一种基于形态学的X射线数字图像焊缝边缘检测方法

在分析X射线数字图像本身的特点之后,提出利用多尺度形态学梯度算子来获得梯度图像,并通过迭代阈值分割算法,获取原图像边缘的方法。实验证明这是一种检测X射线数字图像焊缝边缘的有效方法。     

一种适合于多目标检测的图像分割方法

提出一种适合于多目标检测的8邻域图像分割方法,用以获取目标特征量,准确分割图像。在对二值化图像扫描形成目标块的过程中,标记各个目标像素,记录目标的边界点,得出分割目标的面积、周长、质心坐标。利用这些信息,可以选择跟踪一个或多个目标。仿真结果证明了该方法实用可行。     

基于目标边缘的图像二值化方法研究

针对图像二值化在模式识别等领域有着广泛的应用 ,本文基于图像的边缘信息和微分算子 ,提出了一个综合局部阈值和全局阈值的自适应阈值算法。实验表明此算法在二值化图像时能很好的保留图像的边缘信息     

基于分形特征的图像边缘检测方法

运用分形理论描述图像纹理特征,通过分析不同纹理图像及图像边缘处的分形参数,得到一种新的边缘检测分形特征,从而提出一种基于分形特征的图像边缘检测方法。自适应阈值的引入,能够实现不同图像的边缘检测。该算法简单迅速,并具有良好的抗噪性能。     

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。     

一种基于形态学多结构元素的图像边缘检测算法

运用数学形态学的理论和方法,从多结构元素形态学变换的角度出发,利用形态学结构元的自然属性,自适应确定权重,在此基础上采用腐蚀运算构造边缘检测算法,最后将多结构元的检测信息加权求和。实验结果表明,自适应确定权重比平均权重具有更好的图像处理效果,在保持图像边缘清晰的同时,具有很强的去除噪声能力。     

自动阈值选取与边缘检测相结合的图像分割算法

提出了一种自动阈值选取与边缘检测相结合的阈值分割算法，试验表明该算法能够避免过分割现象，具有良好的分割效果。     

一种自适应二值化的毫米波图像边缘检测方法

针对毫米波图像分辨率较低、噪声大、成像物体边缘提取困难等问题,提出了一种基于自适应图像二值化的毫米波图像边缘检测方法。该方法通过对图像直方图的分析,自动地确定两个峰值的位置,得出阈值,对图像进行二值化,再对二值化后的图像进行边缘检测。实验表明,这种方法能较好地检测出毫米波图像中人与物体的边缘信息,同时又去掉了大多数由噪声引起的伪边缘。该方法避免了大量的方差计算,计算量仅为大津法的 50%左右,能够满足自适应性和实时性的要求。     

一种无衍射激光图像亚像素边缘检测方法

为进一步提高无衍射激光图像的定中精度,提出了一种亮环亚像素级边缘点检测方法.首先,采用局域亮度最大方法,提取亮环像素级屋脊边缘点;然后,利用线性插值算法对每一像素级边缘点进行亚像素处理进而获得亚像素边缘点;最后,用最小二乘方法,将亚像素边缘点拟合定中.分别对距离光源40 m、50 m、60 m处,各连续拍摄的50幅图像(图像分辨率为640×480,光靶分辨率为0.057 2 mm/pixel)进行了处理,各位置处的亚像素级边缘点x方向定中标准差分别为0.021 4 nm、0.037 2 mm和0.042 3mm,y方向定中标准差分别为0.022 8 mm、0.035 1 mm和0.043 7 mm,明显优于像素级边缘点,实验结果表明,该方法切实可行.     

一种精确的医学细胞图像边缘检测法

细胞边缘检测是进行细胞形态分析的基础,其检测结果直接影响病情分析和诊断的结果。传统的边缘检测算子由于受噪声影响比较大,无法检测细胞可靠的边缘位置,因而不宜应用于细胞形态分析。提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的细胞图像边缘精确检测算法,并给出仿真实例。与传统的边缘检测算子Laplacian-Gauss算子、Sobel算子相比较,该算法具有检测精度高和抗干扰能力强的优点。     

图像边缘检测的二维连续小波变换法

提出一种新的基于二维连续小渡变换的图像边缘检测方法。算法充分利用连续小渡变换探测信号奇异性的能力和小波的多分辨率特性。对图像进行二维连续小波变换后,直接对各个分解层的正的小波系数或负的小波系数利用闽值法初步确定图像的边缘点,然后利用“投票选举法”综合各个尺度的边缘信息。这种方法不需要进行边缘点连接,可以直接得到光滑连续的边缘。实验结果表明,新方法能够准确探测图像中目标的整体轮廓和细节信息,在性能上优于传统的两种边缘检测算子。     

