一种高效检测MRI脑肿瘤图像边缘的方法

以哈佛大学医学院开发的脑肿瘤医学图像数据库为背景,提出一种自动多阈值、中值滤波和sobel边缘检测相结合的方法(T_Sobel算法).实验表明该方法对MRI脑肿瘤图像具有很好的鲁棒性.     

一种基于多熵阈值图像分割的边缘检测新方法

该文提出的熵阈值分割图像边缘检测新方法,在噪声严重的情况下,能够提取出准确连续的物体边缘,实验结果表明这种方法能获得比Ｓｏｂｅｌ算子及Ｋａｐｕｒ多阈值分割法更为满意的边缘检测结果,这一方法在出版系统中具有一定的实用价值。     

一种启发式的自适应图像边缘检测方法

在生物学和医学研究中,经常需要对细胞的形状进行识别,这首先要对细胞的边缘进行检测,通常采用计算机图像处理技术,通过分析图像边缘检测的经典算法,本文提出一种适用性较强的启发式图像检测方法,得到了较理想的处理效果。     

焊缝图像边缘检测方法探讨

边缘特征是图象最为有用的高频信息。由于存在噪声,采用经典算子的方法,图像的边缘检测效果不太好。本文首先介绍了经典的边缘检测。然后,针对上述算法的缺陷,提出基于小波变换的边缘检测。实验结果分析表明,在边缘精度、强弱边缘提取和噪声抑制方面,该算法是有效的。     

一种优化的基于阈值分割和数学形态学的边缘检测算法

图像边缘检测是计算机图像处理的最基本步骤之一。由于噪声的干扰和图像光照不均匀等因素的影响,目前的图像边缘检则方法还不能有效地检测出各种不同模式的边界。本文介绍了已有边缘检测技术,并分析这些技术的缺陷,在此基础上提出一个改进的基于阈值分割和数学形态学的边缘检测方法。并用MATLAB仿真实验进行对比分析其适用环境。     

一种改进的基于小波变换的图像边缘检测算法

本文研究了利用小波变换对图像进行边缘特征提取的算法.传统的小波边缘检测算法检测到的边缘均有边缘定位不准确、边缘不连续等缺点.为了解决这些问题,本文对小波边缘检测算法作了一些改进.主要改进了以下两个方面:在图像边缘检测方面,检测小波系数模的相角方向上小波系数的局部模极大值点;在阈值选取方面,不再应用全局的单一阈值,而是选择动态双阈值.实验表明,本文方法在图像边缘的连续性比较好,边缘定位上比较准确,而且能很好地保留图像的细节信息.     

一种基于边缘检测的图像融合新方法

提出一种新的基于边缘检测的图像融合方法.该方法利用Canny算子进行边缘检测,将边缘检测图像的逻辑值与小波变换进行结合.在小波变换域内,对低频和高频子图像采用区域融合的方法.最后,进行小波逆变换得到融合图像.通过主观评价和包括熵、均方根误差、峰值信噪比和互信息等客观评价标准进行评价,结果表明,基于边缘检测的图像融合方法融合效果较好,对于模糊部分不同的源图像进行融合具有一定的通用性.     

图像边缘检测算法研究

边缘是图像最基本的特征,包含图像中用于识别的有用信息,边缘检测是图像分析识别前必不可少的环节,是一种重要的图像预处理技术。本文介绍了经典的边缘检测算子和近年来出现的新的边缘检测方法,并对其性能和算法特点进行了分析。     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

一种Roberts自适应边缘检测方法

针对Roberts算法对噪声比较敏感且需要人为指定阈值等问题,提出了一种Roberts自适应边缘检测方法.利用Roberts算子的基本原理,扩充了检测方向,再根据待检像素周围的3×3像素邻域的平均像素灰度值,结合人眼视觉特征自适应地生成动态阈值,这样既保留了原Roberts算子的可并行处理、快速运算、边缘较细等优点,还对噪声有一定的抑制作用.同时,针对Roberts算法边缘检测相对粗糙、边缘细化效率较低的问题,分析和改进了原有边缘细化算法,即先对含有噪声的图像进行边缘检测,过滤其伪边缘,再对图像边缘进行细化处理,从而得到单像素边缘.实验比较表明,所提算法能够自适应地生成动态阈值,提高图像边缘细节信息的提取性能.     

