一种用于提取医学图象边缘有新方法

本文运用图论中启发式搜索法，能够克服人体器官边缘轮廓中某些区域出现灰度模糊，智能地提取精确的边界。本文所述方法能推广到光照不均匀和边缘有重叠物图象中提取边界。     

建立于边缘信息的运动图象信源模型

本文在图象边缘信息的基础上，建立了一种新的运动图象信源模型，与经典方法相比，该信源模型不同于离散随机场，建立该信源模型的方法比较简单可靠，也不需要任何图象的先验知识，它参成功地用于运动图象编码，编码方法也突破了传统的波形编码范畴，从广义上说，它属于模型基编码方法。     

CT图象三维重建过程中一种改进的边缘提取法

采用将最佳阈值搜寻范围限定在一定的灰度阈值范围内来保证类间方差的单峰，再利用类间方差测度准则，求取图象的灰度阈值，梯度阈值，利用这两个阈值将ＣＴ图象中各器官的边缘提取出来，作为三维重建的轮廓输入。结果表明，这种方法有较好的实时性和适应性。     

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。     

二次滤波法提取图象边缘信息方法及其应用

提出噪声图象边缘信息提取的一种实用方法,该方法以锐化处理结果为基础,二次滤波完成图象预处理,研究表明,单纯对噪声图象进行锐化处理,只可增加视觉感观效果,不会使边缘提取效果增强,必须对锐化结果再次进行滤波处理后,才可获得满意的边缘信息。     

一种非线性的图象边缘检测方法

<正> 0 引言图象的边缘检测是计算机视觉领域里最重要和最基本的研究任务之一。近几十年来对边缘检测的研究一直方兴未艾,Marr 提出的 Gauss-Laplace 法在边缘检测方法上占有十分重要的地位,随后 Haralick、Chen 等人相继又进行了进一步的研究和发展。在总结前人思想的基础上,本文提出一种基于梯度方向上二阶差分的非线性微分算     

由投影直接获取重建图象边缘的小波分析方法

本文对由投影直接获取重建图象边缘的现有方法进行了分析、总结和归纳，在此基础上提出了新的处理该问题的小波分析方法，并指出该方法较已有方法更为优越，最后举了实例证明此法可行。     

图象数据压缩的一种向量量化方法

讨论了一些标准图象通过二维小波变换结果的统计特性，在此基础上，提出一种码本组织法，这种新的向量量化技术用于图象数据压缩时，能显著地减少向量匹配的搜索算法的计算量。     

基于基因编码算法的图像边缘提取研究

为了提高图像边缘检测的质量,采用基因编码算法.首先确定基因头部和尾部的组成,给出了基因表达式树形式,对图像像素进行基因编码,接着图像背景与图像目标之间的灰度差异作为基因表达式树不同的分支,与分支具有同样灰度的像素合并为一类,最后给出了基因编码适应度函数,其选择基于标准误差方法.实验仿真表明,算法提取的灰度图像边缘没有断点,没有伪边缘信息,数据分析较好.     

基于ANFIS的图像边缘检测算法

提出了一个包含4个自适应神经模糊推理系统(ANFIS)和一个后处理块的网络,该网络可用于灰度图像边缘检测。网络中每个ANFIS都是一个四输入单输出的一阶Sugeno模糊推理系统。所提出的边缘检测算法分两步进行,首先对该网络进行优化训练,确定其参数,然后用优化后的网络对被脉冲噪声污染的测试图像进行边缘检测。所提出的新算法的特色之处在于,即使测试图像被噪声污染,新算法也能有效地提取图像中的边缘信息而无需进行图像滤波预处理过程。仿真结果表明,新算法提取边缘信息的能力明显优于传统的边缘检测算法。     

一种新的边缘保持自适应平滑算法

在图像去噪时,存在着一个如何兼顾降低噪声和保留细节的难题,为此本文提出边缘保持自适应平滑算法——灰度最小方差区域的均值去噪.该算法提高了图像平滑过程中边缘检测的方向性,在9个方向上对边缘细节进行检测类聚,具有较强的方向性和自适应性.利用该算法进行仿真试验,结果表明,与已有的去噪算法相比较,该算法较好地解决了边缘信息保持和去噪的矛盾,去噪效果也明显增强.     

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.     

基于均值漂移的SAR图像分割方法研究

本文主要讨论了均值漂移算法在图像分割中的应用,指出均值漂移算法是一个稳定的图像分割算法,该算法具有很强的适应性.对于遭受噪声污染的图像,它的分割效果会受到很大的影响.因此针对噪声特性,提出了用滤波器来改善基于均值漂移的SAR图像分割的方法.该方法的关键是设计合适的滤波器.基于该方法进行了图像分割实验表明,该方法可以改进图像分割效果.     

基于中值与均值滤波的边缘检测优化算法

图像在采集过程中容易受到视角、尺度、亮度、污渍、模糊等不确定因素的影响,造成较大失真.为减少失真,提高边缘提取的精度,在多噪声环境下,提出了中值与均值滤波相结合的边缘检测优化算法,实验仿真结果表明,该算法能有效抑制噪声,能提高图像边缘提取的精度.     

一种热图像的多模板边缘检测方法

该文提出一种基于多分辩分析思想的多模板边缘提取方法。它根据热图像边缘灰度的阶跃与噪声在不同分辨率层次上表现出来的相关性质，合理地确定检测规则并推断边缘。该方法适用于复杂噪声环境和宽分割阈值下的边缘定位。     

一种改进的快速模糊边缘检测算法

在介绍Ral模糊边缘检测算法的基础上，提出了一种改进的模糊边缘检测算法，并提出了改进的模糊增强Tr变换。采用该快速算法，简化了Ral算法中复杂的G和G^-1运算，并减少了迭代次数。实验证明，采用该改进算法，不但提高了边缘检测的效率，而且检测效果优于Pal算法，并具有较好检测模糊边缘和抑制噪声干扰的能力。     

一种适于遥感图像的图像压缩算法

提出一种适于遥感图像的压缩算法,将小波分解后的系数按照零树的方法排列为树状集合,再将树状集合排列为集合树块,为提高数据压缩效率,将集合树块划分成若干比特平面,利用分辨率之间的相似性和相邻系数之间的相关性进行比特平面编码;树块之间独立进行编码,以提高系统抗误码能力．对算法进行了系统仿真,结果表明,本算法压缩效率优于SPIHT压缩算法,且编码算法更简单,系统硬件易实现．     

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.     

一种基于统计特性的邻域均值滤波算法

在对传统均值滤波研究的基础上，提出了一种改进的数字图像均值滤波算法。该算法经实验证明在滤除数字图像高斯噪声币口随机散点噪声时较传统方法有更好的效果，得到的图像边缘清晰。同时，还尝试将这种改进算法币口传统算法相结合以求在增强图像边缘保护效果的同时使图像同态区域得到更好的平滑。