自动识别航空CCD图像上建筑物的方法

针对高分辨率航空CCD图像上建筑物的特点,提出了一种自动识别规则建筑物的新方法。通过系统级几何校正和平滑处理实现图像的预处理,组合拉普拉斯图像锐化和阈值分割方法准确检测CCD图像上的边缘信息。应用二值图像像元的邻接连通量提取线段信息,提出了根据图像双向投影图确定建筑物角点位置的方法,并对角点位置序列进行搜索和匹配识别,从而提取建筑物轮廓信息。通过实际的航空CCD图像处理说明方法是可行的,识别的有效率达到85%左右。     

一种基于边界特征的耳廓提取新方法

在实际的人耳识别系统中,人耳的准确定位是影响识别率的一个重要因素.根据外耳及其所在位置的特征,提出了一种从侧脸图像上准确定位并提取出人耳的新方法.该方法首先对侧脸图像进行阈值化和差分处理,然后将外耳边缘轮廓分为3个区域,利用阈值图像和差分图像以及3个区域的不同走向分别跟踪得到整个外耳轮廓线,并从侧脸图像中提取出外耳图像.该方法运算量小,定位精确,得出的外耳轮廓图像清晰完整无任何干扰,而且定位成功率高.     

改进的直线拟合线阵CCD图像边缘检测方法

为了检测经过光学系统成像所得图像的边缘,在直线拟合方法的基础上提出了一种新的边缘检测方法。该方法综合考虑边缘过渡区间所有点的信息,利用直线拟合方法求出一组可能的边缘值,再选择它们的中值作为最终的边缘值。基于该方法的采集系统由线阵 CCD 采集边缘的灰度图像,使用单片机来处理数据,并计算出边缘的位置。实验结果表明,这种改进方法的重复性误差为 0.89 个像素,而且能够在 0.039s 内完成一次边缘检测计算。     

红外图像的亚像素边缘检测

针对红外图像目标边缘的模糊性,为了准确提取目标,提出了基于三次样条插值和灰阶边缘细化的方法,该方法通过对边缘过渡区域及其法线方向信息的处理,使图像边缘精确定位在亚像素级。实验结果表明,该方法能够精确定位目标边缘,优于传统的边缘检测方法。     

综合边缘检测和区域生长的红外图像分割方法

针对红外图像的特点,提出了一种综合应用边缘检测和区域生长方法的图像分割方法。其思路为:先对图像进行边缘提取,得到边缘像素点集;然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件,采用区域生长法实现图像分割。仿真结果表明,该方法能快速准确有效地实现红外图像分割,避免了单独使用边缘提取或区域生长法进行图像分割时的典型分割错误。     

采用阈值的快速边缘检测算法

针对原有模糊边缘检测算法计算复杂、适应性差的缺点,提出一种新颖的快速边缘检测算法。该算法将图像映射为一个模糊特征面,通过图像自适应阈值来确定模糊增强的渡越点。在渡越点上对图像进行非线性增强。算法将“Min”与“Max”算子结合起来提取边缘,避免了使用单一算子检测边缘强度较弱的缺点。该方法避开了原算法中复杂的指数运算,运算量减少了40%左右;渡越点的自适应性提高了算法的适应性。仿真表明,该算法检测的边缘细、连贯,并且算法抗噪能力强。     

一种模糊红外目标边缘和不变特征提取方法

针对红外图像中模糊目标难以分割和识别的情况,提出以小波多尺度滤波分解后的逼近图像作为自适应域值进行图像二值化的方法,由此分割出模糊图像中的目标,提取目标的轮廓边缘.然后,提出一种新的矩计算方法提取目标的不变性特征.实验结果表明,该方法具有很强的抗噪和抗扰性能,能有效提取复杂背景中模糊目标的平移、缩放和旋转不变量,极大提高了运动模糊目标识别的可靠性.     

基于变差函数的噪声图像的多尺度边缘检测

基于区域化变量理论,针对受噪声污染的图像,本文提出了一种基于变差函数的多尺度边缘检测新方法.该方法根据图像各个不同区域的数据的不同方向的变差函数值来判断该区域是否存在边缘以及边缘的方向性,然后根据该区域边缘的方向性,在水平和垂直方向分别进行不同尺度的小波变换,进而达到在确保边缘定位准确的同时,尽最大可能去除由于噪声以及图像灰度不均匀产生的伪边缘点.仿真实验表明,本文算法在对受高斯白噪声污染较严重的图像进行边缘检测时能有效的去除噪声对图像边缘检测的影响,从而证明了该方法的可行性、有效性.