运动模糊图象的边缘检测

本文提出一种在运动模糊图象中检测边缘的方法。因为仅仅考虑图象的边缘信息,不涉及图象的大面积灰度,所以检测过程不需要先验知识及待调整参数。经过一次微分及一次边缘检测处理,模糊图象化为移动前边缘图象与移动后边缘图象的迭加,再经过移位和门限处理,即可检测出未经模糊的边缘图象。计算机模拟实验示出,这种方法是可行的。     

用模糊概率检测图象边缘的方法

提出一种用模糊概率检测图象边缘的方法；详细讨论了边缘隶属函数的建立及用模糊概率检测图象边缘的具体方法和步骤。最后给出用该方法检测图象边缘的实例，结果令人满意。     

检测噪声图象边缘的CPR法

本文提出一种噪声图象中检测边缘的新方法.该方法从图象的灰度概率域入手,将概率谱分为两个等面积的集群.通过判定集群间距离检测图象的边缘.理论分析与实验结果表明这种方法具有较强的对噪声图象的边缘提取能力.     

多结构元素多尺度的数学形态学图像边缘检测算法

边缘检测是图象处理与模式识别的一个重要图象预处理过程。传统的边缘提取方法如Sobel,Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此我们提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图象以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图象边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图象的边缘。     

边缘检测的分层松弛方法

本文基于图象的分层表示,提出了一种边缘检测的分层松弛方法。实验结果表明,本文方法计算简单,运算速度快,而且不受噪声影响,能有效地应用于细胞图象的边缘检测。     

提取深度图象尖顶边缘的一种新方法

提出了一种以基本数学形态学运算为基础的在深度图象中提取尖顶边缘的方法．首先用形态梯度算子处理深度图象，使尖顶边缘包含在图象的凹谷中．然后用形态凹谷检测算子将凹谷检测出来，并在尖顶边缘处形成凸峰．计算凸峰的局部极点，从而得到对应的尖顶边缘点的位置．用实际的深度图象进行了实验，结果证明这种方法快速有效，并且具有良好的抗噪声性能。     

基于聚类原理自动确定小波边缘检测阈值

用小波进行图象边缘检测，在具体实现还需人工介入一阈值以消除噪声，应用时很不方便，基于小波边缘检测的特点，再利用模式识别中有关聚类的一整套方法，就可针对不同的图象自动确定阈值，从而消除噪声，以获得较好的边缘检测效果。     

利用拉普拉斯-高斯模板进行边缘检测

边缘检测在视觉系统中是十分重要的，本文采用了一种新的检测方法，即利用图象与拉普拉斯－高斯（ＬＯＧ）算子卷积的过零现象来检测图象的边缘点。     

运动图象的三维子波变换压缩编码

本文提出一种基于边缘检测的三维子波变换运动图象压缩编码方法。该方法首先对图象序列进行三维子彼变换；然后对变换后的分解图采用在同一子波变换层中通过检测低频区来检测高频区的边缘，以及检测低频帧来检测高频帧的边缘运动矢量；最后只对检测到的有效边缘或边缘运动矢量进行编码，省略位图编码。实验结果表明，这种方法在不增加运算复杂程度的情况下，获得得了好的主观质量和高的压缩比。     

一种基于形态学多结构元素的医学图像边缘检测方法

针对传统检测方法模糊图象边缘及定位精度不高的问题提出一种基于形态学多结构元素的医学图像边缘检测方法。该方法利用多个结构元素和复合算子检测图像边缘,仿真实验结果表明,该方法能够提取清晰的图像边缘,定位精度高,优于传统边缘检测方法。     

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。     

基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法.这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测.实验表明,该检测方法抗噪声更强,定位更准确.     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

基于区域增长及边缘检测的一种图象分割方法

提出一种图象分割算法．这种算法综合了三种算法，即区域增长、边缘检测及保持边界平滑方法．它可以明显地克服区域增长及边缘检测各自的缺点．在这种方法中还引进了边界平滑算法使得分割所产生的边界更可靠．可直接应用到三图象分割、医学图象分割的实验中，证明了这种方法的有效性     

小波变换在图像边缘检测中的应用

目的 研究一种新的提取图像边缘特征的方法。方法 依据图象的多分辨率小波分解及其所表现出的多尺度特性、局部化分析特性及方向选择性等特点,通过二进尺度下小波变换局部极大值的检测提取图象边缘特征,结果 利用此方法在计算机上对２５６×２５６×８ｂｉｔｓ／像素的Ｌｅｎａ图像做了边缘提取,得到不同尺度下的连续、光滑、单像素宽的边缘链图象,结论 边缘提取准确,表明这种特征提取方法是有效、可行的。     

二次滤波法提取图象边缘信息方法及其应用

提出噪声图象边缘信息提取的一种实用方法,该方法以锐化处理结果为基础,二次滤波完成图象预处理,研究表明,单纯对噪声图象进行锐化处理,只可增加视觉感观效果,不会使边缘提取效果增强,必须对锐化结果再次进行滤波处理后,才可获得满意的边缘信息。     

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。     

一种实用的多尺度边缘检测算子

本文提出了一种实现自适应边缘聚焦的新方法;通过直接对扩散方程进行数值求解,避免了高斯卷积操作,从而极大地提高了检测速度。新算法的另一个优点是,聚焦操作可以一直进行到无平滑边缘图象,实现了精确的边缘检测。     

小波变换在医学图象边缘检测中的应用

讨论小波变换在图象边缘检测、分类与描述中的作用．根据医学图象的特点,采用二进小波变换,成功地进行了边缘的检测与分类．实验表明,该法具有计算复杂度低,速度快等优点．     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。