基于格林函数的边缘检测算法

提出了一种基于格林函数的边缘提取新算法,而且经过详细的数学推导与计算,得到算子的精确解析式。通过实验结果发现该算子计算简单、有效,与其他算子作用效果相比较发现其效果较Canny算法要好。     

数字图像边缘检测的Java实现

介绍几种经典的边缘检测算子，并用Java语言实现数字图像的边缘检测。由于JaVa语言在图像处理方面有其自身的优势，因此整个实现过程具有简单、灵活、适应性强的特点。     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

图像边缘检测算法比较研究

图像的边缘检测是图像处理领域的经典研究课题之一.边缘检测结果的正确性将直接影响到机器视觉系统对客观世界的理解.文章介绍了几种常用的边缘检测算子,并对各种算子的实验结果进行比较.     

数字图像边缘检测的Java实现

介绍几种经典的边缘检测算子,并用Java语言实现数字图像的边缘检测。由于Java语言在图像处理方面有其自身的优势,因此整个实现过程具有简单、灵活、适应性强的特点。     

一种基于梯度极值的边缘检测算法

分析了经典微分边缘检测算法存在的问题，提出了一种基于局部区域微分极值的边界检测算法，该算法的特点是在局部区域边界检测窗口内内直接提了以边界象素，分割的边界为真实边界，边界连续性好 ，适合于照度不均匀图象的分割。     

边缘检测技术

边缘检测是一种重要的图像预处理技术,介绍了几种图像轮廓提取技术,如Roberts、Sobel、Prewitt、LOG、Canny等边缘检测算子,比较了这几个边缘检测算子的处理结果。     

图像边缘检测算法概述

本文依次介绍了经典的边缘检测算子、近年新兴的边缘检测算子以及使用较少的其它边缘检测算子中典型的两类,并分析它们的优点、擅长处理的情况以及存在的一些问题。比较全面地阐述了当今边缘检测算法的研究现状。     

快速模糊边缘检测算法

通过对Pal.King的模糊边缘检测算法进行改进，提出了一种快速模糊边缘检测算法，该快速算法不但简化了Pal.King算法中复杂的G和G^-1运算，而且通过实验，确定了Tr变换中最佳的隶属度阈值，大大地减少了迭代次数，从实验结果中可以看出，该快速算法不但提高了PalKing算法的效率，而且具有很强的检测模糊边缘和细小边缘的能力，这种快速算法的性能优越，是一种非常实用的、高效的图像处理算法。     

传统的图像边缘检测算法的分析与比较

图像的边缘检测技术在数字图像处理当中是最重要的内容之一,是图像分割、目标区域识别、区域形状提取等图像分析领域的基础。该文分析了传统边缘检测算子的理论和特点,通过matlab仿真实验,总结各算子进行边缘检测的优缺点。在数字图像处理和分析当中,寻求一种融简单、精确、抗噪能力强为一体的方法依然是非常重要的研究方向。     

改进的数学形态学图像边缘提取算法研究

研究图像边缘优化提取问题。由于图像在进行边缘提取过程中,容易受到外界信息的干扰,特别是当受到噪声等因素影响时,造成图像边缘提取困难。为此提出了一种新的采用两层数学形态学增强操作提取图像边缘的技术。首先将利用形态学对灰度图像进行增强,并以为基础利用形态学的膨胀操作单独对边缘进行增强,然后将图像切分成小块,针对不同的小块来区分边缘与非边缘;最终经过模板滤波,获得清晰的边缘结果图像。仿真结果表明,改进的算法快速有效,在提取完整的边缘的同时,能够有效的抑制噪声和背景因素对边缘的干扰,并优于其他传统边缘提取方法。     

一种基于积分变换的边缘检测算法

介绍了一种用于图象区域和边缘检测的积分变换。该变换引入了灰度尺度和空间尺度，从而将图象变为表示象素点相互吸引的向量场，将边缘检测问题转化为在向量场中寻找相分离向量的问题。通过分析该变换用于边缘检测而产生的一些问题，给出了使用图象局部信息估计灰度尺度的方法。在对已有方法简化和改进的基础上，提出了一个基于此变换的边缘检测算法。最后给出该方法的识别结果，并与经典的边缘检测算法做了比较。试验结果表明，其边缘检测效果与Canny算法相似，是一种有效的边缘检测方法。     

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。     

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。     

Delphi实现图像边缘检测

总结了计算机图像边缘检测的基本步骤和原理,分析了实现图像边缘检测三种基本边缘算子,给出了基于Delphi编程工具的图像边缘检测的实现方法。     

遥感图像边缘提取微分方法及其应用

遥感图像处理过程中,边缘提取一直是研究的热点与难点。通过介绍边缘的概念及种类,对传统的一阶微分方法和二阶微分方法进行了深入的探索,对各种微分方法的原理及过程,以及各种方法对图像的处理结果进行了对比分析,最后对遥感图像边缘提取方法所面临的问题和今后的发展方向表达了自己的观点。     

边缘检测的形态学算法与传统算法比较

由于图像的边缘通常含有大量重要信息,因此,边缘检测成为图像处理的一个重要环节,其检测算法也获得了广泛的研究,已经形成了Roberts、Laplacian、Canny等多种算法。但这些传统算法在边缘检测精度和抗噪声性能方面还存在一定的问题。文章运用数学形态学边缘检测算法的结构元素变换,对无噪声图像检测出多幅边缘图;对噪声图像采用改进的开启运算,先用3×3的结构元素进行腐蚀,后用5×5的结构元素进行膨胀,用边缘检测算子f°B-f进行检测,并与传统算法和不变结构元素的形态学开启运算的结果进行了比较。实验结果表明,灵活多变的数学形态学边缘检测算法在检测精度和抗噪声性能上都优于传统算法。     

基于改进的多尺度形态梯度的图像边缘检测

应用数学形态学进行非线性图像处理已经发展成为图像处理的一个主要研究领域。论文对多尺度形态梯度算子进行改进,并将其应用于图像的边缘检测。实验结果表明,基于改进的多尺度形态梯度的算法,综合了大尺度和小尺度形态梯度的边缘检测的优势,对阶跃边缘和模糊边缘进行了有效的处理,简化了计算,同时又能有效地去除噪声。     

基于GFS的双线性快速模糊增强图像边界检测新算法

根据广义模糊集(GFS)理论,给出了用于模糊增强图像区域对比度的线性广义模糊算子(LGFO),从而给出了基于GFS的双线性快速模糊增强图像边界检测新算法。首先利用线性左半梯形隶属函数将灰度图像的普通集合变换为GFS,其次利用LGFO对GFS进行区域对比度增强,同时把GFS变换为模糊集合,然后再把模糊集合变换成普通集合,最后在普通集合中进行边界提取。通过大量实例证明,使用该算法提取图像边界速度快、效果好,而且多项指标均超过了献[2]～[5]。     

一种基于Harr小波的快速模板匹配算法

针对传统模板匹配算法的缺点,提出了一种基于Harr小波和SSDA的模板匹配算法,对图像进行由粗到细的匹配。实验结果表明：该算法流程简单,实时性好,匹配精度高。在不失匹配精度的条件下,克服了运算量大的缺点,从而满足图像匹配系统的实时性要求。