基于多尺度形态学的边缘检测算法的改进

一幅图像的大量信息都是由图像边缘提供的,在图像处理中,对于复杂图像很难通过单一的结构元素用数学形态学的膨胀、腐蚀、开、闭等变换以及它们的组合得到较满意的检测图像;利用多元素,对形态结构大小尺度进行调整,从而在噪声存在的条件下得到较理想的图像边缘;实验结果表明,与传统的边缘检测算子比较,方法计算量小,抗噪性好,可以适应不同类型的图像边缘检测需求。     

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。     

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.     

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.     

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...     

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。     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子。该算子是以二值形态学为理论基础的,因此在处理灰度图时,文中选用了迭代阈值的方法对图像二值化,根据形态学基本算子的性质,将原有的形态学梯度算子进行改进,最后通过VC＋＋6.0编程实现。实验结果表明将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,具有很好的去噪能力。     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子.该算子是以二值形态学为理论基础的,因此在处理灰度图时,文中选用了迭代阈值的方法对图像二值化,根据形态学基本算子的性质,将原有的形态学梯度算子进行改进,最后通过VC++6.0编程实现.实验结果表明将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,具有很好的去噪能力.     

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。     

基于数学形态学的图像边缘检测算法

传统的边缘提取算法非常有效但对噪声非常敏感,大多形态学边缘检测算法采用单一结构元素,很难对复杂边界进行有效的处理.文中提出一种基于多结构元素多尺度的数学形态学图像边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后将各方向边缘融合得到图像边缘.实验结果表明,文中提出的算法不仅具有很强的抗噪性,而且能有效地提取图像的边缘.     

一种分形和形态学结合的图像边缘检测算法

分形将灰度图像空间映射到分形维数空间进行边缘检测,形态学利用具有特向性的检测算子进行边缘检测.本文将分形中DFBR模型和改进的形态学方法相结合得到一种新的边缘检测算法.实验结果表明:结合算法具有分形算法的保留图像边缘细节能力和形态学对特殊方向边缘的检测能力,在对含有大量细节图像的边缘提取上优于单一的边缘检测方法,并具有良好的抗噪性能.     

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.     

基于Marr-Hildreth算子多尺度图像边缘检测

针对监控图像的不同边缘特征,图像噪声大小和对边缘检测不同的要求,利用Marr-Hildreth拉普拉斯边缘检测算子多尺度特征,使用不同尺度的Δ2G算子,对监控图像进行边缘检测.     

基于数学形态学的焊缝图像边缘提取

焊缝图像的边缘提取是实现焊缝视觉跟踪的一个重要环节.用抗噪膨胀腐蚀型形态学算子对单边V型坡口横焊焊缝二值图像进行了边缘提取,并与传统的Roberts算子、Sobel算子、Canny算子、LOG算予以及典型的形态学腐蚀算子、膨胀算子和膨胀腐蚀算子的边缘提取效果进行了对比.结果表明,抗噪膨胀腐蚀型算子具有非常强的抗噪性,可以有效地提取出焊缝图像边缘,更利于后续的焊缝特征点提取.     

多尺度结构元素的数学形态学边缘检测新方法

针对不同尺度的形态学结构元素具有不同的图像边缘检测效果,提出了采用不同尺度的结构元素来检测图像边缘的方法.该方法通过小尺度结构元素的膨胀来获取大尺度结构元素,然后进行加权合成来获得边缘图像.仿真实验表明,对于具有单色背景的混有不同噪声的灰度图像,随着膨胀次数的增加,检测得到的合成图像的边缘更清晰完整,细节更丰富;将该方法应用于具有期望PSNR值的噪声图像,和其他的传统边缘检测方法相比,其检测到的轮廓更加清晰,对噪声不太敏感,能够很好地提取边缘.     

基于数学形态学的图像边缘检测改进研究

在对传统的图像边缘检测算法,尤其是基于数学形态学的边缘检测算法分析的基础上,根据其存在的缺陷,提出了改进方法.改进方法包括使用改进的全方位形态滤波器进行滤波,使用改进的形态学边缘检测算子,使用改进的阈值进行二值化处理等.仿真实验结果表明,改进的算法更加有效地去除了图像噪声,提取的图像边缘更加准确,检测精度更高,轮廓更加清晰,连续性更好.     

基于数学形态学与Hough变换的道路边缘提取

道路边缘的提取是运动检测中最关键的一步。针对目前运动检测过程中更新数据量大、实时性不高的问题,提出了一种新型、快速的道路边缘提取方法。该方法首先利用数学形态学对原图像进行增强,然后通过Canny算子对增强图像进行边缘检测,最后采用Hough变换检测出二值图像中的道路边缘。实验证明,该方法准确性较高,可以减少后期运动检测的运算范围,提高运动检测速率。     

基于边缘检测和数学形态学的车牌定位

针对车牌边框和铆钉对车牌定位准确率的影响,提出了一种水平垂直结构元素的方法.该方法利用边缘检测和数学形态学中的开运算、图像膨胀、腐蚀以及区域填充等对车牌图像进行了处理,有效地消弱了车牌边框和铆钉的不利影响.试验结果表明:该方法是有效的、可行的,便于下一步的字符分割.