新的噪声污染灰度图像边缘检测统计方法*

针对传统算子进行边缘检测时易丢失边缘信息和在非边缘处增强噪声的缺陷,提出一种基于非参数变点统计分析的噪声图像边缘检测方法,该统计方法不但不需要图像数字特征的任何先验信息,而且对噪声污染的图像不作任何滤波处理.实验结果表明,提出的算法优于Sobel算子,并能抑制信噪较低的高斯噪声和密度较高的椒盐噪声对分割结果的影响,是一种有效的噪声污染灰度图像边缘检测方法.     

图像处理技术在X射线检测中的应用研究

本文分析了X射线成像检测系统噪声产生原因,结合传统图像处理降噪方法,提出了一种信噪分离技术,通过数字图像灰度化和多帧叠加的办法,提取特征图像,将被噪声污染的信号量独立分离出来,用平滑滤波技术对图像边缘进行判定。实验结果表明,这种技术不受人眼视域限制,对灰度图像进行准确定量分析,特别是在图像尺寸检测和药液杂质检测应用中,效果明显。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

噪声图像边缘检测方法的研究*

对图像中常见的高斯噪声和椒盐噪声的特性进行了分析,对含有这两种噪声的数字图像的边缘检测方法进行了研究,尤其对基于顺序形态学的噪声图像边缘检测方法进行了深入的分析研究,基于顺序形态学理论提出了针对分别含有高斯噪声和椒盐噪声的图像边缘检测方法。通过仿真验证表明,对于含有以上两种噪声的图像,提出的方法不仅能够去除噪声而且能够提取出准确清晰的边缘。     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,该算法具有较好的抗噪和边缘提取能力.对一幅加有椒盐噪声的灰度图像的仿真试验结果表明,该方法比传统的基于模板的图像边缘检测算法和标准形态学边缘检测算法具有更好的图像边缘提取效果.     

LOG算子边缘检测方法的改进方案

本文对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷，提出了选择性平滑方式清除图像中的椒盐噪声；提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法，抑制了图像中的大部分其它噪声，并保持了边缘定位精度；还通过用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值，实现了图像边缘的自动提取。实践证明该方法具备有效性和实用性。     

粗糙集在图像边缘增强滤波中的应用

为使图像噪声滤除的同时,边缘细节信息能得到有效地保护,基于粗糙集理论介绍了一种新的边缘增强滤波方法。首先,基于粗糙集不可分辨等价关系划分,分离出噪声点和非噪声点,对噪声点通过中值滤波进行滤除,然后,通过粗近似精度和方向模板检测边缘的连续性和方向,以具有最大粗近似精度的模板的灰度均值取代中心像素点灰度。在所有进行边缘检测的滤波算法中,该算法是唯一边缘测度在多次迭代运行后不会减小的滤波方法,同时通过对不同噪声程度的椒盐噪声和高斯噪声的滤波实验,说明该方法在有效滤除噪声同时能使边缘细节得到保护和增强,且比其它传统的空域和频域滤波方法具有更好的噪声适应性。     

基于ICA域的噪声图像边缘检测算法

文中介绍了一种基于独立分量分析(ICA)的鲁棒性边缘检测算法.实验证明由自然图像训练得到的ICA基底函数大部分是稀疏的、局部化的,且和人类的感受域具有相似特性.该边缘检测方法中,目标图像首先通过ICA基底函数转化,然后利用一种新的滤波算法(软门限法)消除噪声分量,并且仅用相对比较稀疏分量(稀疏ICA基底函数)来检测或重建边缘.提出的算法应用于不同类型的的噪声图像,并且和传统的边缘提取算法进行了比较.实验结果表明,该算法即使在高水平噪声图像中,也能够提取出比较清晰且无任何模糊的图像边缘信息.     

