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。     

数学形态学运算在声纳图像边缘检测处理中的应用

声纳图像中经常存在较强的背景噪声,噪声的存在使图像中的目标边缘不易提取.本文采用了多尺度形态学算法减少图像中噪声的影响,采用形态学边缘检测方法对降噪后的图像进行处理,并利用形态学运算对得到的边缘图像作断裂曲线连接.实验结果证明本文中采用形态学运算边缘检测的方法优于传统的边缘检测方法.     

数学形态学在紫外目标检测中的应用

由于我国的紫外成像探测技术起步较晚、技术较为落后,有关紫外图像处理方面的研究报道很少。在以往相关研究工作的基础上,针对紫外成像探测系统的日盲紫外小目标图像序列,设计了一种基于数学形态学和图像差分相结合的空间小目标提取方法。首先对原始图像进行灰度形态开运算处理,以减弱噪声和突出目标;然后采用自适应阈值算法对图像序列进行绝对差分运算;从而检测出潜在的目标。实验表明,该算法既能去除背景和噪声干扰,又可有效地检测出图像中的小目标。     

基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法*

提出了一种基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法。该方法首先利用形态学开闭运算对原始图像进行平滑处理,再对梯度图像进行阈值优化,去除过多的区域极小值,然后利用分水岭分割算法检测目标,最后利用目标的面积和空间关系等特征去除少量误提目标。实验表明,新方法可以取得很好的效果。     

基于形态学的图像预处理技术研究

研究了基于形态学的背景抑制方法.对单结构元素的形态滤波进行分析,针对其不足,提出基于双结构元素顺序形态滤波的预处理方法.实验结果表明,双结构元素顺序形态滤波对于高频背景的抑制效果比单一结构元素好,经过图像分割后,剩余少量噪声,有利于后续目标检测.     

基于多结构元顺序形态变换的灰度图像边缘检测

在简要介绍顺序形态变换的基本概念及相关性质和对顺序形态变换进行边缘检测的原理进行阐述,以及对结构元素和百分位对边缘检测的影响进行讨论的基础上,根据图像形态学多刻度形态滤波的思想,从抑制噪声的角度对基本边缘检测算子进行推广和扩展,首先构造了3种边缘检测算子,并从理论上分析了算子的特性;然后将多结构元与图像边缘进行匹配,提出了3种广义顺序形态边缘检测算子并给出了一般表达形式;最后着重探讨了多结构元素及二重混合顺序形态变换百分位值p、q的选取原则.实验结果表明,该边缘检测算子在抑制噪声对图像边缘的影响和保持图像细节方面,优于传统的边缘检测算子和普通的形态边缘检测器.     

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.     

二值图像边缘检测的动态数学形态运算方法

应用基本形态运算,定义了动态形态学运算,并将动态膨胀运算应用到图像对象的边缘检测,运算方法只对图像中的对象进行运算,在每一步运算中,动态地选择结构元素的下一个原点位置。运算方法减少了运算量,执行速度快、效率高,在MATLAB6.5上得到了满意的仿真效果。     

痰液显微图像细胞边缘提取的数学形态学新方法

根据痰液细胞图像的边缘灰度变化特点,在经典微分算子检测基础上,运用适当的改进的数学形态学方法对痰液细胞进行边缘提取。在实验中对同一幅痰液细胞图像分别用Sobel算子、Roberts算子、Laplacian算子和基于数学形态学的方法进行边缘检测。结果表明,基于数学形态学的边缘提取算法对于痰液细胞图像边缘提取有很好的效果。     

炭制品X光图像的缺陷边缘提取

针对炭制品X光图像的特点,为快速准确地提取缺陷,提出了基于迭代的阈值构造方法和数学形态学相结合的边缘提取算法。通过对传统形态学边缘提取方法的分析,构造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,又很好地解决了噪声抑制和保持图像边缘细节之间的矛盾。在此基础上,为进一步减少噪声干扰的影响,采用基于迭代的分割阈值从图像中提取出缺陷区域,然后利用多结构元边缘提取算子成功提取了缺陷区域的边缘,并从理论上分析了噪声对缺陷边缘提取的影响情况。实验结果表明,与目前的边缘检测算子相比,该法能有效抑制噪声干扰的影响,保证了缺陷边缘的连续性、完整性和精确定位。     

