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．     

一种基于小波和形态学的边缘检测方法

提出了一种基于多分辨率小波和二值形态学的边缘检测方法，通过对图像进行多尺度的小波分解，抛弃低频信息来重构小波系数．对重构后的图像利用形态学中的八邻域处理来提取边缘信息．实验结果表明该方法边缘定位准确，对边缘细节的检测效果明显．     

一种基于偏微分方程的形态学边缘检测新方法

提出一种基于偏微分方程(PDE)的形态学腐蚀算子．在边缘检测中，直接对原图像求取一阶差分，利用该形态学腐蚀算子增强边缘梯度、降低噪声的影响，突破了传统的先低通滤波后计算梯度的边缘检测思路．形态学运算不会带来边缘位置的偏移，因此能够对图像的边缘准确定位，同时具有抗噪性．将新方法的边缘检测性能和Canny算子、Log算子做了比较，结果表明提出的边缘定位方法更加准确，具有更好的抗噪性能．     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

基于T—S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点，文中在HSI颜色空间基于T—S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法．实验表明，柔性多结构元素比单一结构元素更优越，新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声，保留图像细节．     

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．     

基于数学形态学的强鲁棒性边缘检测方法研究

图像边缘检测是图像处理的基本手段，本文提出了一种基于数学形态学的强鲁棒性边缘检测方法。该方法不仅能够有效地检测边缘，而且能够同时消除图像噪声，实验证明，它与其他常用边缘检测方法相比具有较强的鲁棒性，且并行快速，实时性较好。     

基于阈值分割的数学形态学道路标识线检测

针对边缘检测算子对噪声敏感的缺点，提出了一种新的基于阈值分割的形态学道路标识线的检测方法．仿真结果表明，这种方法保留了更多的图像细节，具有更强的去除噪声能力，可以有效地从道路图像中检测道路标识线。     

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．     

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.     

一种基于保留边缘的SAR图像相干斑滤除方法

研究一种能保持边缘的星载ＳＡＲ图像相干斑噪声滤除方法,常规滤波算法在滤除噪声的同时也带来了图像边缘模糊问题,利用多种检测图像边缘算法的有机组合,首先提取出图像边缘,然后将边缘从图像中剔除,对剩下的无边缘噪声图像用改进Ｌｅｅ滤波法进行噪声抑制,再把边缘图像加入,最后得到了能保持边缘的ＳＡＲ图像相干斑滤除图像。用实际数据进行检验,并和常规方法得到的结果比较,验证了本算法的有效性。     

提高超声C扫描图像分辨率的插值方法研究

根据超声C扫描成像原理,分析了采样间隔对超声C扫描图像分辨率的影响.采用一种基于局部协方差特征的边缘自适应图像插值方法来提高C扫描图像的分辨率,同时将图像局部均方差作为边缘特征判据,使算法得到了简化.该方法根据低分辨率图像的局部协方差估计出高分辨率图像的插值加权系数,能够在放大图像的同时保留图像的边缘特征.试验结果表明,基于局部协方差特征的图像插值方法明显提高了C扫描图像分辨率,并且减小了边缘模糊效应,因此降低了采样间隔对图像分辨率的影响,提高了图像中缺陷分布评价结果的准确性.     

基于提升算法的不可分离小波图像边缘检测

针对传统可分离小波图像边缘检测方法的各向异性和计算复杂性,应用基于“五株排列”的提升不可分离小波的构造方法,把基于矩形栅格的数字图像分成红块和黑块,然后根据图像边缘特点,利用二维提升格式构造了“最大-提升”小波,进而提出了一种基于提升算法的不可分离小波图像边缘检测新方法,通过与传统的B样条小波边缘检测方法进行试验比较,证明了新方法在图像边缘检测方面具有更好的效果．     

基于Canny算子的白酒显微图像边缘提取

文章提出了一种改进的Canny算子和数学形态学相结合的白酒显微图像边缘检测方法。首先采用二维高斯函数的一阶偏导数同时构造x和y方向滤波器计算梯度幅值,然后通过四阈值边缘检测方法进行边缘定位,最后引入了数学形态学对边缘进行融合。实验仿真表明,该方法对酒分子结构边缘检测精度较准、抗噪性能良好,能有效的克服图像边缘模糊与断点,提高了边缘的连续性。     

基于图像处理的零件参数检测研究

介绍了一种依据图像处理技术检测机械零件参数的测量方法。以面阵CCD为图像传感器,通过图像采集卡将机械零件的二维图像输入到计算机中。在对原始输入图像进行直方图校正和边缘保持滤波处理后,对得到的较为平滑的零件图像进行边缘检测,利用最小二乘法进行边缘拟合,获得图像边缘的亚象素表示,并据此计算出零件的各参数值。此种测量方法非常适合于微小、易形变等接触测量难以准确测量的机械零件的参数检测,具有广阔的应用前景。     

一种基于熵优化的区域生长图像分割方法

提出了一种基于熵优化的结合区域生长的图像分割算法,它利用边缘检测和区域生长算法对图像进行一次预分割,然后再沿着图像中每个类的边缘试探性地调整分割,以熵的大小作为优化分割的指标逐步优化图像的分割．实验结果证明了该算法的有效性,而且比其他一些常用的灰度图像分割算法更准确．     

基于SUSAN算子的边缘增强低比特率图像压缩

提出一种新的低比特率图像压缩算法,该算法首先利用SUSAN算子检测出输入图像的边缘信息,然后利用边缘增强方法对边缘信息进行增强,最后将增强后的边缘信息和解码后的输入图像相加形成最终的压缩图像.实验结果表明,和基于小波的传统编码方法相比,在低比特率下,该算法能减少图像的边缘模糊,提高压缩图像的识别度和峰值信噪比.     

基于模糊推理的边缘检测

针对传统基于边缘邻域的一阶或二阶导数的图像边缘检测方法对模糊边缘图像不敏感的问题,提出了基于模糊推理的边缘检测算法.根据边缘点附近灰度分布的特征确定模糊规则,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测.实际图像处理结果表明,与传统算法相比较,新算法检测边缘效果明显.     

基于数学形态学的图像边缘检测方法及应用

图像的边缘检测在图像处理中占有重要的地位,本文提出了一种基于数学形态学的边缘检测算法,并把它应用于Miss图像,Blood图像,和汽车的前照灯的光形图像的边缘检测中,实验证明用本文算法进行图像边缘检测,能较好地保持图像的细节特征,同时有效的抑制噪声。     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中,齿轮图像中的边缘信息是极为有用的,它是进一步进行齿轮图像分割的基础,直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘,容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明,此方法降噪能力强,定位精度高,克服了传统方法的缺点。