基于小波变换的Canny算子边缘检测算法

分析了基于小波变换的图像增强算法和传统的Canny边缘检测算法，提出将两种方法有效地结合起来，应用于对比度低图像的边缘检测中。实验证明，该方法准确的检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

基于小波分解的痕迹灰度图像边缘检测

针对痕迹图像边缘检测的特征，给出了一种新的基于小波多尺度分解的分层图象边缘检测方法，其基本思想是先对源图像进行小波多尺度分解，其次在不同尺度的子带图像上进行基于局部区域特征的软阈值滤波。最后再进行小波重构，以提取图像的边缘。实验结果表明，该算法比其它算法提高了痕迹图像边缘的检测精度，是十分有效的。     

基于小波变换的X射线图像边缘检测方法

根据X射线图像本身的特点,利用小波分析将图像的边缘有效分离开来,用canny边缘检测算子提取图像边缘,实验证明它是一种检测X射线图像边缘的有效方法.     

矿岩块度分布图像处理的边缘检测算法

图像边缘检测技术是计算机识别、分析、理解客观事物的基础,是图像处理的重要内容之一.文章阐述了图像边缘检测方法的发展状况,对微分、小波、分形、形态学等图像边缘检测方法进行了归纳、总结、对比,分析讨论了各种方法的优缺点,并指出了人工智能理论与图像边缘检测算法的结合是解决矿岩块度图像分割问题的有效方法.     

图像边缘检测研究进展

 图像边缘是图像的最基本和最重要的特征之一,它包含了位置、轮廓等许多有用的信息,为人们描述或识别目标及解释图像提供了一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和信息提取的基本手段。已有的图像边缘检测方法很多,但每种方法都尚有不足之处,在某些情况下仍不能检测到目标物体的最佳边缘,未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点,其新理论、新方法不断涌现。对已有方法进行改进,或是按照具体要求设计新方法,是目前边缘检测领域研究的主导方向。本文阐述了边缘检测的研究意义,总结了图像边缘检测的基本思想和检测出的边缘的一般要求,回顾了边缘检测的各种方法,分析了这些方法的优点和存在的不足,总结了边缘检测的最新发展方向。最后分析了现有的边缘评价方法的特点,为边缘检测进一步的研究和应用提供参考。     

基于图像增强的边缘检测方法

在对传统边缘检测算法分析的基础上,文章提出了基于图像的自适应增强的边缘检测算法,首先分别对图像的目标和背景物体进行灰度增强,然后对增强后的图像进行边缘提取,并对提取后的边缘图像进行融合。试验结果表明,该方法能有效的提取图像边缘细节,取得良好的边缘检测效果。     

一种模糊算子边缘检测方法的研究

针对传统边缘检测算子不能精确检测出图像边缘点这一特性，提出了一种模糊算子边缘检测方法。实验证明，该方法能精确定位出图像的边缘点，取得了较好的边缘检测效果。     

二维及三维数字图像边缘检测算法进展综述

边缘是图像最重要的特征之一，包含图像中用于识别的有用信息。本文首先就二维图像综述空域、频域和混合边缘检测方法，重点阐述超小波边缘检测方法及其优点；然后对三维图像总结比较现有三维图像边缘检测方法，并给出发展方向。     

基于数学形态学的强鲁棒性边缘检测方法研究

图像边缘检测是图像处理的基本手段，本文提出了一种基于数学形态学的强鲁棒性边缘检测方法。该方法不仅能够有效地检测边缘，而且能够同时消除图像噪声，实验证明，它与其他常用边缘检测方法相比具有较强的鲁棒性，且并行快速，实时性较好。     

基于突变理论的图像边缘检测技术

边缘检测是图像处理的基本问题之一,它为人们描述或识别目标以及解释图像提供了一个重要的特征参数.利用突变理论研究图像的突变特性,利用突变模型描述系统状态变化的规律,通过尖点突变理论建立边缘模型,来实现有效的图像边缘检测.实验结果表明,提出的边缘检测方法,能够准确检测到连续的图像边缘且具有较好的实时性.     

多梯度复杂图像的分割

图像分割是一种重要的图像分析技术,它不仅得到人们广泛的重视和研究,也在实际中得到大量的应用。本文针对一些经典分割算法对多梯度复杂图像分割边缘定位不准确,易受噪声干扰的特点,提出了一种利用图像边缘区域对多梯度复杂图像进行自适应阈值分割的算法。通过对各种算法的比较,本算法抗干扰能力较强,稳定性好,而且完全自动,不需预先设定任何参数。对多种图像的实验表明本文方法十分有效。     

一种基于边缘增强扩散的凸集投影图像重建方法

将边缘增强扩散与凸集投影算法相结合,提出了一种基于边缘增强扩散的凸集投影方法.该方法能在一定程度上减少噪声的影响,解决重建后图像的振铃问题,且信噪比有一定的提高,改进超分辨率重建图像的效果.实验表明两者能实现很好的结合.     

基于功能特征的植物叶片轮廓构建方法研究

植物叶片边缘的局部和整体形态是影响植物叶片功能的重要因素．笔者提出在三维空间上以B样条曲线拟合的方式,实现植物叶片轮廓的快速构建;同时,满足植物叶片的功能特征约束,反求B样条曲线的控制点,实现对植物叶片边缘形态的重构,以体现不同株系、不同生长时期的植物叶片的动态形态表达．实验表明,受功能特征约束的植物叶片三维构建方法是快速的、有效的,能够为生物学研究提供较好的支撑作用．     

风扇前缘曲线前掠程度对风扇性能的影响

根据风扇前缘曲线的相对前掠概念，将其应用于NASA67风扇叶片的改型，通过数值模拟研究了三种不同前缘曲线掠弯程度对叶片通道内气流流动的影响，计算结果表明。前掠叶片的等熵效率高于无掠叶片；前掠叶片的稳定工作裕度及流量范围比无掠叶片有很大提高，并随着前掠程度的增大而增大；前掠叶片的增压比低于无掠叶片，且增压比随前掠程度的增大而降低。     

基于小波变换和形态多结构元的抗噪边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法.通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘.实验表明,对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声、提取边缘,且优于经典的边缘检测算法.     

基于模糊推理的边缘检测

针对传统基于边缘邻域的一阶或二阶导数的图像边缘检测方法对模糊边缘图像不敏感的问题,提出了基于模糊推理的边缘检测算法.根据边缘点附近灰度分布的特征确定模糊规则,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测.实际图像处理结果表明,与传统算法相比较,新算法检测边缘效果明显.     

一种双阈值熵算子边沿检测算法

分析了噪声点和边沿点局部熵的特点,提出了一种双阈值熵算子边沿检测算法,它具有良好的抗噪声能力,实验结果表明本文算法优于传统单一阈值熵算子边沿检测算法,它是一种很有效的边沿检测方法。     

基于形态多结构元和小波变换的边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法。通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘。基于实验结果,指出对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声,提取边缘,且效果优于经典的边缘检测算法。     

一种分形和形态学结合的图像边缘检测算法

分形将灰度图像空间映射到分形维数空间进行边缘检测,形态学利用具有特向性的检测算子进行边缘检测.本文将分形中DFBR模型和改进的形态学方法相结合得到一种新的边缘检测算法.实验结果表明:结合算法具有分形算法的保留图像边缘细节能力和形态学对特殊方向边缘的检测能力,在对含有大量细节图像的边缘提取上优于单一的边缘检测方法,并具有良好的抗噪性能.