小波多尺度模糊竞争边缘检测

本文提出了一种小波多尺度模糊竞争边缘检测方法(WFCE)。凭借小波多尺度理论去噪和准确定位的优势,算法有效地利用了多尺度的滤波以及模糊竞争分类法则,较好地保留了图像的细节部分,提高了抗噪性。实验结果表明,与传统的边缘提取算法和模糊竞争算法相比,小波多尺度模糊竞争边缘检测方法(WFCE)能得到更满意的效果,尤其在抗噪性能上的结果是相当的理想。     

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...     

基于多尺度形态学的红外图像边缘检测方法

提出了一种基于数学形态学算子的多尺度边缘检测方法。首先选取几个有代表性的结构元素对灰度图像进行边缘检测得到边缘图像。改变结构元素的尺寸大小可得到多尺度下的边缘图像,根据局部边缘生存期的长短将不同尺度下的边缘图像合成。对噪声大、边缘较模糊的红外图像进行了边缘检测与比较,实验表明该算法抗噪能力强,能得到更精细准确的边缘。     

多尺度加权邻域Gap算子图像边缘检测方法

依据Hastie T．和Tibshirani R．等提出的“Gap统计”的思想方法,通过分析样本灰度数据分布的差别,在进一步考虑加权邻域的基础上,建立了图像边缘检测的多尺加权邻域Gap统计模型。提出正则加权邻域的概念,并通过证明具体地给出了与尺度有关的正则邻域权重密度函数。分析Gap算子的性质,给出在加权邻域下模型边缘检测算法。给出正则加权邻域下不同尺度的检测结果,分析Gap算子与Sobel边缘检测算子之间的关系。模型具有多尺度、依尺度抗噪声的特点。     

一种基于数学形态学的边缘检测方法

基于微分算子的边缘检测方法存在抗噪性能弱等缺点,非线性的数学形态学边缘检测可以克服这些缺点,而使用单一结构元素对图像进行形态学处理会模糊很多细节。鉴于这些不足,运用多结构多尺度的思想,将形态学的滤波和边缘检测结合起来,提出一种边缘检测方法,首先采用多结构多尺度的方法对噪声图像进行串联开闭滤波,再利用改进的多结构元素的形态学梯度算子进行边缘提取。实验结果表明,该方法具有较好的抗噪效果且提取的边缘比较平滑。     

抗噪的多尺度形态学边缘检测算法

为了使图像边缘检测算法的抗噪声能力更强,能检测到更加丰富的边缘信息,在多尺度形态学边缘检测算法的基础上,提出一种抗噪的多尺度形态学边缘检测算法。一方面,用小波变换法替代常用的加权平均法来融合各尺度下获取的边缘图像,对小波分解后得到的低频系数和高频系数分别采取不同的融合策略,从而有效地保留边缘的细节信息,使得融合后获得的图像清晰且细节丰富。另一方面,在用不同尺度的结构元素检测图像边缘时都采用抗噪的检测算法,因此,该算法具有较强的抗噪声能力。仿真结果表明,该算法既能有效地降低噪声对检测结果的影响,又能获得较理想的边缘图像。     

自适应的形态学边缘检测算法

针对传统的基于形态学边缘检测算法抗噪能力较差以及易丢失边缘细节的问题,提出一种自适应的抗噪型边缘检测算法。该算法采用多尺度的结构元素进行滤波,根据边缘方向自动选择相应方向的结构元素进行边缘检测以得到更多的边缘细节。实验结果表明,该算法不仅抗噪能力较强,检测到的边缘细节较多,而且还能提高边缘检测效率,是一种有效的边缘检测算法。     

图像多尺度秩和统计间隙的模糊边缘检测模型

基于“Gap统计”理论思想,在概念“Wilcoxon秩和统计量”基础上提出了顺序秩和统计量、顺序秩和间隙以及边缘隶属度的概念,以相对半邻域之间图像灰度分布的顺序秩和差别为依据,建立了基于顺序秩和统计间隙的多尺度图像模糊边缘检测模型,分析了模型与Prewitt算子的关系．通过图像的边缘检测实例对模型进行了验证,比较了不同尺度下边缘检测的差别,验证并分析了噪声对边缘影响依尺度的关系．该模型具有多尺度、区域内部抗噪能力与尺度有关、噪声弱化弱边缘以及边缘具有隶属度、图像的边缘检测结果与尺度有关等特点,反映了边缘与纹理依尺度的关系．     

