基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法.该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像.然后通过分析噪声(主要是椒盐噪声)污染图像的特点对彩色图像形态学基本算子进行了改进.改进后的算子有很强的抗噪性,可以直接实现边缘检测.实验表明...     

一种基于数学形态学的彩色图像边缘检测方法

边缘检测对于彩色图像的处理是一个难题,文章提出了一种基于数学形态学的彩色图像边缘检测的算法,其思想是:对图像用一定的结构元素操作后,与原图像相减.对彩色图像进行腐蚀和膨胀操作的数学形态学算子是本文算法的关键.实验结果表明,本算法能较好地检测出彩色图像的边缘.在对色调的保护上明显优于Sobel和Prewitt算子扩展法,能较好的检测出图像中存在的特征与背景变换缓慢的边缘信息.     

鲁棒的形态学彩色图像边缘检测算法

针对传统边缘检测算子对噪声敏感的缺点,提出一种新的基于数学形态学的彩色图像边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,设计出一种多尺度、多结构元素的抗噪型边缘检测算子,利用新算子对R、G、B三个分量分别检测出图像的边缘分量,对三个边缘分量进行融合得到最终的彩色边缘信息。仿真实验表明,该方法得到的边缘轮廓清晰,边缘定位精度较高,比传统的边缘检测方法具有更好的噪声鲁棒性和边缘细节保护能力。     

基于多尺度的矢量形态学彩色图像边缘检测

该文提出了一种基于多尺度的矢量形态学彩色图像边缘检测新算法。文章首先分析了彩色图像与二值图像之间的关系,然后定义了新的基于彩色图像的形态学变换。并在此基础之上,引入了多分辨率分析的彩色图像形态学变换。试验结果表明该算法对彩色图像的边界检测效果明显地优于单尺度及Sobel等算子的边界检测。     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

多方向模糊形态学彩色图像边缘检测算法*

提出了一种多方向模糊形态学彩色图像边缘检测算法,并将灰度模糊形态学推广到彩色图像。首先采用隶属度函数将彩色图像映射到模糊域;然后采用多方向模糊形态学在R、G、B三个分量上进行边缘检测;最后合成各分量的边缘,得到最终彩色图像边缘。仿真实验证明,该算法能够较好地检测彩色图像边缘,检测结果优于传统的边缘检测算子,并能够检测出彩色图像中的模糊边缘。     

基于调和模型神经网络的彩色图像复原研究

针对彩色图像复原提出了基于网络能量递减收敛的调和模型神经网络图像复原方法,研究了该方法在运动模糊图像复原上的应用。利用待复原图像重构出多幅模糊图像用于算法的实现,并首次提出基于图像局部方差的自适应正则化算子的实现方法。实验结果表明,该方法是有效的,复原效果优于有约束的最小二乘复原法和已有的传统神经网络图像复原法,对复原图像的信噪比有一定的提高。     

多结构元素彩色图像形态学边缘检测

基于数学形态学的图像边缘检测算法中,结构元素起着非常关键的作用。设计五种不同的结构元素,在文献[2]的研究基础上,提出一种改进的多结构元素彩色图像边缘检测算法,比原文献算法速度快,运行时间少。实验仿真结果表明,该算法提取的彩色图像边缘清晰,算法自身具有一定的抗噪声能力。     

软形态学算子在医学图像边缘检测中的应用研究

简要介绍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.利用软数学形态学中基本算子构造了一种新的边缘检测器,并将其用于医学图像的边缘检测.仿真结果表明,该边缘检测器可以较好地去除噪声并同时进行边缘检测.     

改进的彩色图像边缘检测算法仿真研究

研究彩色图像边缘检测准确性问题,因图像边缘保护能力较差,且图像在传输过程中特别容易受到噪声的干扰,造成了图像边缘模糊等问题缺陷.针对传统边缘检测算法存在的边缘分辨率较低的问题,提出了数学形态学彩色图像边缘检测改进算法.首先将采用数学形态四运算,膨胀、腐蚀、开、闭等变换以及组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进型形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性.仿真实验结果证明,改进的算法能有效提取准确的边缘信息,且又具有很强的抗噪性,为图像边缘检测提供了参考.     

