基于改进的数学形态学的OCT图像快速边缘提取算法

提出了一种基于形态学的OCT图像的边缘检测方法,即对原始图像预处理,增加图像的对比度和边缘特性,使用形态学腐蚀和膨胀两个基本算子进行,选取了合适的结构元素,最后采用canny算法提取边缘。实验结果表明,经过改进的数学形态学方法处理的图像边缘特性的提取效果显著增强,且效率高、处理速度快。与经典的边缘检测算子和传统形态学边缘检测算法相比,该算法优势更加明显,边缘提取质量显著提高,且速度有显著提升。     

基于改进形态学Top-Hat算子的图像边缘检测

基于数学形态学理论,提出在形态学灰度图像梯度的基础上,结合改进的Top-Hat算子变换进行图像边缘检测方法.对改进的形态学Top-Hat算子原理进行说明,通过实验和传统的形态学Top-Hat算子图像边缘检测方法进行了比较.实验结果表明,改进的方法不仅增强了图像阴影细节,而且有效避免了图像原有细节的丢失.     

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。     

一种改进的低对比度灰度图像边缘识别方法

低对比度图像的边缘比较模糊,传统的基于微分算子边缘检测方法通过梯度算子虽增强了边缘信息,但同时也强化了噪声影响.针对以上问题,首先考虑对低对比度图像进行预处理,用直方图均衡化方法提高对比度,以便准确完整地定位图像边缘;其次考虑用计算灰度比值而不是传统的计算灰度差值来检测图像对象的边缘,以最大限度地降低噪声的影响.测试结果表明,基于灰度比值的边缘检测方法弱化了噪声影响,更有利于清晰准确地识别低对比度图像的边缘.     

基于形态学多尺度算法的肺部CT图像边缘检测

医学图像边缘检测是医学图像处理和分析的基础,传统边缘检测算子对噪声敏感,检测到的图像边缘效果较差.本文提出了一种基于形态学多尺度算法的肺部CT图像边缘检测方法.首先对形态学边缘检测算子进行改进,然后利用形态学多尺度算法检测各尺度下的图像边缘,最后采用非均匀权值方法合成最终边缘.实验结果表明:该方法在检测出肺部图像边缘的同时能够很好地抑制噪声,是一种有效的肺部CT图像边缘检测方法.     

异质扩散的图像边缘特征提取方法研究

图像检测中如何提高成像的质量,抑制图像的噪声,增强图像的对比度是图像检测的主要目标。为了强化边缘特点,方便进行具体的测量,针对偏微分方程PDE(Partial Differential Equations)在图像处理中的运用进行了探讨,并将其与形态学腐蚀算子相结合,提出了基于形态学腐蚀和梯度计算的边缘检测方法,并通过仿真测试进行验证。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于多尺度多结构元的数学形态学边缘检测

针对传统的边缘检测算子对噪声敏感问题,提出了一种基于多尺度多结构元素形态学边缘检测算子。该算子在传统形态学边缘检测的基础上,通过改变结构元素的形状和尺度,在很好抑制噪声的前提下,实现图像精细边缘提取。MATLAB仿真结果表明,该边缘检测算子具有更强的去噪能力,定位准确,保留了更多的图像细节,优于传统的边缘检测算子。     

异质扩散的图像边缘特征提取方法

图像检测中提高成像的质量、抑制图像的噪声、增强图像的对比度是图像检测的主要目标。其主要目的是为了强化边缘特点,方便进行具体的测量。针对偏微分方程(PDE)在图像处理中的运用进行了探讨,并将其与形态学腐蚀算子相结合,提出了基于形态学腐蚀和梯度计算的边缘检测方法,并通过仿真测试进行验证。     

