可调数学形态学的角点检测新算法

提出了一种新的基于可调形态学的角点检测方法。该方法采用对称圆形结构元素,通过选择合适的可调参数,对图像进行可调膨胀和可调腐蚀等一系列运算,先分别计算图像中凸角点和凹角点的精确位置,再将两者结合起来,从而得到图像中的所有角点。利用圆形结构元素大幅度减少了算法的计算量。可调形态学的应用克服了传统形态学检测角点不准确的缺点。实验结果证实了当可调算子中的参数取合适值时,该方法可以较精确地检测出图像中的角点位置。     

一种改进的形态学边缘检测算法

为提取出更丰富流畅、定位更准确的边缘信息,基于多尺度多方向结构元素,引入信息熵加权系数,改进了形态学边缘检测算法.首先,为去除图像噪声,选定2种不同尺度的结构元素进行形态学开闭运算;然后,利用4种不同方向的结构元素进行形态学边缘检测,可以获得4幅不同方向结构元素下的边缘图像;再根据每幅边缘图像的信息熵来确定权值,并将这...     

一种适用于图像测量的角点检测算法

根据角点一定是边缘点且是2条边缘或多条边缘交点的几何特征,提出了一种基于亚像素边缘拟合的角点提取算法.首先,获得形成角点的边缘所处的图像区域,在该区域中利用亚像素边缘检测算法求得边缘的方程,然后利用相邻2条直线方程分别求交点,最终取均值求出角点的亚像素坐标.通过与Bouguet算法比较,发现在视觉比较、投影误差相近的情况下,本文角点检测算法获得的尺寸测量值的平均绝对误差要小于Bouguet算法,证明本算法更适用于高精度的图像测量。     

一种改进的Harris多尺度角点检测算法

图像特征点的提取是实现图像特征匹配的重要步骤。针对Harris角点算法的受尺度变化影响大,阈值为人为给定的缺点,把图像尺度空间的思想与自适应阈值的方法相结合,提出了改进的多尺度Harris角点检测方法。实验结果表明,该算法提取到的图像角点不仅精确度高,而且检测到的伪角点少。     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性.     

基于多结构元素的数学形态学图像边缘检测

提出一种基于多结构元素的数学形态学图像边缘检测算法。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子和Canny算子。     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

基于高斯差分滤波和形态学滤波的Harris角点检测算法

Harris算子及其改进算子(如Harris-Laplace算子)是当前应用广泛的角点检测算法,然而它们都存在冗余点多和抗干扰能力差的缺点。基于此,提出一种新Harris算子改进算法。将图像进行高斯差分滤波,采用多层差分平均值增强稳定性和抗干扰性; 对差分图像进行灰度形态学滤波,进一步去除小于结构元素的波谷,波峰值保持不变,这样不仅可以减少冗余点,还可以提高抗噪能力。实验表明,该方法在抗噪和去冗余点方面明显优于Harris算子和Harris-Laplace算子。       

硬度图像角点检测算法

硬度检测图像中存在大量杂质与噪声,目标区域的边缘模糊且形状复杂,传统角点检测算法无法检测出目标区域的角点,也很难应用直线拟合或直线检测算法实现角点的精确定位。针对硬度检测中面临的复杂环境下角点检测任务,提出一种新的基于旋转灰度变化的角点检测算法。与传统的角点检测算法相比,该方法对噪声和杂质具有更好的鲁棒性,能够在背景复杂、边缘模糊的情况下准确检测出目标区域的角点位置,具有更好的适用性。在硬度图像上与传角点检测算法及直线求交确定角点方法的对比实验表明了算法的有效性。     

一种保形的数学形态学图像细化算法

在分析形态序贯同伦细化算法的基础上，针对该算法运算结果为畸变骨架的缺点，提出了一种能保持图像目标正确结构形状的加权结构元素形态序贯细化算法，并以汉字图像为例予以验证．     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.     

改进的基于形态学梯度法的车辆图像边缘检测方法

在分析和比较用于图像边缘检测的多尺度多方位的形态学梯度算法和多级形态学运算合成法的基础上,提出了一种改进的基于形态学梯度法的汽车图像边缘检测方法.经过实验检验,并与其它形态学边缘检测方法进行了比较,证明该方法对汽车图像边缘检测具有较好效果.     

数学形态学的并行处理研究

通过分析数学形态学在图像处理中的理论基础,研究二值图像的形态分析算法,探讨最小结构元素的两种基本形态:膨胀和腐蚀;分析了数学形态学复杂算法的基本原理,把数学形态学的部分并行处理理念引入到实际应用中.用灰度形态学作初步边缘处理,用二值形态学的方法进行边缘修复,有效地提高数字图像处理识别的速度.     

一种改进的图像旋转算法

在图像处理中,有时需要对图像进行旋转变换,但是图像在小角度多次旋转变换后,会产生失真．改进的算法是在图像旋转过程中先将图像旋转回原始的位置,再旋转到目标位置．利用该算法对图像进行多次旋转变换实验,实验结果表明,与以步进方式的旋转算法相比,改进算法在旋转的同时较好地保持了图像的细节信息,减小图像的失真．     

用形态学方法进行数字图象的分析和处理

一种新兴的图象处理技术──数学形态学运算子和形态滤波器在数字图象分析和处理，图象滤波，图象增强和图象恢复方面的研究和应用。     

基于数学形态学的图像边缘提取方法

提出了一种基于数学形态学的灰度图像边缘提取方法,并进行了仿真实验。实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快。     

一种改进型柔性形态学边缘检测算法

该文作了基于数学形态学的图像边缘检测算法的研究。利用形态学基本算法的图像处理特点,对常用的边缘检测算法以及传统的形态学边缘检测算法加以分析和比较,指出各自的特点以及不足。再结合几何算法,运用到二值灰度图像边缘检测中,基于边缘检测的经典算法与柔性滤波特性,提出了柔性形态学边缘检测算法及优化算法,完成图像的边缘检测及去噪处理。