自适应权重形态学边缘检测算法仿真研究

提出了一种自适应权重的多刻度形态学边缘检测算法。该算法首先在同一尺度下用多个结构元素分别进行边缘检测,并得到该尺度下的边缘图像,利用形态学结构元素“探针”原理和不同尺度结构元素抗噪性能来确定加权值的大小,然后对不同尺度下的边缘图像进行加权求和,再经过二值化、去噪等处理,得到最后的边缘检测结果。仿真结果表明,该方法具有较好的抗干扰性和定位准确性,得到的边缘更为完整。     

数学形态学的边缘检测算法研究

边缘检测是图像处理与模式识别的一个重要图像预处理过程。传统的边缘提取方法如Sobel、Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图像边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图像的边缘。     

基于多尺度多结构元的数学形态学边缘检测

针对传统的边缘检测算子对噪声敏感问题,提出了一种基于多尺度多结构元素形态学边缘检测算子。该算子在传统形态学边缘检测的基础上,通过改变结构元素的形状和尺度,在很好抑制噪声的前提下,实现图像精细边缘提取。MATLAB仿真结果表明,该边缘检测算子具有更强的去噪能力,定位准确,保留了更多的图像细节,优于传统的边缘检测算子。     

基于数学形态学的自适应边缘检测新算法

考虑到在形态学中,不同形状的结构元素和不同尺度的元素在去噪声和保持图像细节方面的作用是不同的,提出了一种基于多结构多尺度自适应形态边缘检测算法。对一般边缘检测算子做了改进,增加了边缘细节信息。通过计算检测后的边缘信息熵,自适应确定权值系数。将多结构元素检测的边缘和多尺度元素检测的边缘做融合处理,得到最终的图像边缘。实验结果表明,与几种经典边缘检测算法相比,所提出的算法能有效地抑制图像的多种噪声对边缘检测的影响,较好地保持图像边缘细节,自适应提取完整连续边缘。     

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...     

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。     

基于顺序形态学自适应边缘检测方法

基于顺序形态学自适应边缘检测方法是图像处理新技术之一,针对形态学单一结构元素在边缘检测中图像边缘信息丢失的问题,根据图像形态学多刻度形态滤波的思想,提出了基于顺序形态学自适应边缘检测方法。根据传统的形态学边缘检测方法,该方法构造了边缘检测算子,给出了边缘检测算子的评价函数。通过该函数选择不同方向的结构元素增加图像的边缘信息。实验结果表明,与传统的基于数学形态学的边缘检测方法相比,该方法可以最大程度上抑制噪声,有效地提高图像的边缘检测效果。     

基于组合式形态学算子的多尺度边缘检测

针对传统的边缘检测方法因卷积运算造成模糊图像边缘,且对噪声敏感,各种形态学边缘检测方法因检测到的边缘信息类型不同而容易使边缘信息丢失,提出一种组合式抗噪型形态学边缘检测算子;并利用不同尺度的结构元素具有不同的图像边缘检测效果,进行形态结构元素的尺度调整,得到不同尺度结构元素下的图像边缘位置;然后进行加权合成来获得边缘图像;实验表明,与其他的传统或者形态学边缘检测方法相比,该文方法不仅具有更好的噪声抑制功能,而且其检测到的边缘轮廓更加清晰完整,边缘细节更加丰富。     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;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.     

基于多尺度数学形态学的边缘检测

提出了一种基于多尺度数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的优势,分析了在不同尺度下边缘提取的特点,采用非极大值运算方法提取边缘点,并与其他形态学边缘检测法进行了比较,给出了在含噪条件下边缘提取的实验结果。     

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。     

基于边缘检测的数学形态学方法研究

阐述了用于图像边缘检测的数学形态学方法，在图像边缘检测的预处理。边缘提取、以及边缘连接等方面均可采用数学形态学来实现，并用实验证明数学形态学用于边缘检测有其独有的优点。     

基于边缘检测的数学形态学方法研究

阐述了用于图像边缘检测的数学形态学方法,在图像边缘检测的预处理、边缘提取、以及边缘连接等方面均可采用数学形态学来实现,并用实验证明数学形态学用于边缘检测有其独有的优点.     

基于实数结构元素的多角度边缘检测算法

由于传统的边缘提取方法如Sobel、Robert、Prewitt、Log和Canny等对噪声十分敏感,而基于传统数学形态学的边缘检测算法又不能很好地利用空间信息,很难对复杂边界进行有效的处理.本文提出基于实数结构元素的多角度边缘检测算法,该算法可以充分地反映空间距离以及各个角度对边缘检测的影响.最后通过实验说明该算法在复杂图像的边缘提取中不仅有很强的抗噪性,而且可以有效地提取图像边缘.     

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。     

基于改进的中值滤波和数学形态学的图像边缘检测

针对受到噪声干扰的图像边缘检测的不理想,提出一种基于改进的中值滤波和数学形态学结合的边缘检测方法。该算法首先对噪声图像用改进的中值滤波进行去除噪声处理,然后利用数学形态学进行边缘检测。利用Matlab软件进行仿真,结果证明该算法与一般的算法相比较能够有效地抑制噪声,保护边缘细节,提高边缘检测的精确度,具有更好的边缘提取效果、边缘连续性和光滑性。     

基于数学形态学边缘检测的车牌字符分割算法

汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果。传统的方法对车牌图像质量要求较高,且抗干扰能力较差。提出一种基于Renyi熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符。仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割。该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果。     

基于形态学滤波和小角度边缘搜索的运动自适应去隔行

为实现隔行扫描到逐行扫描的视频格式转换,提出了一种运动自适应的去隔行算法,主要包括运动估计、运动向量的形态学滤波、小角度边缘搜索、时空插值权重自适应插值等。该算法通过同极性场的像素块绝对值差和(SAD)与运动阈值的比较实现运动估计,并对运动向量进行形态学滤波处理,消除噪声影响。在小角度边缘搜索中采用自适应搜索半径和并行搜索树的策略实现最小6°的检测精度。最后,通过时空权重自适应的插值算法实现去隔行处理,取得了很好的处理效果。     

基于Top-hat变换的OSAHS图像边缘检测算法

提出了一种基于多方向、多尺度Top-hat变换的图像边缘检测方法,应用于阻塞性睡眠呼吸暂停低通气综合症(Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS)早期病理图像的边缘检测及诊断;通过对OSAHS早期病理图像的观察分析,针对待处理图像形状各异,并且含有噪声的特点,构造了不同方向、不同尺度的Top-hat算子增强图像的对比度,利用形态学梯度进行边缘检测,然后把各个算子检测到的图像边缘按照一定的权重进行组合,得到理想的边缘,以便准确地获得病理图像的相关参数,进而实现医学电子诊断;对OSAHS早期病理图像:口腔图像、咽喉声带处图像、鼻道内部图像处理、分析的结果表明,与传统的边缘算子相比较,该方法能使图像的边缘信息更完整、更准确,图像的边缘闭合度可达到97.67%,为实现医学电子诊断打下坚实的基础。