基于多结构元素的形态学边缘检测算法

本文提出了一种基于多结构元素的形态学边缘检测算法,该算法利用形态学的基本运算膨胀、腐蚀、开、闭及它们的组合,并通过构造4个不同方向的结构元素,得到图像4个方向的边缘检测结果,并将这些结果加权平均,得到最终的图像边缘。结果表明,该算法的性能优于经典的LoG算子和Canny算子,检测出的边缘平滑性好,特征清晰,而且具有一定的抗噪性。     

基于多结构元素的数学形态学边缘检测算法

针对传统边缘检测算子对噪声敏感的不足,提出了一种基于多结构元素的数学形态学边缘检测算法。该算法在传统形态学边缘检测算子的基础上,通过综合形态膨胀和形态腐蚀,得到一种新的抗噪型边缘检测算子,利用多结构元素提取图像的边缘特征,即使在噪声条件下,也能获得较为理想的图像边缘。实验结果表明,与传统的边缘捡测算子相比,该方法边缘检测精度高,且具有良好的噪声鲁棒性。     

基于Soft多结构元素形态学的TM图像边缘检测

基于传统的数学形态学边缘检测算法,改进结构元素,提出Soft多结构元素算子。针对TM图像中存在噪声多和边缘形态多样性的特点,构建多结构元素,并结合Soft形态学方法,对TM图像进行形态学的腐蚀和膨胀,实现遥感图像的边缘检测。     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

基于数学形态学滤波的灰度图像边缘检测

针对灰度图像边缘检测,提出组合二值形态滤波结合边缘检测算子的新算法。该算法通过阈值分解把灰度图像形态学滤波问题转换为对二值图像形态学滤波,具有简便且适合逻辑电路实现等优点。仿真结果表明,选取适当的结构元素,该算法能够有效消除椒盐噪声、保留图像边缘。     

基于多尺度多结构元素的数学形态学边缘检测

针对传统方法在边缘检测中遇到的问题,分析了结构元素的选取,提出了一种基于多尺度多结构元素的数学形态学图像边缘检测算法,并将其应用于含有噪声的数字图像.结果表明,算法在滤除噪声的同时,能够取得较好的边缘检测效果.     

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。     

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。     

基于多尺度轮廓结构元素的数学形态学边缘检测

针对边缘检测算子对噪声敏感的缺点,提出了基于多尺度轮廓结构元素的数学形态学边缘检测算子.该算子采用多尺度轮廓结构元素的开运算和闭运算去除噪声,用小尺度轮廓结构元素提取图像的边缘,降低了结构元素对边缘检测的影响,实现了边缘的准确定位.仿真实验表明,该边缘检测算子定位准确,保留了更多的图像细节,具有更强的去除噪声能力.     

基于数学形态学的CT图像边缘检测方法

针对人体颅脑CT图像的特点，运用数学形态学的理论和方法，探讨了复合型边缘检测算子及不同尺度对称形式结构元素对边缘检测的影响，并使用IDL（Interactive Data Language）完成人体颅脑CT图像边缘检测实验，取得较好效果。     

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。     

多方位形态学结构元素在图像边缘检测中的应用

应用基本形态运算,定义了多方位形态学结构元素,通过形态运算加权平均组合,构造了多方位形态学边缘检测方法,使得局部方差最大．通过计算机仿真实验,对原始图像分别用本文方法、Ｓｏｂｅｌ 算子、Ｌａｐｌａｃｅ算子进行边缘检测,实验结果验证了本文方法能很好地检测出边缘．     

一种基于多结构元素彩色图像的形态滤波器

根据人眼对 RGB三种基色的视敏度不同的特点 ,本文提出了一种分别针对三种基色采用不同大小结构元素的彩色形态滤波器来处理彩色图像的方法 ,并对这种滤波器和采用相同大小结构元素滤波器的滤波作了比较 ,结果反映这种滤波器有着较好的滤波效果     

基于量子算法的图像边缘检测研究

为了提高图像边缘检测的质量,采用量子算法.首先在二维Hilbert空间建立量子基态,在量子旋转门的复空间的旋转中,调整的旋转角步长使得概率幅始终向着最优解出现的方向旋转;接着实现图像从灰度空间到图像量子空间的映射;最后在图像像素的叠加态关联中通过线性加权厄米算法投影的平均值对图像边缘检测,同时确定检测范围.仿真实验显示,此算法检测图像边缘清晰,检测的信息量丰富.     

基于交叉熵极小化的图像边缘检测算法

提出了一种自然图像边缘检测的算法,通过差分运算把边缘检测问题转化为目标检测问题,利用交叉熵极小化方法使背景区域和目标区域内的灰度级分布与差分图像灰度级的先验概率(广义高斯分布)相匹配,确定了背景与目标之间灰度分界阈值,检测出图像的边缘成分。实验表明,提出的方法具有良好的边缘检测性能。     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

一种基于自适用结构元素的表格框线去除形态学算法

作者针对传统的基于形态学表格框线检测算法的缺陷:结构元素的选取与处理速度问题,提出了一种基于自适用结构元素的表格框线快速去除形态学算法.该算法首先对表格应用简单统计法进行二值化处理;然后选取自适用结构元素的形态学中击中/击不中运算快速准确地提取表格框线,从而提取栏目内字符信息;最后给出了成绩表格处理实例.