基于几何特征的虹膜定位算法

提出了利用虹膜边缘图象的几何特征以及圆相交弦的性质进行虹膜定位算法 .首先根据虹膜图象的整体灰度分布信息 ,利用边缘检测算子提取虹膜的内边缘图象 ,然后利用圆的相交弦性质以及投票策略提取虹膜的中心 ,最后利用 Hough变换的半径直方图投票策略提取虹膜内外径 .通过仿真实验的对比结果表明 ,该算法提高了虹膜定位的速度 ,同时对噪声具有一定的鲁棒性     

基于多结构元素的数学形态学的遥感图像边缘检测方法

提出了一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但其抗噪能力较差。为此，探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

植物染色体图象的边缘提取

本文研究了在退化图象中提取边缘的一种算法.通过考察局部窗口下的边缘特性和噪声的统计性质,建立了图象退化过程的数学模型,引入了关于图象灰度值直方图的一维噪声变换,把边缘提取描述为关于噪声变换的非线性绝对不变特征提取.利用泛函分析理论,导出了一组边缘提取算子,把这组算子应用于人工模拟图象和大麦染色体图象,取得了良好的结果,从而为染色体分析奠定了基础.     

基于直线边缘识别的图象区域定位算法

介绍了一种基于直线边缘识别的图象区域定位算法。算法主要分为两个部分,其一为基于样本线对边缘点进行搜索的边缘检测算法,其二为利用层次逼近的霍夫变换对所得到的边缘图象中车牌区域的边界直线段进行提取以对其定位的算法。算法充分利用了原始图象的灰度分布特征,同时在霍夫变换中采取了深度优先的递归搜索策略,取得了较好的实现结果。     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

基于模糊梯度法的边缘检测方法

根据图象边缘灰度的梯度变化,构造图象灰度模糊矩阵和描述边缘点的隶属函数,利用遗传算法实现隶属函数各参数的寻优过程,并由输出隶属度判断提取图象边缘点,实现了图象的边缘检测。实验表明,该方法能有效地描述边缘的穿越过程,并可改善检测结果。     

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。     

基于灰度形态学的烟叶图像边缘检测

烟叶图像的边缘提取是利用计算机进行烟叶检测与分级的关键步骤。为了能够在提取边缘的同时保留图像的边缘细节信息，该文针对CCD获取的烟叶原始图像，利用灰度形态学的算法，构造了全方位的结构元素进行边缘的提取。实验证明，基于灰度形态学腐蚀变换的边缘检测算法是有效的。     

应用Snake模型提取彩色图象目标轮廓线的研究

为了更好地利用Snake模型来提取彩色图象中的物体轮廓，因而对Snake原型提出两点主要改进，即针对snake模型的手工初值设置问题，通过引入彩色聚类预处理过程来减少对人的依赖，首先，采用色彩聚类算法对原始图象进行分割，然后用改进的边缘追踪算法提取有意义区域的边缘，并用这一结果作为Snake模型的初值；然后针对Snake原型应用于彩色图象时出现的失真问题，通过对出错原因的分析，重新设计了Snake的外部能量函数，同时用像素在加权HSI颜色空间中的欧氏距离代替传统方法中常用的像素灰度的差分来近似图象梯度；最后，进行了对比实验，实验结果证明，改进后的算法，特别是在处理彩色图象时，大大优于原始方法．     

基于多尺度彩色形态矢量算子的边缘检测

数学形态学在图象处理中已经得到广泛地应用，但传统的形态学常应用于二值图象处理，后来发展应用到灰度图象处理，对于其用于彩色图象处理的研究还不是很多，通过对传统的数学形态学的几何描述，以及对目前形态学在边缘检测中的应用分析，提出了一种新的多尺度的彩色形态矢量边缘检测算子，该方法是利用不同尺度形态边缘检测算子来检测不同尺度下的边缘强度，再对不同尺度下的边缘强度图进行合并，从而得到新的边缘强度图象，利用该算法对实际图象和合成图象进行了实验，将实验结果与传统的边缘检测算法相比较，由于新的多尺度彩色形态矢量算子能检测出更多的细节边缘，因此将更有利于图象的进一步分析处理，同时将实验图象人为地增加噪声后，再利用该算法进行实验，其结果表明，该算法对噪声具有很好的鲁棒性。     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

基于改进的中值滤波和数学形态学的图像边缘检测

针对受到噪声干扰的图像边缘检测的不理想,提出一种基于改进的中值滤波和数学形态学结合的边缘检测方法。该算法首先对噪声图像用改进的中值滤波进行去除噪声处理,然后利用数学形态学进行边缘检测。利用Matlab软件进行仿真,结果证明该算法与一般的算法相比较能够有效地抑制噪声,保护边缘细节,提高边缘检测的精确度,具有更好的边缘提取效果、边缘连续性和光滑性。     

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.     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

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.     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。     

形态滤波器技术在图像边缘检测中的应用

在利用图像进行产品质量检测时,由于各种因素的影响导致图像的数字化过程中会出现各类噪声,对于边缘检测与分割技术的研究带来很大的困难。通过对传统的滤波算子进行分析,并将其处理结果与数学形态学中的形态滤波运算进行对比,提出使用形态学噪声滤波器进行边缘处理的方式,设计并提出相关的算法。在对陶瓷基材的检测中运用Visual Basic6.0实现算法并进行相关的测试。     

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。     

基于数学形态学和Canny算子的边缘提取方法

提出了一种基于数学形态学和Canny算子的边缘提取方法。该方法利用数学形态学开运算估计背景,将原始图像与背景进行几何运算,在处理后的图像上运用Canny算子提取边缘。实验结果表明,该方法明显优于传统的经过中值滤波后再进行Canny算子的边缘检测效果,为后续的特征提取、目标识别提供了良好的基础。     

基于无标度摄像机的车流跟踪与速度估计算法

该算法通过滤波、图像差分、图像逻辑运算得到运动物体,再运用数学形态学的方法去除过于细节的图像信息,恢复图像中部分被去掉的像素点,得到车辆的轮廓。最后在此基础上计算出车辆轮廓的最小外接矩形,得到车辆的质心,实现跟踪并根据图像信息中已知的车身长度来估计速度。实验结果表明,在既没有对摄像机进行直接控制,也没有在场景中放置标度物体的前提下,算法具有一定的有效性与准确性。