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。     

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.     

一种基于尺寸特性的图像边缘检测算法

在多尺度子波变换模极大值的基础上,根据图像有效边缘与噪声边缘在尺寸大小上的显著差异等特性,实现了一种按边缘尺寸按边缘尺寸小及按边缘尺寸大小自适应分块检测图像边的方法。实验表明,采用这一方法,可得到单像素宽,定位精确、抗噪声效果好的边缘图像,其效果明显优于经典的边缘检测方法。     

基于Harr小波-Contourlet变换的图像增强算法

为了解决噪声图像增强中抑制噪声和增强边缘细节的矛盾,提出一种基于Harr小波-Contourlet变换的噪声图像增强方法.Harr小波-Contourlet变换具有多分辨率、局部定位性、多方向、各向异性等特点,能够较好捕获图像的方向特征和边缘信息.根据这一特点,先在变换域中设置阈值抑制噪声;再用非线性增强算子对变换的各子带系数做增强处理.实验结果表明,该方法有效增强了图像的边缘细节和纹理特征.     

基于二进小波变换的图像边缘检测算法研究

图像边缘是图像最基本的特征,是分析理解图像的基础.图像边缘信息的改变意味着图像基本内容或结构的变化.本文研究了利用二进小波变换的方法进行图像边缘特征提取,并通过图像边缘相关算子的理论区分边缘特征点和噪声,然后将不同尺度下的图像边缘特征点,根据小波变换模值跨尺度传递特性,进行多尺度下的图像边缘融合.实验结果表明,该方法克服了传统梯度运算对噪声的放大影响,同时也克服了单尺度下噪声抑制与边缘细节提取精度之间的矛盾.     

子波变换多尺度能量相关的边缘提取

针对边缘检测中抗噪能力和精确局域化的矛盾，根据信号和噪声子波变换在多尺度间的相关性不同，提出了多尺度不同方向子波变换的能量相关的边缘提取方法。首先增强了图像的垂直和水平边缘分量，再求合成图像的模量极大值，在有效地抑制噪声的前提下，保持了边缘检测的精确局域人，     

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.     

基于多尺度小波变换的图像边缘检测

图像边缘是图像中的重要信息,为了检测图像中的边缘信息,提出了一种基于多尺度小波变换的图像边缘检测算法．该算法充分利用了图像边缘在多尺度下的信息,首先选用二次B样条小波对原始图像进行多尺度小波分解,提取出图像中的高频信息,包括真实的图像边缘和噪声,然后根据图像边缘和噪声在不同尺度下具有不同的传递性,抑制噪声分量,保留图像边缘分量．实验结果表明,该算法获得了较好的图像边缘检测效果．     

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。     

一种改进的基于Canny算子的图像边缘提取算法

对Canny边缘提取算法进行改进, 采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值, 利用一种四阈值边缘检测定位方法定位边缘, 最后引入数学形态学方法对边缘细化处理. 改进算法对噪声抑制效果明显, 能够删除伪边缘, 检出边缘更加精细, 实验结果表明了改进算法的可行性和有效性.     

基于去噪的熵算子边界检测法

图像的熵用来刻划图像的平滑性或均匀性 在图像的局部窗口中计算时 ,如果窗口中存在边界 ,则窗口中的图像不均匀 ,其灰度变化急剧 ,计算出的熵小 ;反之熵大 设定熵的阈值 ,即可判断是否存在边界 由于熵算子对噪声很敏感 ,直接用它进行边界检测 ,效果很差 文中针对这一缺陷 ,提出将熵算子与去噪相结合的边界检测法 ,如果计算出的熵大于阈值 ,要判断是噪声的出现所引起 ,还是边界的出现所引起 ,这样 ,边检测边界边去噪声 用该方法对信噪比较低的图像进行实验 ,得到了满意的效果     

一种陡峭边缘检测的改进Laplacian算子

介绍了一种改进Laplacian阶跃边缘检测算子.它类似于传统的Laplacian算子,但用x和y的最大值代替了两者之和.将两种算子作用于一组实验图像,并对检测的结果进行了比较.     

图像边缘检测算法的比较与分析

图像边缘检测是图像处理和模式识别领域研究的重要课题.介绍了几种经典边缘检测算子,对其性能和算法特点进行了分析.运用Matlab进行了算法的仿真,结果表明LOG算子比Sobel和Prewitt两个算子检测出的图像边缘更为连续,也比较细小.     

高斯-拉普拉斯边缘检测算子的扩展研究

针对经典的高斯-拉普拉斯（LOG）边缘检测算子是各向同性的,对各个角度方向的图像边缘检测的力度是相同的特性,对经典LOG边缘检测算子引入了角度信息参量进行推导,使以圆为对称的经典的LOG边缘检测算子变成为以椭圆对称,并且可以在坐标轴旋转任意角度的边缘检测算子,增强了其边缘检测的功能,使之能对不同角度方向的边缘更加有效地进行检测．经过在Matlab里对同一幅图像进行比较实验,对于图像中不同角度的边缘均能相应地进行提取．扩展后的LOG算子,不仅增强了边缘检测算法功能,而且完全保留了经典LOG算子原有的优点．     

一种应用于异质扩散的噪声腐蚀新算子

提出了一种新的基于偏微分方程的形态学腐蚀算子,该算子能够直接对梯度图像进行噪声抑制和边缘增强,在异质扩散系数的求取过程中,摈弃了传统的在低分辨率条件下计算图像梯度的方法,而是直接利用该算子对梯度图像进行噪声抑制和边缘增强．与基于高斯光滑以及传统的形态学预滤波方法相比,新的扩散系数具有更好的边缘定位能力和对噪声的鲁棒性．实验结果表明基于该算子的异质扩散滤波新方法具有更好的图像光滑和细节保持性能．     

基于Prewitt算子的计算机数字图像边缘检测改进算法

为了使提取的图像边缘的结构定位精确，并产生连续的精细边缘，同时能滤除边缘信息中的噪声干扰，提出了一种以Prewitt算子为基础，应用区域分割和骨架提取的改进算法，实现了图像边缘信息的提取，能消除图像中的噪声，产生精细的边缘。实验证日月，该算法能有效地消除噪声，准确地检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

基于小波变换的Canny算子边缘检测算法

分析了基于小波变换的图像增强算法和传统的Canny边缘检测算法，提出将两种方法有效地结合起来，应用于对比度低图像的边缘检测中。实验证明，该方法准确的检测图像中的目标边缘，且能较好地保持目标边缘的连通性。     

多阶段边缘检测算法

提出一种新颖的图像边缘检测算法,包括边缘检测和边缘增强两个阶段.在边缘检测阶段,新的检测算子不仅可以克服传统算子对边缘拐点、终点的漏检现象,还可以有效地去除噪声,从而更加精确地定位边缘.在边缘增强阶段,引入Hopfield神经网络,通过迭代计算网络优化的能量函数,逐步地弥补缺失边缘、消除假边缘,达到边缘增强的目的.最后针对不同类型图片进行边缘检测,得到较好的结果,证明了该算法的可行性.