量子衍生形态学图像边缘检测方法

提出了一种基于量子测量和坍缩的自适应形态运算。该形态运算的结构元素处于叠加态,在结构元素平移的过程中,由平移点邻域的图像局部特征生成测量算子并对该结构元素进行测量使其坍缩到相应的基态—传统结构元素。由于不同像素点的邻域特征不同,从而形成自适应形态运算。一种基于均方差的测量算子生成方法被提出。计算机仿真实验表明由该形态运算所构成的图像边缘检测算子能从噪声干扰的图像中有效地检测出图像边缘。     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。     

量子衍生图像边缘检测方法

利用量子比特表示图像像素的灰度,用双量子位叠加态来描述两像素之间的关联,通过线性厄米算符在该量子叠加态中的平均值来判断像素的边缘特征,由此建立了一种新的图像边缘检测方法,并从概率论的角度对该方法的合理性给予解释。理论和计算机仿真结果均表明该方法具有视觉补偿功能,能检测出图像中高亮度和低亮度区域的灰度微弱变化引起的边缘效应。     

基于形态学多结构基元的含噪图像边缘检测

为了研究基于多结构基元构成形态学结构基,提出了一种图像边缘检测算法.首先,定义由开-闭运算、以及闭-开运算加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,不同形状的结构元素能检测出不同方向和结构的边缘信息,对定义多方向结构元素以组成形态学结构基,应用此结构基对滤波后的图像进行边缘检测.通过仿真重建形成理想的图像边缘,仿真结果表明,应用于含噪图像边缘检测算法,使抗噪的MSE性能较"开-闭运算"方法减少了7.82%和6.38%,PSNR性能提高了14.68%和8.05%,在检测精度方面得到了连续和封闭的边缘信息,与经典算子检测算法比较边缘信息更清晰.     

量子衍生坍缩形态学滤波

为了更有效地滤除数字图像中的噪声,受量子信息处理理论启发,将传统的形态学运算结构元素扩展到叠加态结构元素以更有利于图像的去噪。由于叠加态结构元素只有尺度范围,没有固定的大小和形状,因此可表示为该尺度范围内的各种不同大小和形状的传统结构元素的线性叠加,并在受到测量时可坍缩到其中的某一传统结构元素。该文首先定义了一个基于叠加态结构元素的坍缩形态学算子,然后在此基础上构建了一种基于均方差的自适应形态滤波方法。计算机仿真实验表明,该滤波方法与中值滤波和传统的形态滤波方法相比较,有更强的噪声滤除能力,并且对噪声的强度不敏感。     

一种基于改进的形态学算子的边缘检测算法

本文提出了一种基于改进的形态学算子和多尺度多结构元素思想的边缘检测算法.改进的抗噪型形态学边缘检测算子增强了图像边缘检测时的抗噪能力,采用多尺度和多结构元素构建的边缘检测算法既具有较好的抗噪能力,同时可检测更多边缘方向.实验结果表明,该算法具有较好的抗噪能力,在检测出更多的边缘方向的同时可保留较多的边缘细节,具有较强的...     

边缘检测的混合量子遗传算法

本文基于费用函数最小化方法,提出一种混合量子遗传算法用于图像的边缘检测.量子遗传算法是一种基于量子计算的概念和理论的进化算法,它采用量子编码来表征染色体,能够表示出解的线性叠加态,比传统的遗传算法具有更好的群体多样性和全局寻优能力.我们将这一算法和局部搜索算法相结合,用于图像的边缘检测问题,产生了令人满意的检测效果,并对噪声有较好的抑制作用.     

改进非线性结构张量的含噪图像边缘检测

现有的边缘检测方法在含噪图像中的检测性能不佳.针对含噪图像的边缘检测问题,提出了利用引导核改进基于非线性结构张量的含噪图像边缘检测方法.首先,计算含噪图像的张量积.然后,根据图像梯度对张量积进行扩散,图像梯度依赖张量积本身.扩散方程中的扩散矩阵包含张量积,该张量积是通过各向异性的引导核进行空间自适应平均,而不是通过各向...     

