基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.     

基于边缘检测和自动种子区域生长的图像分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,提出一种基于边缘提取和自动区域生长相结合的分割算法,即先利用Canny算子对图像进行边缘提取,得到边缘像素点集,再利用灰度直方图从点集中选取自动种子点,结合平均相似度,采用区域生长法进行图像分割。该算法能够实现阈值和种子的自动选取,在传统算法中很难实现。实验结果表明该算法有效。     

基于边缘检测终止条件的区域生长算法

提出了一种边缘检测和区域生长分割算法相结合的病灶区域提取的新方法.通过最大最小曲线流保留边缘算法对图像进行平滑去噪,利用区域生长算法对图像进行分割.采用Canny算子做为分割的终止条件.实验证明,该方法能够精确的提取出病灶区域.     

基于TMS320C6416GLZ的Sobel算法图像边缘检测

针对图像边缘检测方法在抗噪声性能和边缘定位等方面存在的缺陷,实现大图像库中图像边缘的精确提取等问题,本文借助于中值滤波及TMS320C6416GLZ专用处理芯片,对图像边缘检测算法进行了改进。试验结果表明,中值滤波对于消除孤立点和线段干扰非常有效,图像噪声得到了明显的抑制,尤其是改进算法后检测出的边缘,抗噪声能力强,边缘定位准确,检测出的边缘也较为细致。该算法增强了Sobel算子的实用性。     

基于目标检测和区域生长的断层图像自动分割

为了实现对序列断层图像的自动分割,提出了基于目标检测和区域生长的自动分割方法.基于待分割目标在相邻层上的相关图和相关度的定义,相关图用于表达目标在相邻断层之间的延续关系.采用目标检测算法计算出当前层上已分割图像和相关图中目标的形状参数,包括目标质心和最小外包矩形等,根据相关度为在相邻层上应用区域生长算法提供有效种子点.实验结果表明,该方法能达到序列断层图像自动分割的目的,而且其效率比基于体素的三维区域生长分割方法提高了近50%.     

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于乘性梯度的医学超声图像边缘检测算法

通过改进传统乘性梯度（MG）算子,并结合Canny算子的处理结果,准确、快速地提取了医学超声图像的边缘.通过提升乘性梯度算子模板的维度,提高对弱边缘的检测能力;综合考虑乘性梯度算子和Canny算子的运算结果,提高边缘检测的准确度.为了验证该算法的有效性,对仿真及在体超声图像进行边缘提取实验,将结果与其他抗噪性较好的边缘检测方法进行对比.实验结果表明：对于含有不同强度斑点噪声的超声图像,该算法的边缘检测准确度可达75%以上,具有较好的实时性,适用于对医学超声图像进行快速、准确的边缘检测.     

一种改进的基于梯度的图像边缘检测算法

针对经典基于梯度的边缘检测算法对方向的敏感性,从梯度的定义出发,本文提出了一种能够根据实际精度需求任意调整方向的多方向边缘检测的算法。该算法操作简单,具有图像边缘定位准确,抗噪能力强的特点。     

基于边缘检测和区域生长的自然彩色图像分割

提出一种自然彩色图像分割方法,即利用相位一致性模型检测图像边缘,获得图像主要几何结构;并将代表区域分布的边界线作为潜在的区域模型,自动获得种子点进行区域生长实现最后分割.实验结果表明,该方法有效地克服了单一使用边缘检测和区域生长进行图像分割的缺陷.所得分割结果与人类视觉系统判断基本一致.     

一种改进的图像边缘检测算法

针对传统单一算子图像边缘检测效果欠佳的问题,提出一种新的边缘检测算法.新算法融合了LOG算子对于图像的阶跃型边缘定位准确、旋转不变性的优点和Canny算子的强抗噪声能力.通过实例实验分析表明:相比传统单一算子,新算法检测图像边缘的准确度更高,检测效果更理想.     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文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.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.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.     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案。该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性。并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务。     

一种基于边缘与分区的棒材端面图像的分割方法

提出了一种利用图像边缘检测与图像分区的综合图像分割的方法。首先运用索贝尔边缘检测技术对原图像副本提取边缘并二值化,然后,对图像分区,结合各分区内边缘点集的特点,分别由全局阈值、子块阈值及分区扩大后阈值对各个分区实施合理分割。实验证明：该分割技术实现简单,应用于具有光照不均匀、子目标粘连、变形等特点的棒材端面图像的分割,效果十分理想。与已有分割方法的对比实验表明,该方法具有目标分割完整,子目标分割也较为合理的特点。     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于数学形态学的彩色图像边缘检测

图像边缘检测大都是基于灰度图像的,其不能充分利用彩色图像的全部色彩信息。本文利用数学形态学在描述灰度图像方面的优势,将灰度形态学边缘检测法运用到彩色图像中。首先在RGB空间对原彩色图像的R、G、B三副伪灰度图像分别进行形态学边缘检测,然后对三副图像的边缘强度进行合并,并采用阈值分割法提取出图像的轮廓边缘。实验结果表明:该算法计算量小,并且充分利用了图像的色彩信息,能有效地检测出彩色图像边缘。     

基于PCNN算法图像边缘检测及系统级实现

针对图像边缘检测系统硬件设计和处理算法的选择优化问题,提出了一种基于PCNN算法结合FPGA的图像边缘检测系统实现方法.研究了系统中图像采集模块、FPGA外围电路、外部存储器和千兆以太网等部分的硬件设计.从简化系统算法和提高系统运行效率的角度出发,采用简化PCNN算法作为系统的边缘检测算法.采用两幅不同图像进行测试,结果表明,该系统能够实现对静态小场景图像边缘的可靠检测,检测效果优于传统Sobel算法和Canny算法,熵值最高可达0. 886.