一种改进的LoG图像边缘检测方法

对LoG算子边缘检测算法的性能进行分析,指出LoG算子在实际应用中的不足。针对LoG算子的缺点。通过实验数据得出图像灰度共生矩阵的熵与高斯空间系数的关系。实现使用LoG算子对图像进行检测边缘时能根据具体的图像的熵值自动获取适合该图像的高斯空间系数的值。因此。提出的改进算法既能有效的抑制噪声又能较精确的定位边缘。     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法.该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像.然后通过分析噪声(主要是椒盐噪声)污染图像的特点对彩色图像形态学基本算子进行了改进.改进后的算子有很强的抗噪性,可以直接实现边缘检测.实验表明...     

基于Sobel和LoG相结合的边缘检测与细化方法

鉴于Sobel算子检测边缘较粗、定位不准确,以及LoG算子具有各向同性的特点且对边缘方向性信息检测不敏感,提出了Sobel算子与LoG算子相结合的边缘检测与细化方法。首先用水平、垂直、两个斜对角4个方向模板改进原Sobel算子两个方向模板,并用改进的Sobel算子对原图像进行边缘检测,得到粗边缘图像;然后使用LoG算子检测粗边缘图像的边缘;最后将两次边缘检测结果相减,达到边缘细化的目的。实验结果表明,该方法有效地解决了原Sobel算子检测边缘较粗的问题,得到的边缘较细;克服了LoG算子对方向性边缘信息不敏感的缺陷;且运算速度与传统LoG方法基本相当。     

一种基于多结构元的弱对比度图像的边缘检测方法

在工业现场拍摄的图像一般对比度比较低，用传统的边缘检测方法提取的边缘特征不明显。文中提出了一种基于数学形态学的多结构元算子边缘检测的方法，对弱对比度图像进行了边缘检测实验，其结果与Sobel边缘检测算子、传统形态学梯度算子相比较，表明提出的检测算子具有检测精度高，噪声不敏感等显著特点。     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

一种组合抗噪边缘检测算法

对受到多种噪声影响的图像进行边缘检测,结果会很不理想.采用了一种基于中值滤波和多结构元的数学形态学抗噪边缘检测算子相结合的边缘检测方法,在对受多种噪声影响的图像进行边缘检测时,能够有效地抑制噪声,保护边缘细节,提高检测精度.     

融合数学形态学理论的边缘检测方法研究

给出一种结合小波变换和Canny算子的基于数学形态学的组合边缘检测算法.利用小波变换对原始图像进行去噪和增强,突出对象的轮廓;利用Canny算子完成边缘的初步检测:引入数学形态学中闭合运算对单纯利用微分算子检测边界存在的断裂边缘进行填充和修复.去除图像处理过程产生的噪声,使结果清晰、平滑.该算法利用MatLab软件进行仿真,结果证明该算法可有效抑制噪声,提高边缘检测精度,是一种有效的图像边缘提取算法.     

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.     

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。     

基于灰度形态学的红细胞图像边缘检测

边缘包含了图像很多重要的信息,边缘检测的好坏也直接决定了后续处理的效果。在利用数学形态学进行边缘检测后,会出现不需要的边缘,形成噪声。针对这种情况,提出一种计算中心像素与邻域像素均方差的方法对形态学边缘检测算子进行改进,该方法可以有效减少噪声,为以后对红细胞图像进行特征提取和分类打下良好的基础。     

铁路扣件图像边缘检测中LoG参数优化

边缘特征是铁路扣件缺陷分类的重要依据。高斯拉普拉斯（LoG）算子提取的边缘特征最接近扣件的真实边缘,但LoG参数的选取直接影响边缘检测效果。针对LoG参数的优化,采用基于布谷鸟搜索优化高斯拉普拉斯边缘检测的算法。利用布谷鸟优化搜索对阈值邻近像素值和标准偏差参数进行优化来提高拉普拉斯边缘检测性能。利用Pratt品质因数IMP值判定检测到的边缘是否最佳。实验证明,该方法有效优化了LoG参数的设置,得到的边缘特征提高了扣件缺陷分类准确率。     