基于量子衍生的图像中值滤波算法

利用量子衍生思想,借鉴量子信息理论,将归一化的数字图像用量子叠加态的方式表示,分析了量子Hadamard变换的原理,提出了基于量子衍生的图像中值滤波算法。针对受不同程度椒盐噪声干扰的数字图像,分别采用3×3和5×5大小的中值滤波窗口,对传统图像中值滤波算法和量子衍生中值滤波算法进行了去噪仿真实验。从主观视觉角度和客观评价指标两方面,对算法的去噪效果进行了分析和比较。根据信噪比和边缘保持度两种评价指标,客观衡量和比较了算法处理后的结果图像与原始图像之间的灰度值差异,以及算法对图像边缘细节的保持能力。算法仿真结果表明,对相同程度椒盐噪声干扰的图像进行去噪处理时,5×5大小的量子衍生中值滤波算法去噪效果最佳。     

改进的抗噪形态学边缘检测算法

噪声是影响图像的边缘检测效果的主要因素之一。形态学的各种运算可以有效地去除噪声,利用形态学对含噪图像进行边缘检测的算法已成为人们当今关注的问题。为了提高图像边缘检测的准确性,降低噪声对图像边缘检测的影响,提出了一种改进的抗噪形态学边缘检测算法,且利用两个不同的结构元素进行边缘检测。对于含有椒盐噪声的图像,改进的算法能很好地减弱噪声,得到的图像较平滑、轮廓清晰。边缘定位准确且很好地保留了边缘细节特征。实验结果表明,算法抗噪能力较强,客观评价与视觉效果均好。同时,该算法具有一定的实用性和可行性。     

基于形态学的边缘检测

提出假高帽变换和多尺度形态学结构元素相结合的方法进行边缘检测.首先说明假高帽变换的基本原理,接着结合多尺度结构元素进行边缘检测,最后依据不同尺度下的图像标准差确定的权值进行边缘融合,得到理想的边缘.该方法有效克服了传统边缘检测方法和经典形态学边缘检测方法的局限性,具有一定的通用性和实用性.     

一种新的图像分割算法

在形态学梯度边缘检测算子的基础上,综合多尺度和多结构元算法的特性,提出了一种新的图像分割方法。利用桥梁的明显特征预测桥梁目标的位置,获得感兴趣区域,通过多阈值法简化原图;采用多尺度形态滤波和区域标记得到目标的初始轮廓,构造5个不同方向的结构元素,对这些结构元素运用多尺度形态学方法来检测目标边缘。实验结果表明本算法能够比较准确地完成图像分割。     

基于灰度形态学的烟叶图像边缘检测

烟叶图像的边缘提取是利用计算机进行烟叶检测与分级的关键步骤。为了能够在提取边缘的同时保留图像的边缘细节信息,该文针对CCD获取的烟叶原始图像,利用灰度形态学的算法,构造了全方位的结构元素进行边缘的提取。实验证明,基于灰度形态学腐蚀变换的边缘检测算法是有效的。     

数学形态学滤波器的优化设计

数学形态学滤波器作为图像处理领域中的一类重要的非线性滤波器已被广泛地用于图像降噪、边缘检测和模式识别等图像处理技术之中,然而其处理效果的好坏却严重地依赖于结构元素的形状和大小。在传统的形态滤波器的设计中,结构元素的选择完全凭借设计者的经验,因而很难保证所选择的结构元素为最优结构元素。针对此问题,该文应用遗传算法对形态滤波器设计中的结构元素进行优化,通过对样本图像的学习训练,获得基于优化结构元素的形态滤波器,并在此基础上设计了一种简单、实用的自适应优化滤波算法。该算法的有效性用计算机仿真实验进行了验证。     

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。     

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.     

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.     

基于形态学多结构元边缘提取方法的研究

通过对传统形态学边缘提取方法的分析,提出了基于形态学多结构元边缘提取算子,该算子既有良好的边缘提取特性,又可很好地解决了噪声抑制和保持图像边缘细节之间的矛盾,通过灰度加权平均值作为阈值进行二值化,更加突出了边缘效果。实验表明:基于形态学的多结构元边缘提取算子,具有较高的噪声抑制能力,能够完成复杂背景下的边缘提取。     

基于形态梯度运算的遥感图像边缘检测

针对常规线性边缘检测器处理遥感图象时细节丢失严重的缺点,介绍了数学形态学基本理论,讨论了数学形态学在边缘检测中的应用.形态学的灰度梯度运算是在经典形态变换基础上提出的一类非线性算子.对于结构元素的选取作了一定的说明.另外,还与传统线性算子的处理结果进行了比较.通过计算机对遥感图像的模拟实验表明：基于形态灰度梯度运算的遥感图像边缘检测方法,不但几何意义明确,易于构造,而且性能也优于传统检测算子,证实了该方法的可行性.