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.     

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.     

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...     

结合Wiener滤波和形态学的图像边缘检测方法

提出了一种将Wiener滤波和数学形态学相结合的图像边缘检测方法.首先用自适应Wiener滤波对含噪图像去噪,然后构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,自适应确定权重,将多结构元的边缘检测信息加权求和,得到在噪声存在条件下较为理想的图像边缘.实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法.     

改进的形态学航空图像边缘检测算法

为有效提取噪声较大的航空图像的边缘信息,对基于数学形态学的图像边缘检测算法进行改进:一是利用1种自适应加权复合数学形态学滤波器对图像进行滤波,二是结合图像特点和结构元素的自然属性,自适应确定权重,构造出1种具有较强抗噪能力的数学形态学梯度边缘检测算法。实验结果表明,该算法边缘定位准确,能检测出相对完整的边缘图像,且对噪声有较好地抑制作用。     

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.     

利用脉冲耦合神经网络实现数学形态学的基本运算及其应用

脉冲耦合神经网络（PCNN）是最近几十年来研究的热点,尤其是其在图像处理的各个领域的应用。本文以实例说明了PCNN进行图像处理时用到的脉冲并行传播特性可以实现数学形态学的基本运算这一命题,在前人得出的结论的基础上进行实验验证和推广,并将其应用于图像边缘检测,进一步加强了PCNN与数学形态学的联系。     

基于Soft多结构元素形态学的TM图像边缘检测

基于传统的数学形态学边缘检测算法,改进结构元素,提出Soft多结构元素算子。针对TM图像中存在噪声多和边缘形态多样性的特点,构建多结构元素,并结合Soft形态学方法,对TM图像进行形态学的腐蚀和膨胀,实现遥感图像的边缘检测。     

基于融合技术的小波变换和数学形态学的边缘检测算法

针对传统的基于小波变换的边缘检测法无法提取低频区域完整连续的边缘,并且会丢弃包含一些重要细节的高频区域,同时受到噪声的影响而导致边缘提取效果不佳的问题,提出了一种基于融合技术的小波变换和数学形态学的边缘检测算法.在小波域中,对低频子图像采用数学形态学进行边缘检测,对高频子图像先进行小波降噪再采用小波模极大值法进行加权边缘检测,最后采用一定的融合规则对高、低频边缘子图像进行融合.实验结果表明,该方法用于图像边缘提取,不但能有效去除噪声干扰,又能突出边缘细节,边缘定位连续准确.     

基于小波变换和数学形态学的航空图像边缘检测

为有效提取噪声较大的航空图像的边缘信息,对基于小波变换和数学形态学相结合的图像边缘检测算法进行了改进,将小波分解后的高频和低频子图分别进行边缘处理。对分解后的低频系数图像采用小波边缘检测方法,而对包含细节较多的高频系数图像则选取合适的结构元素,提出一种新的梯度算子,采用基于小尺度的数学形态学方法进行边缘检测,最后对2种边缘图像采用小波重构方法得到新的边缘图像。