模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于优化模糊增强的顺序形态学细胞图像边缘检测算法

为实现对医学细胞图像的边缘检测,提出了一种基于优化模糊增强的顺序形态学边缘检测算法.首先利用优化模糊增强算法增强细胞图像边缘,优化算法采用二维直方图斜分法初步定位边缘区域并结合自适应隶属度阈值进行模糊增强.然后使用尺度为5或4个不同方向的结构元素,百分位(p,q)为(0,1/2)和(1/4,3/4)两种百分位对增强后的细胞图进行复合顺序形态学边缘检测,得到多张边缘子图,最后融合多幅子图,细化后得到最终的细胞边缘.对多幅细胞图像进行边缘检测试验,结果表明该算法在增强边缘的同时可消除部分边缘模糊和粘连,检测到的边缘连续、清晰、完整,效果明显优于canny算子、水平集c-v算法和一般形态学检测算法.     

基于MMSE的自适应灰度形态学钢轨边缘检测算法

钢轨边缘检测是铁路轨道异物入侵检测的关键技术,针对钢轨图像在采集过程中经常受到不同程度的噪声影响,以及传统边缘检测算法难以准确检测到钢轨边缘的问题,提出了一种基于MMSE (Multi-scale Multi-direction Structural Elements)的自适应灰度形态学钢轨边缘检测算法.首先根据轨道图像的噪声特点,使用多尺度结构元素的形态学滤波算法对轨道图像进行自适应滤波操作,实现钢轨边缘的增强和噪声的抑制;然后对滤波后的轨道图像使用多方向自适应灰度形态学边缘检测算子进行钢轨边缘检测.实验结果表明:该算法不仅有效滤除了采集图像中的噪声,而且能够较准确地检测到轨道图像中的钢轨边缘.     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法.算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取.实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节.     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节     

改进的模糊形态学彩色图像边缘检测算法

文章针对彩色图像边缘检测问题,提出了一种改进的模糊形态学算法。算法将模糊形态学算法由原来处理灰度图像的标量运算推广到彩色图像的矢量运算,并在此基础上改进了模糊增强公式,同时引入了变形虫结构元素进行边缘提取。实验结果表明:改进的算法能够将模糊形态学较好地运用到彩色图像边缘检测上,且边缘定位准确,充分考虑了图像的局部特征,有一定的抗噪性,能得到光滑有效的边缘信息。     

改进的形态学航空图像边缘检测算法

为有效提取噪声较大的航空图像的边缘信息,对基于数学形态学的图像边缘检测算法进行改进:一是利用1种自适应加权复合数学形态学滤波器对图像进行滤波,二是结合图像特点和结构元素的自然属性,自适应确定权重,构造出1种具有较强抗噪能力的数学形态学梯度边缘检测算法。实验结果表明,该算法边缘定位准确,能检测出相对完整的边缘图像,且对噪声有较好地抑制作用。     

基于小波变换和模糊c-均值聚类的图像边缘检测

提出一种结合小波变换和模糊聚类技术对图像边缘进行检测的新算法．首先,对图像进行小波变换。并将相邻尺度小波系数相乘以增强边缘和去除噪声,然后利用模板得到四个方向的小波模梯度值,并以其作为特征作成待分类点集,最后,采用模式识别中的模糊c-均值聚类技术进行自动分类,实现边缘检测．实验结果表明,该算法具有较好的边缘检测和抑制噪声的能力。     

基于模糊推理和柔性形态滤波的图像增强方法

根据柔性形态学的相关概念和性质,提出了一种基于模糊推理和柔性形态滤波的图像增强方法.该方法首先定义了方向性结构元素,在结构元素内引入模糊推理方法判别图像边缘方向,进而构造方向性柔性形态学滤波器对图像边缘进行滤噪增强,并根据局部均值和熵差自适应确定增强系数.实验结果表明该方法可以有效滤除噪声,增强图像边缘.     

基于多层次模糊增强的图像边缘检测

在图像边缘检测中,往往需要提取不同灰度层次的边缘,而图像的边缘通常具有不确定性．多层次模糊增强可以较为有效地确定图像的边缘,使得不确定的边缘变成确定．对于多层次模糊增强,各层次灰度级的选取直接关系到边缘提取的有效性．文章提出的算法可以有效地确定图像各层次灰度级．     

自适应多层次的图像双线性广义模糊增强算法

在模糊集合论和广义模糊集合论的基础上,构造出用于模糊增强图像区域对比度的新型线性广义模糊算子.提出了一种自适应多层次的图像双线性广义模糊增强新算法,该算法利用线性广义隶属度变换及其逆变换,实现了灰度图像空间的广义模糊化与广义模糊空间的灰度化,使用线性广义模糊算子对线性广义模糊隶属空间进行了区域对比度模糊增强,最终利用"MIN" 算子提取出了增强图像的边缘轮廓.基于模糊熵的多层次阈值灰度选取过程,体现了算法的自适应性与实用性.实验表明,该算法能够快速无失真地同时增强图像中不同层次的边缘信息,所提取出的增强图像边缘准确、层次分明.     

基于模糊融合技术的图像恢复方法研究

研究了利用模糊融合技术对白高斯噪声图像进行恢复的方法。分别用均值滤波器和自适应维纳滤波器对噪声图像进行滤波，然后用Sobel算子和形态学中的膨胀操作提取滤波图像的边沿，把所提边沿部分的均值滤波图像和自适应维纳滤波图像利用模糊融合技术进行融合，得到融合图像。理论分析和仿真实验证明本文所提算法得到的恢复图像较清晰。     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷,即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理,并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法,通过定义新的隶属函数和一种新的模糊增强算法,结合图像平滑滤波处理进行图像边缘提取,有效地增强了边缘信息且抑制了噪声的干扰,并给出了该方法在图像边缘提取中的应用实例。     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。