基于小波与分数傅里叶变换的图像水印算法

载体图像的空域隐藏Chirp信号可以通过分数傅里叶变换在变换域中进行盲检测。为了提高该算法的鲁棒性能,该文研究直接离散化方法,合理选取分数傅里叶变换的算子阶数,将Chirp 信号隐藏在图像信号的低频小波域中。仿真实验表明,改进后的水印算法提高了直接在空域进行信息隐藏的鲁棒性。     

结合数学形态学和无边界主动轮廓模型的图像分割方法

为了改善主动轮廓模型的效率,并扩大其适用范围,提出了一种将数学形态学和无边界主动轮廓模型相结合的图像分割方法,先利用数学形态学的平滑算子ASF进行预处理,再利用无边界主动轮廓模型分割平滑图像.试验分析表明,该方法不仅能够提高分割的精确度,还可以减少迭代次数,从而使得主动轮廓模型可以应用到一些背景比较复杂的图像分割中.     

基于谷算子的人眼特征点检测方法

考虑带姿势旋转的人脸的特征点检测问题,提出了一种基于谷算子得到眼睛的候选区域,用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置,并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子,用一种新的局域区域取二值化的方法对图像进行二值分割,提出了通过谷算子运算得到人脸谷极点的方法,减少了一些不稳定点的影响。实验表明,该算法具有很高的精度和很强的鲁棒性。     

信号处理中基于最小二乘法的提升小波的构造

在信号处理的应用背景下研究提升小波的构造方法。在提升小波的构造过程中预测算子和更新算子的选取不能混为一谈,为了更准确地将信号分解成低频分量和高频分量,提出更新算子的选取标准是各分量的和等于1/2,利用最小二乘法选取预测算子,并将构造出的提升小波运用于信号消噪,进一步研究预测算子和更新算子的选取规律,得到了较好的实验效果,验证了结论的正确性和实用性。     

基于谷算子的人眼特征点检测方法*

考虑带姿势旋转的人脸的特征点检测问题,提出了一种基于谷算子得到眼睛的候选区域,用Gabor滤波和方差投影构造模糊模板检测出眼睛的位置,并利用二值图像数学形态学与投影的方法得到有姿势旋转的人脸特征点检测的算法。该算法利用软数学形态学构造了一种新的谷算子,用一种新的局域区域取二值化的方法对图像进行二值分割,提出了通过谷算子运算得到人脸谷极点的方法,减少了一些不稳定点的影响。实验表明,该算法具有很高的精度和很强的鲁棒性。     

基于分数阶积分算子的红外弱小目标检测

针对现有背景抑制算法不能有效抑制背景而导致目标检测率低的问题,提出一种基于分数阶积分背景抑制的弱小目标检测算法.首先通过研究分数阶积分理论,分析分数阶积分非线性、尖锐的低通频率特性,结合分数阶积分和警戒环技术来抑制背景;然后依据目标和背景边缘的空间特征,采用模板均差法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联,从而检测出真实目标.实验结果表明,该算法能有效抑制背景,提高信噪比,进而有效检测出弱小目标.     

基于Riemann-Liouville改进的1~2阶分数阶边缘提取新模型

针对数字图像的处理中采用整数步长与0~1阶分数阶微分的掩模算子未能精确定位边缘信息、缺少图像的纹理细节的问题,在Laplacian算子的基础上提出了一种新的边缘检测掩模算子。该算法从Riemann-Liouville(R-L)定义出发,推出1~2阶分数阶微分在中频信号的增强效果优于0~1阶分数阶微分并显著提升了高频信号,最终得到精确的检测效果。仿真结果表明:提出的算子能更好地提取边缘信息,尤其对灰度变化不大的平滑区域中纹理细节丰富的图像,该算子检测到的信息优于现有0~1阶微分算子,针对主观识别有更高的准确率;客观上采用扫描法的定位误差统计,该算子的综合定位误差率为7.41%,低于整数阶微分算子(最低为10.36%)与0~1阶微分算子(最低为9.97%),有效提高了边缘定位精度。该算子尤其适用于具有较高频信息的图像边缘检测中。     

一种去除椒盐噪声的自适应开关中值滤波算法

为了滤除图像中高密度椒盐噪声同时又能较好地保护图像细节,提出一种自适应开关中值滤波算法。使用max-min算子作为噪声检测器,利用自适应邻域窗口对图像进行从左到右的逐行扫描,同时对位于窗口中心的像素点进行噪声判别,然后将检测出的噪声点采用中值滤波进行滤除,而信号点保持不变直接输出。实验仿真结果证明了该算法的有效性。