一种精确的图像边缘检测法

边缘检测是图像处理与识别中最基础的内容之一,一幅图像就是一个信息系统,其大量信息是由它的轮廓边缘提供的。边缘提取与检测在图像处理中占有很重要的地位,其算法的优劣直接影响着所研制系统的性能。现有诸多边缘检测的方法各有其特点,同时也都存在着各自的局限性和不足之处,因此图像的边缘检测这个领域还有待于进一步的改进和发展。提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的图像边缘精确检测算法,从理论上分析了该方法的精确性和较强抗干扰能力,给出此算法的实例并与传统的边缘检测算子Laplacian-Gauss算子、Prewitt算子和Canny算子的检测结果进行了比较。     

边缘信息指导下的半模糊聚类图像分割方法

提出了一种利用边缘信息的半模糊均值聚类的图像分割算法，它先用边缘检测和区域生长算法对图像进行一次预分割，确定聚类的初始参数，然后在这个基础上对“边缘”部分的点采用模糊聚类、非“边缘”部分使用分明聚类，避免了模糊聚类时初始参数设定的盲目性，减少了迭代时的计算量，提高了迭代收敛速度．除灰度特征外，聚类时还利用了点到类的距离特征，较好地保持了分割图像的连续性．直接观察对比多幅图像的分割实验结果可以明显地发现，该算法较常用的Cksu方法、二维熵阈值分割方法以及FCM方法的分割结果更准确．就Lena图像而言，该算法的收敛速度也比一般的FCM快了将近一倍．     

工业物料识别的一种快速模糊边缘检测算法

边缘检测技术是图像处理技术中的一个重要环节,在图像分析和识别等应用领域中有着广泛的应用前景。针对图像边缘由模糊性引起的不确定性问题,笔者在PalKing模糊边缘检测算法的基础上,提出了一种快速模糊边缘检测算法,针对不同的工业物料,确定Tr变换中最佳的隶属度阈值,减少了迭代次数,简化了Pal.King算法中G和G-1运算,实验表明,该算法具有很强的检测模糊边缘和细小边缘的能力,对提高工业物料的识别精度和系统的实时性起到了很好的作用。     

小波变换在图像边缘检测中的应用研究

根据Morlet多尺度边缘检测的思想,对一幅图像f(x,y),对其进行小波变换,然后分别向3个方向上的小波基进行投影.此种方法对于检测具有方向性的图像有比较好的效果.实验表明,该方法得到满意的结果.     

基于自适应阈值的三维图像多尺度边缘检测

目的研究三维图像边缘检测中边缘的定位精度问题,根据多尺度小波变换的方法,提出一种自适应阈值三维图像多尺度边缘检测技术。方法首先对三维医学图像分解成多幅二维图像,再对图像直方图滤波平滑处理,消除噪声的影响,然后对平滑后的直方图进行多尺度分析,找出直方图的谷点,以不同尺度下的谷点比较后自动确定精确阈值,按照阈值对图像分割,然后对分割图像进行边缘检测,最后将多幅二维图像合成三维图像。结果实验表明,该方法能够自动准确选择分割阈值,准确检测三维图像的边缘。结论算法能解决人工估算阈值不够准确的问题,所检测到的三维图像的边缘能够满足目标识别和三维重建的要求。     

光学小波变换在图像边缘特征提取中的应用

小波变换是一种有效检测图像边缘的方法,但由于变换中维数倍增,造成计算量十分大。介绍用传统的4f光学处理系统实现小波变换。它在光学图像的边缘特征提取中能够很好地得到应用。最后给出计算机仿真结果。     

小波变换在医学图像边缘检测中的应用

边缘检测是医学图像处理中的一项基本内容.正确提取医学图像的边缘特征,无论对于描述目标还是解释图像都是十分关键的.由于小波变换具有良好的局部特性和多分辨率的特点,将基于小波变换的边缘检测方法应用于医学图像的边缘提取.实验结果表明,该方法不仅能有效地检测图像边缘,并且对噪声有良好的鲁棒性.