基于多尺度多结构形态学火焰图像边缘检测

针对从工业锅炉采集到的火焰图像边缘形态和噪声的不同,以数学形态学梯度边缘检测算子为基础,结合多结构元素和多尺度的特性,提出了一种基于多尺度多结构数学形态学图像边缘检测算法,并将其应用于火焰图像的边缘检测。仿真结果表明,与经典的Sobel算子、Canny算子和传统的算法相比,提出的算法具有边缘定位准确、轮廓清晰、图像细节保留较多、噪声不敏感等显著优点。     

一种基于形态学的多结构元素多尺度图像边缘检测方法

提出了一种基于数学形态学算子的多结构元素多尺度边缘检测方法,首先构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对灰度图像进行边缘检测,然后改变结构元素的尺寸大小得到多尺度下的边缘图像,根据不同尺度抗噪性能不同来确定权值,将不同尺度下的边缘图像合成,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,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力,具有一定的实用性和可行性.     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

多尺度形态学边缘检测算法

形态学作为一门新兴的非线性图像处理技术,已得到人们的广泛关注,并应用于图像处理的许多方面。文中提出了一种结合形态学滤波的边缘检测算法,该算法采用自适应方法确定锥形结构元素,然后利用双锥形结构元素对图像进行形态学迭代滤波,对滤波后的图像进行多尺度形态学边缘检测,并将各尺度下边缘检测的结果进行合成,最终得到在噪声存在条件下较为理想的图像边缘,并且与其它边缘检测算法进行了对比实验,实验验证了该算法的可行性和有效性。     

基于形态学增强和图像融合的板带钢缺陷检测

为了检测噪声和光照不均并存的多种类型的板带钢表面缺陷,提出了基于数学形态学增强和图像融合的缺陷检测算法。本文首先分别对图像作多结构形态学熵图像增强和多结构形态学边缘增强,其次对增强后的图像采用加权融合,并通过图像背景熵和增强图像的像素均值比确定权系数,最后对融合图像进行二值化处理以便于后续的缺陷识别及分类。 实验表明,本文算法不仅能准确检测出含有光照不均和大量噪声的板带钢图像中的表面缺陷,而且对于其他类型的板带钢缺陷图像也能获得较好的效果。除此之外,该算法具有较强的抗噪性和较高的稳定性。     

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。     

基于多结构多尺度形态学梯度的医学图像边缘检测

边缘检测在医学图像处理中占着至关重要的位置,检测的准确性将直接影响诊断和治疗。本文针对传统边缘检测算子对噪声敏感的不足,结合医学图像的特点,提出了一种形态学梯度运算的修正算法。首先由闭一开运算完成图像预处理以滤除噪声,再作闭运算平滑图像,最后对平滑的图像作多尺度的形态学梯度运算,得到噪声存在下的理想边缘,并将其用于医学图象的边缘检测。实验结果表明,该算法具有良好的边缘提取能力,抗噪性能良好,具有一定的实用性。     

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。     

基于改进的形态学灰度图像边缘检测算法

针对传统形态学在边缘检测算法上存在的检测边缘错位、较粗等缺点,在传统形态学的基础上,提出了一种具有方向估计性的梯度算子。该算法通过改进的梯度算子及多结构元素模式来获取梯度方向,并沿边缘梯度方向进行非极大值抑制,以此细化边缘宽度,最终获取图像边缘。实验结果表明,相对传统形态学边缘检测算法,该算法具有更精细的检测结果与较强的抗噪能力。     

基于多尺度形态学的运动目标边缘检测算法研究

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学梯度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确率。     

基于B样条小波多尺度积图像边缘提取技术

结合了B样条函数良好的逼近特性以及多尺度积算法的抗噪性能,来达到图像边缘检测的最佳效果。首先通过选择合适的小波滤波器对信号进行小波变换,之后通过相邻尺度的小波变换相乘得到尺度积,以检测出图像的模极大值,最后通过阈值滤掉伪边缘,得到图像的边缘信息。实验表明,该算法相比其他传统检测算子能有效地抑制图像噪声,并且图像边缘和细节信息的失真量小。     

