基于复合顺序形态变换的车牌边缘检测

边缘检测是图像分割的重要环节,边缘提取的好坏直接影响了整个图像处理的效果。数学形态学用具有一定形态结构的“结构元素”去度量图像的形态,以解决图像处理和分析问题。文章通过对多种边缘检测方法的分析比较,结合高速公路路口汽车图像噪声大的特点,提出了基于复合顺序形态变换的车牌边缘检测。该方法不但能有效地改善有噪图像边缘检测的效果,鲁棒性好,而且并行快速,便于硬件实现。     

基于HSL空间的彩色形态变换

彩色形态变换是数字形态从灰度图象到彩色图象的推广。该文基于HSL（hue-saturation-lightness)彩色空间，提出了彩色形态变换理论，定义了新的彩色形态算子，并讨论了它们的性质。彩色形态变换作为一种数学形态学方法在彩色空间的延拓，可有效地应用于图象处理、图象编码和目标形状特征提取等。     

基于小波变换与数学形态学相结合的玻璃瓶图像边缘检测

将小波变换与基于多结构元素的数学形态学相结合的方法应用到玻璃瓶图像边缘检测中。首先利用小波变换的原理对图像做增强处理,然后利用基于多结构元素的数学形态学方法对处理后的图像进行边缘检测,最后通过实验验证方法的有效性。     

基于小波变换和数学形态学的遥感图像边缘检测

由于遥感图像一般带有较大的噪声，通过实验表明，用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合数学形态学的方法，提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法。实验表明本算法计算有效，边缘定位准确，对噪声有一定的抑制作用，边缘检测效果明显。     

基于数学形态滤波算子的医学图像边缘检测

利用数学形态学中开、闭滤波算子构造了一种边缘检测器，并将其用于医学图象的边缘检测。仿真结果表明，该边缘检测器可以较好的去除噪声并同时进行边缘检测。     

基于数学形态学的图像边缘检测新方法

经典数学形态学的边缘检测方法虽然具有较好的去噪能力,但却存在计算量大,计算时间长等缺点,并且其得到的结果具有不连续、不完整等缺点,不能较为准确地提取图像的边缘特征。在研究数学形态学的基础上,利用数学形态学方法对图像进行边缘处理,然后将处理后的图像作为神经网络的输入,利用CP神经网络对图像的边缘进行检测。实验结果表明,该方法得到的边缘图像边界细腻完整,具有较好的抗噪性,实现了提高精度与抗噪性能的协调统一。     

基于边缘视觉特征描述的自适应多尺度小波边缘检测方法

本文从人类视觉的特点出发，提出了一种新的图象边缘特征描述，根据该特征描述，定义了邻域的有效边缘测度，以作为边缘复杂程度的度量，并以此来调整多尺度小波边缘检测中的尺度参数，最后给出了相应的实验比较结果。     

基于多方向模糊形态学的彩色遥感图像边缘检测算法

彩色遥感图像具有复杂、模糊和噪声强等特点,在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算,既能检测出具有方向性的模糊边缘,还能有效抑制无方向性的噪声,实验证明了算法对彩色遥感图像进行边缘检测的有效性.     

基于小波变换的红外图象多尺度边缘检测

本文讨论了小波变换及其应用于多尺度图象边缘检测的原理，对一幅红外图象给出其多尺度边缘检测的计算机仿真结果，而且与传统的边缘检测方法进行比较，从而得出基于小波变换的多尺度边缘检测是一种较好的方法     

基于多尺度多结构元的彩色形态学边缘检测

针对图像中的几何特征和噪声特性,文章提出了一种基于多尺度多结构元的彩色形态学边缘检测算法。该方法首先在HSL空间定义了多结构元彩色形态学基本算子,在此基础上利用不同尺度的结构元素提取彩色图像边缘,然后用多尺度合并算法对各个边缘进行合成以得到边缘检测结果。经大量的实验证明,多尺度多结构元的彩色形态边缘检测有着比单一尺度结构元的彩色形态边缘检测更优越的性能,在有噪声干扰的情况下,和传统的方法相比,该算法能更好地抑制噪声并且提取更多有用的边缘信息,满足不同的应用需求。     

使用小波变换的图象边缘检测算法

将小波变换理论应用于图象边缘提取，提出了一种新的图象边缘检测算法。一种相对于（ｃ０，ｃ３）＝（０．０５，０．０５）的对称尺度函数被用于二进小波变换，得到原图象的一个多分辨率表达式，再提取图象的边缘特征。     

