红外图像边缘检测算法综述

为填补红外图像边缘检测算法综述性研究的空白,使更多研究者较为全面地了解目前成果,并为后续研究提供有价值的参考,遴选了近十年国内外红外图像边缘检测技术研究的相关文献.首先概述了红外成像与边缘检测技术,进而阐述了红外图像边缘检测技术的难点与挑战,接着总结了主要的红外图像边缘检测算法,将相关算法分为了4类——基于经典边缘检测...     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

小波变换和数学形态学在红外图像检测中的应用

红外图像的检测、识别和跟踪技术是当前精确制导领域研究的关键技术之一。文章从处理技术的角度，将适合于红外图像的目标检测技术以分割为基础分为基于数学形态学、小波变换、神经网络和模糊数学几类，重点综述了基于数学形态学和基于小波变换的目标检测技术的研究现状和发展趋势。     

顺序形态学在图像边缘检测中的应用

本文从顺序形态学基本理论出发，根据顺序形态变换的单调性、扩展性和反扩展性，讨论了顺序形态变换在图像边缘检测中的应用。在分析了其边缘检测的几何意义以及结构元素对检测边缘效果的影响之后，还比较了几种边缘检测算子对有噪声图像的处理结果，实验结果表明，基于顺序形态学的边缘检测方法，不但几何意义明确、易于构造，而且性能也比传统检测算子好。     

结合数学形态学和图像融合的边缘检测算法

工业CT图像边缘检测是工业CT图像处理中一项十分重要的工作和预处理步骤,图像的最终处理结果取决于边缘检测的优劣程度。本文首先介绍了几种经典的图像边缘检测方法,并用这几种算法对工业CT图像进行了计算机仿真。通过对仿真结果的对比和分析,作者提出了基于数学形态学和图像融合相结合的图像边缘检测算法MDY并在ImageJ软件上编程实现。实验结果表明该算法能够有效地抑制噪声,完整的检测边缘,且优于其他传统边缘检测算法。     

基于数学形态学的红外图像小目标检测

针对红外成像跟踪系统的低信噪比、背景和噪声干扰严重的小目标图像,以及后续的目标识别处理需要目标的灰度信息的特点,设计了一种基于数学形态学的红外灰度图像小目标检测算法,并用FPGA硬件实现。实验表明,数学形态学滤波能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统实时性要求,是一种有效的红外灰度图像小目标检测算法。     

基于数学形态学的边缘检测算法分析

边缘检测算法在图像识别领域具有不可替代的作用。边缘检测在实现的过程中需要考虑边界增强的效应,边缘检测算法的研究有着丰富的理论和经验。但是,图像压缩和图像识别中图像通常被噪声破坏,需优化处理,才能获取较好质量的图像。文中首先介绍了边缘检测算法,依次阐述这些经典算法的优缺点,引入数学形态学这一观点,对边缘检测算法进行结合,将其应用到图像的识别中,通过C++语言编程实现图像效果,最后进行总结与展望,该成果对于图像的处理具有积极的意义。     

基于形态学的红外图像边缘增强

针对基本的形态学滤波的缺陷提出了一种新的基于形态学的红外图像边缘增强方法, 能有效地增强边缘并平滑噪声,明显地改善视觉效果。     

基于数学形态学的二值图像的边缘检测

主要介绍了数学形态学的基本原理,将这些基本运算组合应用到图像对象的边缘检测,并在MATLAB6．5中进行仿真实验,得到了满意的结果。     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

多结构抗噪膨胀-腐蚀型数字灰度图像边缘检测的研究

传统的边缘检测方法对噪声敏感,抑制噪声能力差,经典的形态学边缘检测方法虽然具有较好的去噪能力,但不能反映全部的边缘特性.为此本文提出了一种改进的多结构抗噪膨胀腐蚀型数字灰度图像边缘检测算子.通过仿真结果比较,该算了在检测图像真实边缘和抗噪性能上均优于传统的边缘检测算子.     

基于小波变换和数学形态学的遥感图像边缘检测

由于遥感图像一般带有较大的噪声，通过实验表明，用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合数学形态学的方法，提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法。实验表明本算法计算有效，边缘定位准确，对噪声有一定的抑制作用，边缘检测效果明显。     

基于形态学的人脸图像边缘检测新算法

提出一种利用数学形态学开闭运算--首先滤掉噪声,再使用数学形态学梯度提取边缘的人脸图像边缘检测新算法.仿真结果表明,该方法与传统的边缘检测方法相比,能在滤除噪声的同时很好地检测到人脸图像的有用边缘.     

基于边缘检测的多聚焦彩色图像融合算法

针对左聚焦和右聚焦彩色图像的融合问题,设计了一种基于边缘检测的彩色图像融合算法。首先将彩色图像转换为NTSC图像,再利用Canny方法检测出亮度信息图像的最优边缘,然后对亮度信息图像的边缘部分采用平均法进行融合,其余部分采用相关系数的权值法进行融合,最后将融合之后的饱和度图像、亮度图像和色调图像转换为彩色图像。从融合效果来看,文中算法能够将两幅左右聚焦的彩色图像融合成一幅信息量饱满且清晰的单一聚焦彩色图像。实验结果和信息熵客观评价结论表明,该彩色融合算法能够将信息熵提高2.13%～2.51%。     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点,设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明,该算法能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统的实时性要求,是一种有效的红外灰度图像小目标检测算法。     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

一种基于数学形态学和投影的车牌定位方法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果。为了能在复杂背景和不同光照条件下快速、准确定位车牌位置,本文根据车牌及拍摄效果等特点及因素,提出了一种结合数学形态学和水平、垂直投影法的定位方法。首先对图像进行预处理,利用数学形态学将预处理过的图像进行处理,滤去一部分伪车牌区域,然后利用水平和垂直扫描进一步精确定位车牌,最后结合车牌的先验知识最终确定车牌区域。实验结果表明,该方法定位率高,速度快,具有良好的鲁棒性。     

图像目标边缘形态检测方法研究

基于数学形态学的边缘检测方法对处理光学经纬仪实际拍摄的含噪声图像与其它常规边缘检测方法相比,具有明显的优势。将空域滤波和Prewitt边缘算子与数学形态学相结合的目标边缘检测方法对图像边缘的检测精度较高,抗噪声能力强,提高了图像边缘检测效果。     

基于数学形态学的图像噪声处理

数学形态学是一门新兴的图像处理与分析学科。讨论了数学形态学的基本运算及其性质，研究了应用这些运算恢复噪声污染图像的方法。