect of non-uniform illumination and enhance the detailed information of the strip steel defect image, an enhancement operator based on mathematical morphology (EOBMM) is proposed firstly. And then, the binarization method based on genetic algorithm (BMBGA) is applied to the binarization of the strip steel defect image processed by EOBMM. The experiment results show that our method is effective and efficiency in the strip steel defect image binarization and outperforms the traditional image binarization methods, Otsu and Bernsen.     

Top-hat形态学滤波在图像预处理中的应用及FPGA实现

阐迷了数学形态学在灰度图像滤波中的应用,设计出一种以现场可编程逻辑门阵列(FPGA)实现灰度形态学图像预处理的硬件架构,该结构的优势在于可自动生成定长结构元素的滤波器.对灰度图像形态学滤波效果进行了仿真.仿真表明,该方法在提高图像信噪比的同时,对外景干扰也有一定抑制作用,且具备很高的实时性,对系统小型化也具有重要意义.     

基于多尺度形态学的弱目标图像处理方法

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法，针对弱目标和背景噪声的结构差异，选择合适的结构元素和合理的形态算子达到较好的滤波效果。形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器。由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用，结构元素的形态决定了这种动算所提取的信号的形态信息，因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性，使数学形态学在描述信号形态特征上具有独特的优势。通过改变结构基元的尺度，对图像进行多尺度分析，能准确提取图像在不同尺度下形状的分层特征和有用信息。