基于数学形态学的图像边缘检测算法的研究

为了提高图像边缘检测的效率、降低噪声对图像边缘检测的影响,提出了一种基于数学形态学的图像边缘检测算法。该算法引入多元结构元素的概念,提出了一种改进的形态学边缘检测算子,能够有效地检测出带有噪声的图像边缘,并保持边缘的平滑性。实验结果表明,与传统边缘检测算子相比较,该算法杭噪声性能良好,实时性较好,具有一定的实用性和可行性。     

数学形态学运算在声纳图像边缘检测处理中的应用

声纳图像中经常存在较强的背景噪声,噪声的存在使图像中的目标边缘不易提取.本文采用了多尺度形态学算法减少图像中噪声的影响,采用形态学边缘检测方法对降噪后的图像进行处理,并利用形态学运算对得到的边缘图像作断裂曲线连接.实验结果证明本文中采用形态学运算边缘检测的方法优于传统的边缘检测方法.     

数学形态学在计算机图像处理技术检测粒度中的应用

为了解决在利用计算机图像处理技术检测粒度中的去噪和结团颗粒分割的问题，对数学形态学在计算机图像处理技术检测粒度中的应用进行了研究，较好地解决了粒度图像的去噪和结团颗粒分割的问题。     

软形态学算子在医学图像边缘检测中的应用研究

简要介绍了软数学形态学的基本原理及形态学在图像边缘检测中的应用.利用软数学形态学中基本算子构造了一种新的边缘检测器,并将其用于医学图像的边缘检测.仿真结果表明,该边缘检测器可以较好地去除噪声并同时进行边缘检测.     

改进的数学形态学图像边缘提取算法研究

研究图像边缘优化提取问题。由于图像在进行边缘提取过程中,容易受到外界信息的干扰,特别是当受到噪声等因素影响时,造成图像边缘提取困难。为此提出了一种新的采用两层数学形态学增强操作提取图像边缘的技术。首先将利用形态学对灰度图像进行增强,并以为基础利用形态学的膨胀操作单独对边缘进行增强,然后将图像切分成小块,针对不同的小块来区分边缘与非边缘;最终经过模板滤波,获得清晰的边缘结果图像。仿真结果表明,改进的算法快速有效,在提取完整的边缘的同时,能够有效的抑制噪声和背景因素对边缘的干扰,并优于其他传统边缘提取方法。     

数学形态学梯度算子检测铸铁金相图像边缘

金相图像处理是进行定量分析的前提,将金相图像中的目标物正确的提取出来对定量分析起着重要的作用.利用同态滤波器对亮度不均匀的铸铁金相图像进行滤波,校正因反射光强引起的亮度不均匀现象.基于数学形态学梯度算子提出新算法,利用预先定义的结构元素对图像中石墨边缘进行提取,之后经过后处理再进行填充.实验结果表明,该方法在保证石墨边缘的同时可以抑制噪声,能够有效提取出石墨的边界.     

基于数学形态学的边缘检测和图像分割方法

本文提出利用数学形态学对图像进行边缘检测和图像分割，与传统的方法相比较，该方法不仅可滤除图像中的噪声，而且通过改变结构元的大小、方位、形态能够将不同的目标图像提取出来。     

PCNN与数学形态学在图像处理中的等价关系

揭示了有生物学依据的脉冲耦合神经网络(PCNN)与数学形态学之间的本质关系,并以颗粒分析为例进行了具体的分析,得到了文中提出的PCNN颗粒分析方法完全等价于一定结构元素下的数学形态学方法的结论．研究表明,PCNN进行图像处理时用到的脉冲并行传播特性完全等同于数学形态学中一定结构元素下的腐蚀运算,从而为数学形态学与PCNN之间的研究架起了桥梁．     

经验模态分解和形态学在图像边缘检测中的应用

针对传统边缘检测算法存在的边缘分辨率较低、抗干扰性较差等问题,提出了一种基于二维经验模态分解和数学形态学结合的图像边缘检测算法。从二维经验模态分解理论出发,把图像分解为多尺度下的细节和轮廓,对图像分解的弱边缘信息适当加强;从灰度形态学的角度出发,对加强边缘信息的图像,进行腐蚀或膨胀以及边缘提取,得到其边缘。实验结果表明,该方法在有效抑制噪声的同时,实现了边缘的精确定位,细节提取效果良好。     

基于分形理论和数学形态学的图像边缘检测方法

提出一种基于分形理论和数学形态学的边缘检测方法。该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。试验表明，采用该方法比经典的边缘检测算子能够更好地达到视觉测量的要求。     

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。     

数学形态学在作物病害图像处理中的应用研究

作为一种2维卷积运算的非线性图像处理方法,数学形态学的内容包括二值形态学、灰度形态学和彩色形态学。膨胀、腐蚀、开运算、闭运算是数学形态学的基础。数学形态学可用于噪声去除、边缘检测、图像分割、特征提取等图像处理问题,在图像处理领域得到了越来越广泛的应用。结合目前的研究进展,对数学形态学的分类及其在作物病害图像处理中的应用进行综合性阐述,并对数学形态学目前存在的问题以及未来的发展方向进行了讨论。     

基于形态学的显微细胞图像处理与应用

为提高医学诊断的准确率和效率,提出了基于形态学的显微细胞图像分析理论来完成对图像的分类、识别与分析.首先,对图像边缘检测算法及流域分割算法进行介绍,设计了完整的基于形态学的显微细胞图像处理方法,有效解决了图像处理中遇到的光照不均匀、染色产生的斑点等问题.然后,在图像分析阶段,把显微细胞图像形态学分析应用到血液病诊断中,同时做了细胞计数及形态参数提取并给出验证结果,最后再对细胞病医学诊断做了初步的理论尝试,研究结果与实际值相比误差小于3%.实验表明本文提出的图像分析理论在细胞病医学诊断上具有一定的应用价值.     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域，运用阚值分割算法完成初步的图像区域分割；然后利用形态学运算进行精细化处理，结合提出的判断准则，通过人工交互完成了多感兴趣区域的提取；最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。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,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。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，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。     

形态学多结构元在边缘图像提取中的研究

本文主要论述了采用形态学算子在处理有噪声图像的边缘检测的方法。通过与采用经典的边缘检测算子——Sobel、Prewitt、Canny算子的检测图像相比较,本文给出了相关的图像处理结果。结果表明在不同噪声的图像处理,多结构的形态学处理方法在抑制噪声方面都要优于其它几种算子,而且对具有复杂边缘图像的提取也有较好的效果。