基于十字模板的特征点匹配方法

针对传统模板匹配中矩形模板计算量大、容易造成误匹配的问题,对矩形模板进行改进,提出了十字模板匹配算法;对待匹配的两幅图像进行边缘提取,结合两幅图像的灰度图像获得灰度边缘图像,并利用十字模板匹配方法匹配选定的模板区域;最终在连续性约束的条件下,利用欧氏距离完成特征点匹配。对比实验结果表明十字模板匹配速度快,准确度高;基于十字模板的特征点匹配方法简单可靠,具有一定的实用性。     

边沿检测与噪声消除方法研究

应用灰度台阶的概念,对二值图像和灰度图像的噪声与边沿的特征进行分析,给出边沿与噪声的本质特征,并给出区分噪声与边沿的函数关系式,据此公式,可以比较简单地进行边沿检测与噪声消除。     

基于小波变换与灰色系统理论的图像边缘检测

多尺度边缘综合一直是多尺度思想中较难解决的问题。本文将灰色系统理论与多尺度边缘检测思想相结合．提出基于灰色关联分析和梯度方向的图像边缘宽度计算策略,并根据边缘宽度自适应地调整样条小波的滤波尺度参数,从而实现对有噪图像进行自适应尺度边缘检测。仿真结果表明本文算法不仅能有效地抑制噪声,而且对细节边缘和模糊弱边缘均有较好的检测效果。     

基于重心的一种灰度图像边缘检测算法

本文提出一种基于重心的灰度图像边缘检测算法,将灰度图像中每一像素的灰度值,作为该像素的“质量”、三维空间中的Z坐标。判断某像素是否为边界点,取决于在以该像素为中心点的矩形区域内重心偏移量的大小。该算法具有一定的抗噪性,与采用canny算子的边缘检测算法相比较,本文算法对B超灰度图像的实际检测效果更好。     

基于多结构元的形态图像边缘检测算法

基于修正的边缘检测算子和形态滤波思想,提出一种新的多结构元素形态学灰度图像边缘检测算法。在该算法中,自适应确定权重,并将各个结构元素下的检测信息进行加权求和,得到噪声存在条件下较为理想的图像边缘。仿真结果表明所给算法效果优于经典的边缘检测方法。     

基于改进Canny算法的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声图像的去噪效果不佳,以及双阈值需要预先设定的问题,提出了一种基于改进Canny算法的噪声图像的边缘检测。首先构建自适应高斯滤波器对曲度算子进行改进,得到优化的二值边缘图;然后基于最大类间方差法构建了灰度梯度映射函数,确定最佳的双阈值;最后对二值边缘图进行双阈值检测以及边缘连接。实验结果表明,改进算法与现有Canny算法相比,在不同类型噪声和不同浓度噪声的环境下,改进算法提高了对噪声图像边缘检测的性能,其中PSNR值平均提高了1.9%,MSE值平均降低了1.6%,且具有自适应性强、运行效率高的优点。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

基于变差函数和方向小波的噪声图像边缘检测方法

为了检测受噪声污染图像的边缘,提出了一种基于变差函数和方向小波的多尺度边缘检测新方法.首先,在我们前期研究成果的基础上,基于变差函数理论,提出了图像中45度和135度方向边缘的判别准则.然后根据图像中边缘的方向性,选择合适的方向小波旋转参数,再利用方向小波对各个子区域进行不同尺度小波变换.仿真实验表明,对于受高斯白噪声污染的图像,所提出的边缘检测方法无论在边缘定位的准确性还是在去除伪边缘点方面,均优于传统的小波边缘检测方法.     

形态学高帽变换与低帽变换功能扩展及应用

数学形态学广泛应用于图像处理和模式识别领域。对形态学高帽变换与低帽变换功能进行扩展,提出了假高帽变换的概念和低帽变换的新方法。用形态学滤波对原始图像进行平滑处理,由形态学膨胀运算调整结构元素尺度,依据检测图像边缘熵确定权值进行融合。改进了传统形态学边缘检测算法,改善了亮背景上暗物体的边缘提取,对数字图像进行处理,满足了实际需求。实验结果表明,该算法能有效抑制噪声,且边缘清晰准确,效果优于经典的边缘检测算法。     

基于小波变换的含噪人耳图像边缘检测

为了取得含噪人耳图像的理想边缘轮廓,以实现人耳识别技术的进一步应用,对小波变换边缘检测方法进行了研究,分析了噪声消除与小波变换尺度之间的关系,详细论述了模局部极大值提取边缘的原理.针对含噪人耳图像的特殊性,阐述了一般去噪和边缘检测方法的不足,并针对这些不足提出了改进方法,首先利用样条小波多尺度分解后,相邻尺度小波系数相乘得到尺度积,然后进一步求得尺度积的模和相角,通过自适应阈值去噪提取图像边缘,取得了较好效果.