基于初级视觉系统原理的边缘检测方法

在现今的图像处理与计算机视觉的基本问题之中,边缘检测占据着极大的地位或者可以说起着极其重要的作用,其对数字图像之中亮度变化的标识作用十分的明显。其中对于深度上、表面方向的不连续、物质属性以及场景照明的变化的标识和处理都起着至关重要的基础性作用,其方法也是多种多样的。通常情况下都是基于搜索和零交叉的方式,通过计算阶段导数的计算,以确定所要检测的阈值。近年来随着检测方法的更新与变革,越来越多的处理需要与视觉上的感知、认知相结合来解决多种复杂的、简单的相关问题。检测中对位置、形状、颜色、运动以及亮度等特性基于视觉系统的认知原理也拥有了相对较高的要求。本文通过对初级视觉原理在边缘检测方法相结合以及应用做了简单的阐述,并验证了其可行性。     

基于小波变换和形态学的医学图像边缘检测

针对传统边缘检测算子对噪声敏感的缺点,结合小波阈值去噪和形态学边缘检测提出一种改进方法。首先对含高斯噪声的图像进行小波分解,然后再通过小波阈值法对高频系数进行处理,采用新设计的双结构形态学边缘检测算子对低频系数进行处理,最后用新系数重构出图像。实验结果表明:这种方法在去除噪声的同时较好地保留了边缘轮廓信息,是一种有效的边缘检测方法且具有实际参考价值。     

基于数学形态学的二值图像的边缘检测

主要介绍了数学形态学的基本原理,将这些基本运算组合应用到图像对象的边缘检测,并在MATLAB6．5中进行仿真实验,得到了满意的结果。     

基于数学形态学的边缘检测算法分析

边缘检测算法在图像识别领域具有不可替代的作用。边缘检测在实现的过程中需要考虑边界增强的效应,边缘检测算法的研究有着丰富的理论和经验。但是,图像压缩和图像识别中图像通常被噪声破坏,需优化处理,才能获取较好质量的图像。文中首先介绍了边缘检测算法,依次阐述这些经典算法的优缺点,引入数学形态学这一观点,对边缘检测算法进行结合,将其应用到图像的识别中,通过C++语言编程实现图像效果,最后进行总结与展望,该成果对于图像的处理具有积极的意义。     

基于小波变换和数学形态学的激光成像雷达图像边缘检测

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响雷达系统的精度和性能。针对激光雷达图像的特点,提出了一种基于小波变换和数学形态学方法结合算法对激光成像雷达图像进行边缘检测。首先从小波理论出发,从小波多尺度分解入手,对图像分解的弱边缘信息适当加强,然后对加强边缘信息的的图像从灰度形态学的角度出发,对图像进行腐蚀或膨胀,进行边缘提取,而后得到其边缘。用Matlab进行仿真实验,结果表明:结合算法边缘算子对激光雷达图像检测效果优于仅用小波或仅用形态学进行边缘提取的效果;在边缘精度、强弱边缘提取和噪声抑制方面,证明所提方法是有效的。     

基于边缘视觉特征描述的自适应多尺度小波边缘检测方法

本文从人类视觉的特点出发,提出了一种新的图象边缘特征描述。根据该特征描述,定义了邻域的有效边缘测度,以作为边缘复杂程度的度量,并以此来调整多尺度小波边缘检测中的尺度参数。最后给出了相应的实验比较结果。     

顺序形态学在图像边缘检测中的应用

本文从顺序形态学基本理论出发，根据顺序形态变换的单调性、扩展性和反扩展性，讨论了顺序形态变换在图像边缘检测中的应用。在分析了其边缘检测的几何意义以及结构元素对检测边缘效果的影响之后，还比较了几种边缘检测算子对有噪声图像的处理结果，实验结果表明，基于顺序形态学的边缘检测方法，不但几何意义明确、易于构造，而且性能也比传统检测算子好。     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

基于多尺度数学形态学光纤环边缘检测技术

现在所具有的各种边缘检测技术都具有相对的局限性,本文主要分析了现有技术的优点和缺点,并且在研究的基础上提出一种基于多尺度数学形态学的边缘检测方法。通过实验证明,采用此方法比经典的边缘检测算子能更好的满足视觉测量的各项要求。