一种新颖的基于坐标逻辑的多结构元图像边缘检测方法

首先介绍了坐标逻辑运算的基本概念，并就其在图像边缘检测方面的应用提出了一个新颖的利用多结构元进行边缘检测的非线性算子。然后分别对标准的Lena图像和真实照片扫描图像进行边缘检测实验，其结果与Sobel边缘检测算子、形态学边缘检测算子相比较，表明本文所提出的检测算子具有边缘定位准确、运算速度快、对噪声不敏感等显著优点。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

噪声污染图象中的广义形态边缘检测器

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,系统地给出了普通形态差分算子,并提出了一类广义形态差分算子。同时,把提出的广义形态差分算子应用于受噪声污染的图象,以提取图象的边缘。通过实验表明,广义形态边缘检测算子能较好地提取边缘,在抑制噪声对边缘的影响和保持图象的边缘细节上,效果优于经典的边缘检测器和普通形态边缘检测器。     

基于软化形态学的边缘检测

在介绍适用于二值图象的软化形态学的定义及特性的基础上,将软化形态学概念加以推广,使之适用于灰度图象,并提出了一种基软化形态学的边缘检测方法－ＳＭＤ,还把此方法与其他的基于匀边形态学方法进行了比较,实验结果表明该方法具有很强的抑制噪声能力。     

基于多尺度数学形态学的边缘检测

提出了一种基于多尺度数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的优势,分析了在不同尺度下边缘提取的特点,采用非极大值运算方法提取边缘点,并与其他形态学边缘检测法进行了比较,给出了在含噪条件下边缘提取的实验结果。     

Efficient facet edge detection and quantitative performance evaluation

In this paper, we first introduce a recursive procedure for efficiently computing cubic facet parameters for edge detection. The procedure allows to compute facet parameters in a fixed number of operations independent of kernel size. We then introduce an image independent quantitative criterion for analytically evaluating different edge detectors (both gradient and zero-crossing based methods) without the need of ground-truth information. Our criterion is based on our observation that all edge detectors make a decision of whether a pixel is an edgel or not based on the result of convolution of the image with a kernel. The variance of the convolution output therefore directly affects the performance of an edge detector. We propose to analytically compute the variance of the convolution output and use it as a measure to characterize the performance of four well-known edge detectors.     

Comparison of edge detection algorithms using a structure frommotion task

This paper presents an evaluation of edge detector performance. We use the task of structure from motion (SFM) as a "black box" through which to evaluate the performance of edge detection algorithms. Edge detector goodness is measured by how accurately the SFM could recover the known structure and motion from the edge detection of the image sequences. We use a variety of real image sequences with ground truth to evaluate eight different edge detectors from the literature. Our results suggest that ratings of edge detector performance based on pixel-level metrics and on the SFM are well correlated and that detectors such as the Canny detector and Heitger detector offer the best performance.     

A high performance edge detector based on fuzzy inference rules

Edge detection is an important topic in computer vision and image processing. In this paper, a novel edge detector based on fuzzy If-Then inference rules and edge continuity is proposed. The fuzzy If-Then rule system is designed to model edge continuity criteria. The maximum entropy principle is used in the parameter adjusting process. We also discuss the related issues in designing fuzzy edge detectors. We compare it with the popular edge detectors: Sobel and Canny edge detectors. The proposed fuzzy edge detector does not need parameter setting as Canny edge detector does, and it can preserve an appropriate detection in details. It is very robust to noise and can work well under high level noise situations, while other edge detectors cannot. The detector efficiently extracts edges in images corrupted by noise without requiring the filtering process. The experimental results demonstrate the superiority of the proposed method to existing ones.     

基于概率密度梯度的边缘检测

提出了一种新颖的基于概率密度梯度的边缘检测算法.新算法通过估计图像中各像素点的概率密度梯度得到图像的概率密度梯度场,然后根据图像的边缘点在概率密度梯度场中具有两侧梯度方向相反的特性实现边缘检测.与现有的算法相比,新算法检测得到的边缘点具有尺度不变性,并可以直接从图像中检测出具特定尺寸区域的轮廓,完好地保持物体的形状.     

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。     

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。