彩色遥感图像的一种边缘检测算法研究

针对彩色遥感图像的复杂性、模糊性和噪声强等特点,提出了一种基于多方向模糊形态学梯度的彩色遥感图像边缘检测算法.算法在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算以检测彩色遥感图像边缘,不但能检测出具有方向性的真实边缘,还能有效抑制无方向性的噪声.实验证明,该算法对彩色遥感图像进行边缘检测的有效性.     

基于数学形态学的彩色噪声图像边缘检测算法*

针对已有的数学形态学边缘检测算法对彩色噪声图像检测到的彩色边缘信息不够完整、清晰,提出了一种基于HSI色彩空间的多尺度多结构元的数学形态学边缘检测算法,采用以尺度和结构两个单位元素进行横向和纵向的拓展,以面的形式对彩色噪声图像进行全面的边缘检测。基于这种理念分别对H和S两个携带颜色信息的分量进行边缘检测,最后将两分量的边缘信息通过加权合成得到彩色图像的彩色边缘。实验证明,该算法的去噪效果明显,得到的彩色边缘轮廓清晰、细节丰富,对彩色边缘的提取具有可行性和有效性。     

基于改进的彩色图像形态学膨胀和腐蚀算子设计

分析了RGB、LSH、L^*a^*b^*颜色空间的优缺点,提出了一种面向RGB颜色空间的、基于改进的距离序和字典序相结合的颜色向量序并分析了其性能;定义了彩色图像形态学的基本算子,实现了彩色图像形态学重构开算法。实验结果表明提出的颜色向量序性能良好,建立在该向量序上的彩色图像形态学算法能够较好的保持图像的边缘信息和色调,并且亮度均匀,与原图像相比对比度均匀增强,重构开算法的实验结果比原文献中方法有了较大的改进;具有不需要在不同的颜色空间之间转换的优点。     

融合双阈值和改进形态学的边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.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,其抗噪声性能明显优于经典的算子检测算法,检测精度较经典的单一梯度算子检测方法亦有一定的改善.     

基于HSV彩色空间的矢量形态学算子

在HSV彩色空间中,现有的矢量形态学算子对彩色像素的排序依据V、S、H顺序分层进行,从而违背了彩色图像中三个分量的平等原则,导致矢量形态学滤波算子难以去除彩色图像中由色调和饱和度分量引起的噪声,因此滤波算子性能较差.文中提出了一种基于HSV三分量混合运算的矢量形态学排序规则,并根据该规则定义了新的矢量形态学腐蚀、膨胀算子以及常用的矢量形态学滤波算子.实验结果表明,新的矢量形态学滤波算子较现有的矢量形态学滤波算子具有更强的噪声抑制性能,在保证图像不增加新的彩色像素的同时,去除了噪声并保留了图像细节,滤波后的图像具有较高的峰值信噪比和较小的均方根误差.     

彩色图像SUSAN边缘检测方法

传统的彩色图像边缘检测方法主要是基于灰度图像的,先将彩色图像转化为灰度图像,然后用灰度图像边缘检测方法检测边缘。这些方法利用彩色图像的亮度信息进行边缘检测,没有考虑其色度信息。因此部分边缘不能被检测出来。提出了一种基于CIELAB空间的SUSAN彩色图像边缘检测方法。该方法首先将彩色图像从RGB空间转换到CIELAB空间,然后用基于色差的SUSAN算子检测边缘。实验结果表明：此方法能有效地检测出彩色图像的边缘。在保留图像边缘方面,性能优于基于灰度图像的边缘检测方法。     

数学形态学梯度算子检测铸铁金相图像边缘

金相图像处理是进行定量分析的前提,将金相图像中的目标物正确的提取出来对定量分析起着重要的作用.利用同态滤波器对亮度不均匀的铸铁金相图像进行滤波,校正因反射光强引起的亮度不均匀现象.基于数学形态学梯度算子提出新算法,利用预先定义的结构元素对图像中石墨边缘进行提取,之后经过后处理再进行填充.实验结果表明,该方法在保证石墨边缘的同时可以抑制噪声,能够有效提取出石墨的边界.