一种新的基于小波变换的边缘检测算法

应用小波变换理论对图像进行平滑降噪处理,对降噪图像进行多级小波分解,从而获取多分辨率图像。对小波分解的各级小波系数求其局部模极大值,从而得到不同分辨率下的图像边缘,合并不同分辨率下的图像边缘得到一个组合边缘,细化图像边缘。实验证明。这种方法对有噪声污染的图像进行边缘检测效果好于LoG、Sobel、Canny等经典的边缘检测方法。     

一种基于边缘轮廓线的LoG角点检测

角点是数字图像中目标的重要局部特征,提供了目标的低层次视觉特性。将Laplace of Gaussian变换引入到平面曲线,提出了一种基于边缘轮廓的LoG角点检测算子。深入分析LoG变换的几何特征,建立了边缘轮廓曲率和LoG范数间的等价度量关系。角点响应函数被定义为边缘点的LoG变换范数,边缘轮廓上LoG范数的局部极值点被认为是角点。并针对?祝-角点模型和圆周曲线模型,验证了这种定义的合理性。实验结果表明,相比经典角点检测算子,该文算法具有高效、稳定的优点。     

改进的LoG边缘自动白平衡算法*

针对物体在有色光源照射下呈现偏色的现象,提出一种改进的LoG边缘自动白平衡算法。该算法在YCbCr空间的Cb和Cr分量上同时利用LoG算子提取边缘,利用LoG边缘具有零交叉特性直接得到边缘两侧的像素。为了避免占主导的彩色纹理造成干扰,利用白色区域的偏色信息进行边缘抑制。利用得到彩色边缘对原图的偏色进行有效的估计,最后计算三颜色通道的增益并进行白平衡。对大量图片进行了实验,结果表明该算法对不同色光照射下的图像均能很好地进行白平衡,同时与多种白平衡算法的对比实验表明该算法适应面广,性能良好。     

结合Canny算子的图像二值化方法

用Robert、Sobel、Prewitt、Laplacian、LoG和Canny算子,对图像进行了边缘检测实验,分析了边缘检测的结果,得出Canny边缘检测算子,是图像边缘检测的一种十分有效的方法。然后,根据图像的Canny算子边缘信息,将最佳全局阈值法与局部阈值自适应法在边缘信息的基础上融合起来,对图像进行了二值化处理。实验表明此算法在二值化图像时,能很好的保留图像的边缘信息。     

基于频谱边缘检测的运动模糊方向精确估计

针对运动模糊图像的模糊方向估计问题,详细分析了匀速直线运动模糊图像的退化模型,提出一种在频域精确估计运动模糊方向的方法。首先,计算退化图像的频谱,用高斯-拉普拉斯(LoG)边缘检测算子检测出频谱中的暗条纹轮廓;然后,用Radon变换找出垂直于暗条纹的角度;最后,根据图像长宽比确定频谱暗条纹和模糊方向之间的关系,计算出模糊方向。仿真结果表明,对模糊尺度从7到30像素的退化图像的模糊方向估计误差不超过1°,估计结果非常精确。     

图像混合噪声的一种组合滤波消除方法

提出了一种基于高斯拉普拉斯边缘检测的含高斯噪声和脉冲噪声的图像组合滤波去噪方法,即首先对含有混合噪声的图像进行中值滤波,再用高斯拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用自适应Wiener滤波对中值滤波后得到的图像进一步滤波去噪,最后将边缘图像嵌入经Wiener滤波得到的平滑图像中。此种方法不但能够有效去除含高斯噪声和脉冲噪声的图像中的噪声,而且可以保持图像的边缘信息,提高了图像的去噪效果和清晰度。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。     

基于LOG和Canny算子的边缘检测算法

针对传统Canny算子抑制噪声和检测低强度边缘能力不足的问题,提出一种将LOG算子和Canny算子相结合的边缘检测方法。采用LOG算子对图像进行噪声过滤,从以下3个方面改进Canny算子实现边缘检测：(1)设计高斯滤波核对过滤掉噪声的图像进行边缘增强,使低强度边缘更容易被检测;(2)在M×N邻域中计算梯度幅值和方向;(3)将梯度方向结合梯度幅值计算,使梯度幅值在边缘检测中更具依据性。对增加椒盐噪声的图像进行实验,结果表明,该方法在最大程度抑制噪声的同时,能检测到更多的低强度边缘。