基于小波和形态学的图像边缘检测

在用小波分解加强图像边缘的基础上,利用修正的形态学边缘检测算子,以减轻图像边缘检测的模糊性;通过形态结构元素尺度的调整,得到多尺度下图像边缘的特征,并综合各尺度下的边缘特征,得到较为理想的图像边缘,实验验证了该算法的可行性和有效性。     

柔性形态边缘检测算法在菌类显微图像中的应用

在灰度图像的柔性形态学概念及特性的基础上,根据菌类显微图像的边缘特点,提出了均衡化的柔性形态边缘检测方法.以霉菌图像为例,通过实验结果和传统的canny算子、LOG算子边缘提取结果进行对比,证明了算法的有效性,为菌类识别打下了良好的基础.     

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.     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法.首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘.通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法.     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.     

基于全方位和多尺度形态学的图像边缘检测

针对图像中噪声和边缘形态的不同,定义了全方位、多尺度的形态学结构元素.通过形态运算的加权组合,构造了全方位、多尺度形态学的边缘检测方法.仿真实验表明,该方法与经典的边缘检测算子相比,不仅具有很好的边缘提取能力,而且具有很强的抗噪性能.     

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。     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法。首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法。     

基于改进数学形态学的含噪图像边缘检测

针对传统的边缘检测算法对含噪图像的检测效果不理想,提出一种改进的数学形态学边缘检测算法。该算法首先采用多尺度双结构元素形态学进行滤波去噪,再利用改进的多尺度多结构元素形态学边缘检测算子进行图像边缘提取。实验表明,该算法具有很强的噪声抑制能力,对含噪图像的边缘检测效果良好,提取的边缘清晰且平滑,边缘定位精度高。     

改进的全方位多尺度牙X线图像边缘检测

在改进的抗噪型边缘检测算子的基础上，结合形态学知识，综合全方位、多尺度的形态学结构元素，通过形态学运算的加权组合，提出一种改进的全方位多尺度牙X线图像边缘检测方法．实验表明，通过改变结构元素和形态尺度的大小，在不同尺度下选取不同的权值，与经典的边缘检测算子相比，该方法在抑制噪声影响的同时，能较好地识别出牙X线图像边缘轮廓．     

相位信息和数学形态学的彩色图像边缘检测

针对传统边缘检测算法最初只基于灰度图像,对彩色图像提取的边缘定位不准确、边缘有断点等问题,将在HSV彩色空间中对彩色图像进行了多通道边缘检测.考虑到传统边缘检测算子对图像的噪声和明暗程度比较敏感,采用相位一致和数学形态学相结合的方法对单通道图像进行边缘检测.仿真实验显示,该方法可以有效地提取彩色图像的边缘.     

一种基于小波变换和数学形态学的边缘检测算法

结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.     

扩展数学形态学边缘提取在CT图像的应用

计算机断层扫描（CT）是在医学疾病判断中用得最为广泛的诊疗手段之一.CT图像边缘提取的质量对医生在临床诊断中的正确率产生重要的影响.而传统的图像边缘检测算子受噪声等因素干扰较大,所以并不适合对CT图像进行边缘提取.本文提出一种扩展数学形态学运算方法,实验结果表明该方法不仅能有效地检测图像边缘,并且具备相对较强的抗噪声性能和很强的抗边缘间相互影响能力,从而为医生对病患做出正确的诊断提供了可靠的依据.     

一种基于数学形态学的遥感图像边缘检测算法

为有效提取边缘密度大的遥感图像中的边缘信息，提出了一种利用灰度形态变换原理进行检测的有效算法，首先利用开-闭形态滤波器降低输入图像的噪声，然后将二值图像的边缘提取算法推广到灰度图像中加以应用。实验结果证明，此方法优于灰度形态梯度法。同时也优于Canny算子。     

基于数学形态学的去方块效应法

为了减少多分辨奇异值分解(MSVD)图像融合后的图像出现明显可见的方块效应,提出一种基于数学形态学的边缘检测去方块效应的方法.首先通过形态学梯度算子求出两幅原图像的边缘,将边缘融合后的图像作为有方块效应图像的边缘,然后根据形态学梯度逆变换得到结果图像.最后,采用客观性能指标对结果图像进行评价.实验结果表明本文中的方法不仅简单易行,而且图像可以达到较均匀的成像效果;方块效应去除后,图像表现出良好的视觉效果,清晰度和空间频率都有很大提高,且具有较好的保持边缘的性能.     

基于小波变换和数学形态学的航空图像边缘检测

为有效提取噪声较大的航空图像的边缘信息,对基于小波变换和数学形态学相结合的图像边缘检测算法进行了改进,将小波分解后的高频和低频子图分别进行边缘处理。对分解后的低频系数图像采用小波边缘检测方法,而对包含细节较多的高频系数图像则选取合适的结构元素,提出一种新的梯度算子,采用基于小尺度的数学形态学方法进行边缘检测,最后对2种边缘图像采用小波重构方法得到新的边缘图像。     

一种有效的图像二值化方法

边界特征是图像的重要信息,阈值是区分图像像素点的主要依据。研究了图像的二值化方法,阐述了一种基于数学形态学的自适应二值化方法。实验表明,该方法能够较好地保留原图的边界特征信息,二值化效果好。     

粒子群优化算法在柔性边缘检测方法选取中的应用

边缘检测是图像处理中很重要的组成部分,其效果好坏直接影响到后面的图像分析。柔性形态变换用于图像边缘检测的方法有多种,粒子群优化(PSO)算法是一种有效的全局优化方法,广泛应用于函数优化,神经网络训练以及模糊系统控制等领域。该文将粒子群算法引入柔性形态学用来选取最佳图像边缘检测方法。实验结果证明,该文所提方法行之有效,值得推广。