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。     

高分辨率遥感影像的形态学边缘检测算法

结合高空间分辨率遥感影像的特点,利用数学形态学方法,选取具有不同尺度和包含全部方向的结构元素,设计一种多尺度全方位形态学边缘检测算法,并采用峰值信噪比方法代替均值以自适应地确定尺度权重.实验结果表明:与传统Canny算子和结构元素尺度形状单一的形态学边缘检测算法相比,本算法解决了噪声抑制和精细边缘提取的矛盾,检测出的图像边缘清晰,而且抗噪性能强.边缘检测结果可用于遥感影像地物几何特征和纹理特征提取.     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于改进形态学算子的木粉边缘检测算法

针对木粉显微图像边缘复杂、细节模糊等问题,提出一种基于HSV空间目标提取和改进数学形态学多尺度算子的边缘检测算法。基于HSV空间提取目标,排除背景噪声干扰;通过最佳方向检测改进传统多尺度形态学检测算子,避免了多方向检测的权重选择,以此获得较好的木粉边缘。实验结果表明：形态学检测算子优于传统canny检测算子;改进的形态学多尺度检测算子不但取得了较好的边缘检测效果,而且提高了边缘检测精度和定位能力。     

综合颜色特征与形状特征的图像检索算法

由于小波变换具有良好的局部特性与多尺度特性,能多尺度逼近边缘,这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。采用二次样条二进小波变换进行边缘检测,用边缘梯度方向直方图表示图像形状特征,用颜色直方图表示图像颜色特征,提出了综合颜色特征和形状特征的图像检索算法。实验结果表明,该算法不仅具有较好的检索性能,而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。     

基于特征匹配要求的纹理边缘检测

为了更精确地进行机器人双目视觉中的特征匹配,需要获得数字图像中丰富而精确的纹理与边缘信息。为此提出了一种新的基于稳态小波变换（SWT）的多尺度纹理边缘检测算法。利用稳态小波变换（SWT）的平移不变性来精确捕获奇异点,在多尺度上通过小波参数的梯度变化检测纹理边缘,而后进行多尺度融合并运用形态学方法得到单像素宽度、精确的纹理边缘二值图。通过对比实验结果表明,相对于经典的边缘检测算法,该算法在抗噪声能力,物体表面纹理的丰富度以及边缘定位的准确性上有很大的提升,并满足特征匹配的需求。     

一种改进的基于模糊推理的边缘检测算法

针对基于模糊推理的边缘检测算法中存在的边缘模糊、未去除伪边缘、算法优化效果不佳的问题,提出一种改进的模糊边缘检测算法。给出一种模糊化规则,即利用方向灰度对比度确定边缘隶属度值,增加去除伪边缘的规则,使得边缘细化。实验表明,该算法效果优于模糊竞争算法、Pal King算法和其他一些改进的模糊边缘检测算法。     

小波多尺度下真彩色图像边缘检测

现代图像的边缘检测方法需要在充分利用图像中的色彩信息基础上能够提供多尺度下的边缘信息。提出了小波多尺度下彩色图像边缘提取算法,利用小波多尺度特征模板对R、G、B三个分量滤波磨光输出,并对磨光后的图像进行向量扩展梯度（Vector Expand Gradient,VEG）,提取边缘。实验结果表明：算法能有效地在不同尺度下提取真彩色图像由细到粗的轮廓边缘信息。     

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。     

基于小波和相对矩的形状特征提取与检索方法

提出了一种基于小波和相对矩的形状特征提取与检索方法。首先，对亮度图像进行小波多尺度边缘检测，得到多尺度边界图像；然后，计算每一尺度的7个不变矩，再转化为10个相对矩，所有尺度上的相对矩组成图像的特征向量；最后，对特征向量进行高斯归一化，用欧氏距离度量图像间的相似度，构建了一个基于形状特征的网像检索系统。实验结果表明，该方法具有明显的优越性和通用性。