采用小波变换和数学形态学的小目标检测

鉴于常用检测方法不能准确稳定地检测出复杂背景中小目标,结合小波变换和数学形态学,提出了一种小目标检测新方法.首先对图像进行单尺度小波变换,提取高频分量系数;其次,利用阈值算法将各个高频分量系数图像转化为二值图像后对其进行多结构元素形态学滤波,滤波结果与原二值图像相减后在差值图像上得到可能的小目标.将3个方向的高频系数的检测结果相关联获得单帧检测结果;最后将多个单帧检测结果进行流水线检测,得到最终的检测结果.仿真结果表明该方法能够准确稳定地检测出信噪比(SNR)大于2的弱小目标.     

基于多尺度多结构元素的肝脏图像分割

提出了一种基于多尺度形态滤波的多结构元素的肝脏CT图像分割方法.首先,利用肝脏先验知识预测肝脏位置,执行多阈值法简化原图.然后,通过递归多尺度形态滤波和区域标记得到肝脏初始轮廓.最后,构造5个不同方向的结构元素并结合它们的多尺度形态学检测肝脏边缘.为验证本算法的正确性和通用性,选用了不同形状的肝脏图像进行实验.结果表明本文算法能够成功地完成肝脏分割.     

利用自适应灰度形态学检测噪声图像边缘

传统的形态学边缘检测算法采用固定的结构元素时图像边缘进行提取,通用性不强.本文提出一种结构元素种类、滤波所使用的结构元素的尺寸郜白适应的图像边缘检测算法,该算法根据模板匹配方法,选样最优匹配的结构元素;针对不同浓度的噪声图像自适应选取结构元素的尺寸进行滤波,并进一步检测图像的边缘.仿真表明,该算法在不同噪声图像的边缘检...     

基于小波变换的陆轨两用车铁轨图像边缘检测

为了能够实时采集铁轨图像以实现陆轨两用车在站台与铁轨之间顺利切换,介绍了一种基于多尺度小波变换和自适应阈值的图像处理方法,选用二次B样条小波对图像传感器采集到的铁轨图像进行多尺度边缘检测,结合了非极大值抑制方法和自适应阈值方法提取最终边缘图像.对比几种经典的边缘检测算子,小波变换的图像边缘检测对铁轨图像的处理结果较好,实现了路轨两用电动车陆/轨转换的准确定位.     

基于数学形态学和LMS滤波的图像边缘检测算法研究

传统的边缘检测算子对灰度图像进行边缘检测时存在图像细节被丢失,边界不连续等问题。针对上述问题,提出一种基于数学形态学和最小均方差滤波相结合的图像边缘检测方法,该算法先利用小均方差滤波的方法可以有效地滤除图像中的噪声,然后利用形态学中的腐蚀运算对图像进行边缘检测处理。实验结果表明：该方法能够有效地去噪,精确地检测图像中的细节,并且边界的连续性好。     

基于改进粒子群算法的图像边缘检测研究

为了提高图像边缘检测的细节信息,采用了二进制粒子群算法。首先通过logistic变换更新粒子速度,粒子速度不受限制;接着动态调整粒子位置,使飞行状态充分调整;然后正态云发生器动态调整粒子的惯性权重,这样较优粒子可以取得较小的惯性权重;最后建立图像边缘检测模型和算法流程。实验仿真显示本文算法对图像边缘定位准确、清晰,信噪比为35.928 1db,处理时间为1.340 1s。满足检测结果中对信息含量大、执行时间少等要求。     

多结构抗噪膨胀-腐蚀型数字灰度图像边缘检测的研究

传统的边缘检测方法对噪声敏感,抑制噪声能力差,经典的形态学边缘检测方法虽然具有较好的去噪能力,但不能反映全部的边缘特性.为此本文提出了一种改进的多结构抗噪膨胀腐蚀型数字灰度图像边缘检测算子.通过仿真结果比较,该算了在检测图像真实边缘和抗噪性能上均优于传统的边缘检测算子.