基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表...     

改进的自适应形态学边缘检测方法

针对传统边缘检测算法对含噪图像检测效果的局限性,给出了一种改进的自适应形态学边缘检测算法.该算法首先利用2种不同结构和尺寸的矩阵元素对图像进行滤波,然后用不同方向的结构元素对图像进行形态学边缘检测并根据图像边缘信息设置各方向的权值,最后根据不同的权值对各个方向检测到的边缘结果进行加权求和.实验表明,改进的形态学边缘检测算子能够更好地减弱噪声,在准确定位图像边缘的前提下,保留了更多的边缘细节信息.     

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。     

复合顺序形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于复合顺序形态变换的红外图像边缘检测方法·通过图像的局部均值和方差自适应的调节增强系数进行图像增强;采用形态学边缘锐化算法改善边缘清晰度·根据复合顺序形态变换相关概念及性质构造3种广义形态学边缘检测算子,可有效抑制红外图像中的噪声,提取目标边缘·实验结果表明,这种算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器·     

结合Wiener滤波和形态学的图像边缘检测方法

提出了一种将Wiener滤波和数学形态学相结合的图像边缘检测方法.首先用自适应Wiener滤波对含噪图像去噪,然后构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,自适应确定权重,将多结构元的边缘检测信息加权求和,得到在噪声存在条件下较为理想的图像边缘.实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法.     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

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.     

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.     

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.     

具有统计特征的微小型零件边缘识别技术

针对微小型零件边缘检测问题,提出一种宏观检测和微观检测相结合的边缘识别方法. 首先根据分形理论,利用微小型零件图像的分形特征进行区域分割,检测出图像中的边缘区域;然后利用微观检测算子检测出微小型零件的边缘点;最后用最小二乘法拟合出微小型零件的边缘. 实验结果表明,这种宏观检测和微观检测相结合的方法能够排除下边缘、背景和随机边缘的影响,准确地识别出具有统计特征的微小型零件的边缘,检测精度达到像素级.     

全相位方向滤波器组设计及其应用

为提高方向滤波器组的方向选择性和运算速度,基于全相位列率滤波理论提出了一种新的方向滤波器组设计方法该方法直接从频谱特性设计纯二维方向滤波器并灵活构建方向滤波器组,避免了传统方向滤波器组对图像的旋转、采样等操作,可以更多地保留图像细节并减小运算量．采用该方法设计了2种全相位方向滤波器组,并将其用于图像去噪对经典测试图像的实验结果表明,与Contourlet变换及其改进——非下采样Contourlet变换相比,采用该方法去噪后图像的峰值信噪比最多提高2．96dB,且重建图像的主观质量也较好．     

基于小波变换的彩色图像编码方法

将小波变换系数的等级树集分割（ＳＰＩＨＴ）编码方法推广应用到彩色图像压缩中,分析了在红绿蓝（ＲＧＢ）三基色空间和亮度、色度（ＹＵＶ）空间进行编码压缩的效果。理论分析和仿真实验表明：无论从压缩比还是从解码图像质量来看,在ＹＵＶ空间的压缩效率都比在ＲＧＢ空间的高;与分形编码压缩效果相比,小波变换系数的等级树集分割编码方法优于分形编码方法。     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场(DFBR:Discrete Fractal Brown Random field)模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法.该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测.地物空间分布...     

基于分形和数学形态学的TIG焊熔池图像分析

焊接图像中不可避免地存在烟尘和弧光等干扰造成的噪声,而传统的图像处理方法对噪声非常敏感,因此很难准确地对焊接图像进行处理.文中提出了一种基于分形和数学形态学理论的综合图像处理方法.该方法利用分形理论中的离散分数布朗随机场理论得到按分形维分布的熔池灰度图像,然后利用二值形态学中的连通域检测去除噪声并得到目标图像,进而利用形态学中的开运算和闭运算得到图像的强连通边界.试验结果表明,该方法能够快速、准确地检测熔池的边缘、高度、宽度以及面积等信息.     

图像分维数特征提取的算法及分析

研究了分维数理论在图像特征提取上的应用，在分析图像分维数计算原理的基础上，提出了一种计算分维数及其辅助特征的方法，并进而研究噪声、遮挡及图像灰度对比度对分维数值的影响。实验结果表明，分维数反映了图像的纹理性质，加入图像噪声、云层遮挡或提高图像对比度都会使分维数不同程度的增大。     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

液化气扩散火焰的分形结构特征

基于图像处理方法和分型理论研究了液化气扩散火焰边缘分形结构特征。沿火焰轴向将火焰均分为5个区域,研究火焰边缘分形维数沿火焰轴向的变化,通过改变中心通道氧气速度,研究火焰长度、分形维数与过氧系数的关系。研究结果表明:随着过氧系数的增大,火焰长度逐渐缩短;火焰波动范围也减小,从喷嘴到火焰末端分形维数先减小后增大,并且变化范围不大。     

一种基于分形测度的图像纹理边缘检测方法

从图像纹理特征的描述出发，通过分析不同纹理特征局部分形测度随尺度变化的差异，提出了一种新的基于分形测度的图像纹理边缘检测方法．并且给出了该算法用于边缘检测的实例．新的边缘检测算子中包含了图像的纹理特征和灰度特征，因此，它具有好的抗噪性能和局部化性能，适合于有噪背景下目标边缘的提取     

基于分形理论的岩相图像识别与分析

基于分形理论,应用计算机数字图像处理技术,提出了一种岩相图像识别与分析的新方法。在对典型岩相图像进行图像处理的基础上,介绍了岩相轮廓的顺序跟踪识别方法,给出了岩相轮廓分形维数的具体计算公式和方法,最终得到不同岩相轮廓的分形维数。通过比较不同岩相的分形维数可知,同一种岩相轮廓具有比较接近的分形维数,而不同岩相分形维数相差较大,这说明分形理论可用于岩相图像识别与分析。