基于多尺度形态学的红外图像边缘检测方法

提出了一种基于数学形态学算子的多尺度边缘检测方法。首先选取几个有代表性的结构元素对灰度图像进行边缘检测得到边缘图像。改变结构元素的尺寸大小可得到多尺度下的边缘图像,根据局部边缘生存期的长短将不同尺度下的边缘图像合成。对噪声大、边缘较模糊的红外图像进行了边缘检测与比较,实验表明该算法抗噪能力强,能得到更精细准确的边缘。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.仿真结果表明,该算法在含噪图像中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,检测精度较经典的单一梯度算子检测方法亦有一定的改善.     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于多尺度数学形态学的边缘检测

提出了一种基于多尺度数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的优势,分析了在不同尺度下边缘提取的特点,采用非极大值运算方法提取边缘点,并与其他形态学边缘检测法进行了比较,给出了在含噪条件下边缘提取的实验结果。     

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。     

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。     

多尺度形态学图像边缘检测方法

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。     

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。     

基于多结构元多尺度的形态学边缘检测

在形态学梯度边缘检测算子的基础上,针对图像中的几何特征和噪声提出了一种基于多结构元、多尺度的边缘检测方法,用不同取向的结构元素对图像进行多尺度检测,并综合各尺度下的边缘,得到了噪声存在下的理想边缘。实验表明,文中的方法边缘定位准确、轮廓清晰,保留了更多的图像细节,具有较强的抗噪能力。     

基于多尺度小波的Roberts边缘检测法

在Roberts交叉梯度算子边缘检测框架基础上,提出一种小波增强的多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过Roberts梯度算子对各子图像进行空间一次微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合及差影运算得到最终的边缘图像。实验结果表明,该算法实现简单,能有效地抑制噪声,补偿弱边缘,可以有效获取多个尺度下的边缘信息,对边缘信息定位精度高,是一种可行、有效的图像边缘检测的方法。     

基于遗传算法优化的多尺度形态边缘检测方法

提出了一种用遗传算法优化结构元素的多尺度数学形态学图像边缘检测方法.实验表明:该方法改进了以往结构元素选取自适应差的不足,可以无需人为干预,就能把图像边缘检测出来.     

基于自适应形态学边缘检测的时频检测算法

针对通信对抗中跳频信号的检测问题,提出一种基于自适应形态学边缘检测的时频检测算法。该算法把跳频信号的时频谱图SP(Spectrogram)视作一幅图像,首先利用多尺度结构元素对其滤波,再根据图像边缘方向自动选择相应方向的结构元素进行边缘检测,最后通过与设定的阈值比较判决跳频信号是否存在。仿真结果表明,此算法可以有效去除噪声和干扰信号,增强跳频检测系统鲁棒性、提高检测效率。     

基于LOG滤波器的图像边缘检测算法的研究

边缘检测是图像处理技术研究中的一个重要领域。本文在深入分析LOG滤波器边缘检测方法及多尺度特性的理论基础上,提出了一种改进的算法,实验结果表明,该算法在计算量增加不大的基础上提高了检测精度。     

基于多尺度分析和数学形态学融合的边缘检测

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,为此提出了一种基于多尺度分析和数学形态学融合的边缘检测方法。首先利用小波变换将图像分为高频和低频部分;然后再分别进行处理:高频部分利用小波系数的层内和层间相关性对系数调整后实现边缘检测,低频部分利用数学形态学进行边缘检测;最后将各自得到的边缘图像通过多尺度边缘融合,从而实现边缘提取。实验结果表明,同单纯基于多尺度分析方法或基于数学形态学的边缘检测方法相比,提出的方法具有更好的噪声抑制和边缘细节保护功能。     

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。     

一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

一种改进的Canny边缘检测AGT算法

使用Canny算子进行图像边缘检测。由于阈值参数手动输入,边缘检测效果受到影响,为此,提出一种自动生成阈值的算法:AGT(automatically generate threshold)算法。该算法根据图像自身灰度均值和方差均值信息,可实现Canny算子的高低阈值自动计算,使Canny算子不需输入阈值直接得到精确边缘。实验结果显示,该算法不仅能得到较好的边缘检测效果,并且有很强的自适应性。     

一种医学图像的边缘检测算法

提出一种改进的医学图像边缘检测方法.利用图像四叉树分解技术和模糊形态学的思想,根据图像像素点方向的不同性,构造不同方向不同尺度的结构元素对边缘像素进行模糊形态学运算,进而检测到图像边缘.实验结果表明,算法提取的边缘能够精确地显示物体的内部细节信息,较好地解决了抑制噪声和保留精细边缘之间的矛盾,与其它边缘检测算子相比是一种较实用的边缘检测算法.     

基于规则的边缘连接算法在路面病害检测中的应用

本文提出了一种基于规则的边缘连接算法,此算法对通过边缘检测提取的病害边缘块进行启发式搜索,采用基于规则的方法计算边缘连接的可信度作为连接质量的度量。通过在江苏省高速公路路面病害自动检测系统中的应用,表明此方法有较高的连接效率,同时能有效地抑制噪声。