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。     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

一种新的多方向模糊形态学边缘检测算法

本文提出了一种多方向模糊形态学边缘检测算法.算法将经典集上的形态学运算扩展倒模糊集,而且基于边缘的多方向特征,结合了模糊集理论和数学形态学,构造了多方向结构元素进行边缘检测.仿真实验证明该方法能够较好地去除椒盐噪声和高斯噪声,并且能够很好地检测图像的边缘.     

多方向灰度形态学边缘检测算法

本文介绍了基于灰度形态学的多方向边缘检测算法.基于边缘的多方向特征,构造了多方向的结构元素,并将边缘检测的过程与形态学开闲滤波相结合,提出了一种新的边缘检测算法.该算法在较好地检测图像边缘的同时很好地抑制了噪声.     

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。     

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。     

彩色图像边缘检测算法

本文分析了常用的梯度算法,提出了针对灰度图像和彩色图像的改进思路,并编程实现这些算法。在RGB空间上实现的彩色图像边缘增强算法,可直接用于二值图像和灰度图像。改进后的算法简单易行,能有效地增强图像的边缘,具有较好的实用价值。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

多方向GAP预测器彩色图像快速边缘检测

针对传统梯度调节预测器(GAP)模板进行边缘检测时产生预测错误繁衍的不足,提出改进的多方向GAP预测器模板。首先色融合生成灰度图像;以图像中心划分四个区域,采用并行技术应用多方向GAP模板计算预测值;利用错误反馈信息构建预测误差图像;再通过梯度直方图计算阈值,分类误差图像边缘;最后Hilditch算法细化边缘。实验证明,该模板方法不仅大大降低了时间复杂度,而且检测的伪边缘较少,细节丰富,得到了视觉质量较好的边缘图像。     

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。     

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...     

模糊柔性形态学边缘检测

提出了一种改进的基于模糊理论的柔性形态学边缘检测方法。在模糊域里选用效率更高的隶属度函数,借鉴广义模糊集的概念对模糊域计算区域进行拉伸和增强处理,增加边缘两侧灰度对比度,再利用柔性形态学特征及性质选取更有效率性能、更好的边缘检测算子和结构元,得到噪声存在条件下更加理想的图像边缘。与其他检测算法相比,该算法在取得更多边缘细节的同时具有更强的抗噪能力,具有一定的实用性和可行性。     

模糊聚类和边缘检测结合的彩色图像分割算法

提出模糊聚类和边缘检测结合的彩色图像分割方法,以色彩图像直方图中自适应搜索到的峰值作为聚类中心,对图像进行模糊聚类。然后对模糊聚类后的图像进行边缘检测,检测出面积较大的区域的边缘,首先在区域内部进行融合,然后在区域边界和面积较小色彩相似的区域融合。实验表明,本方法不需预先确定聚类数目、聚类中心初始化,在区域融合后,可得到较好的分割效果。     

模糊聚类和边缘检测结合的彩色图像分割算法

提出模糊聚类和边缘检测结合的彩色图像分割方法,以色彩图像直方图中自适应搜索到的峰值作为聚类中心,对图像进行模糊聚类.然后对模糊聚类后的图像进行边缘检测,检测出面积较大的区域的边缘,首先在区域内部进行融合然后在区域边界和面积较小色彩相似的区域融合.实验表明,本方法不需预先确定聚类数目、聚类中心初始化,在区域融合后,可得到较好的分割效果.     

基于多方向梯度边缘预测器快速边缘检测算法

改进了无损压缩编码中的梯度自适应预测器(GAP)和梯度边缘检测(GED)预测器,并应用在图像边缘检测中,提出基于多方向梯度边缘预测器(MGEDP)的动态阈值控制的边缘检测算法。该方法主要步骤为:1)从图像中心划分四个区域; 2)采用并行技术多个方向应用MGEDP模板,分别预测错误值,利用错误反馈信息构建预测误差图像; 3)利用大津算法计算阈值,分类误差图像边缘; 4)细化边缘; 5)合成边缘图像。实验证明:应用并行技术降低了时间复杂度,以中心逐步向四周选择预测参考点避免了误差繁衍,最终得到清晰完整、细节丰富的边缘图像。     

抗噪的多尺度形态学边缘检测算法

为了使图像边缘检测算法的抗噪声能力更强,能检测到更加丰富的边缘信息,在多尺度形态学边缘检测算法的基础上,提出一种抗噪的多尺度形态学边缘检测算法。一方面,用小波变换法替代常用的加权平均法来融合各尺度下获取的边缘图像,对小波分解后得到的低频系数和高频系数分别采取不同的融合策略,从而有效地保留边缘的细节信息,使得融合后获得的图像清晰且细节丰富。另一方面,在用不同尺度的结构元素检测图像边缘时都采用抗噪的检测算法,因此,该算法具有较强的抗噪声能力。仿真结果表明,该算法既能有效地降低噪声对检测结果的影响,又能获得较理想的边缘图像。     

基于共生矩阵和形态学的彩色图像边缘检测

针对在RGB空间中难以有效区分颜色相似性的问题,提出了一种基于共生矩阵和HSI空间形态学的彩色图像边缘检测方法。采用二维共生矩阵直方图均衡化方法,解决图像过渡不自然的现象;针对HSI的分量利用形态学方法进行加权分析和图像融合,得到彩色图像边缘。通过MATLAB实验表明,该算法检测准确率高,自适应性好,有较好的检测效果。     

基于多方向的各向异性边缘检测算法

针对传统边缘检测算法抗噪性差的不足,提出了一种多方向的各向异性边缘检测算法。该算法构造了4个具有各向异性的5阶差分模板,对其进行归一化处理后,分别对待检测图像进行卷积处理,根据检测算法在各方向上卷积结果的幅值和方向信息得到灰度边缘图,最后采用最大类间方差法确定阈值进行边缘二值化。多组仿真实验结果表明,该方法能有效实现边缘提取,比传统方法具有更高的检测精度和更强的噪声鲁棒性。     

模糊多尺度边缘检测算法的研究

为了解决多尺度边缘检测中有效检出和精确定位的矛盾,本文提出了一种新的模糊多尺度边缘检测算法。该算法以图像的小波分解为基础,把图像的多尺度信息描述为模糊矩阵,然后利用模糊集的并-交运算进行信息的合成,最后通过λ截矩阵完成边缘图像的获取。通过与经典算法的比较,实验结果证明了该算法的可行性和有效性。     

模糊多尺度边缘检测算法应用研究

在小波多分辨分析的基础上提出了一种基于模糊判决的图像多尺度边缘检测算法.二进小波变换用于提供图像的多尺度描述，将模糊判决方法应用于不同尺度间的小波域，从而可以将各尺度的图像信息更加有效地合成，得到最优边缘检测效果. 本文结合具体的图像信号将本算法与Canny算法、小波的Mallat算法进行了比较，结果证明了其可行性和有效性.