基于正交T-Snake模型的冠状动脉边缘检测

冠状动脉主干血管边缘的检测可以方便血管相应参数的测量并辅助诊断。该文采用正交网格划分下的T-Snake模型计算边缘曲线。在应用灰度数学形态学方法滤除图像中的大尺度组织噪声与血管内伪边缘后,边缘检测算法根据局部的能量函数值在网格节点上构造并调整边缘曲线,使曲线逼近目标边缘。计算能量函数值时,去掉传统能量函数内部能量中的弹性能量项,并增加面积能量项作为膨胀能量的一部分。临床图像应用结果表明,对于磁共振和X-rayCT造影图像该方法均可实现冠状动脉主干血管边缘的有效检测。     

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。     

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。     

数学形态学在图像边缘检测中的应用研究

介绍了数学形态学的基本运算及其特点．重点研究了基于数学形态学边缘检测的基本思想和方法，并给出相应的边缘检测结果。     

基于数学形态学的图像边缘检测方法及应用

图像的边缘检测在图像处理中占有重要的地位,本文提出了一种基于数学形态学的边缘检测算法,并把它应用于Miss图像,Blood图像,和汽车的前照灯的光形图像的边缘检测中,实验证明用本文算法进行图像边缘检测,能较好地保持图像的细节特征,同时有效的抑制噪声。     

基于数学形态学的CT图像边缘检测方法

针对人体颅脑CT图像的特点，运用数学形态学的理论和方法，探讨了复合型边缘检测算子及不同尺度对称形式结构元素对边缘检测的影响，并使用IDL（Interactive Data Language）完成人体颅脑CT图像边缘检测实验，取得较好效果。     

一种基于偏微分方程的形态学边缘检测新方法

提出一种基于偏微分方程(PDE)的形态学腐蚀算子．在边缘检测中,直接对原图像求取一阶差分,利用该形态学腐蚀算子增强边缘梯度、降低噪声的影响,突破了传统的先低通滤波后计算梯度的边缘检测思路．形态学运算不会带来边缘位置的偏移,因此能够对图像的边缘准确定位,同时具有抗噪性．将新方法的边缘检测性能和Canny算子、Log算子做了比较,结果表明提出的边缘定位方法更加准确,具有更好的抗噪性能．     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

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。     

基于全方位和多尺度形态学的图像边缘检测

针对图像中噪声和边缘形态的不同,定义了全方位、多尺度的形态学结构元素.通过形态运算的加权组合,构造了全方位、多尺度形态学的边缘检测方法.仿真实验表明,该方法与经典的边缘检测算子相比,不仅具有很好的边缘提取能力,而且具有很强的抗噪性能.     

基于数学形态学滤波的灰度图像边缘检测

针对灰度图像边缘检测,提出组合二值形态滤波结合边缘检测算子的新算法。该算法通过阈值分解把灰度图像形态学滤波问题转换为对二值图像形态学滤波,具有简便且适合逻辑电路实现等优点。仿真结果表明,选取适当的结构元素,该算法能够有效消除椒盐噪声、保留图像边缘。     

相位信息和数学形态学的彩色图像边缘检测

针对传统边缘检测算法最初只基于灰度图像,对彩色图像提取的边缘定位不准确、边缘有断点等问题,将在HSV彩色空间中对彩色图像进行了多通道边缘检测.考虑到传统边缘检测算子对图像的噪声和明暗程度比较敏感,采用相位一致和数学形态学相结合的方法对单通道图像进行边缘检测.仿真实验显示,该方法可以有效地提取彩色图像的边缘.     

基于多结构元素的脊骨边缘提取

提出了一种从脊骨图像中提取边缘的有效算法。该算法在数学形态学的基础上,针对图像中脊骨边缘形态选择不同的结构元素进行脊骨边缘提取。实验表明,该算法具有良好的边缘提取能力。     

利用VC++6.0实现数学形态学图像边缘检测算法

应用数学形态学理论,利用VC++6 0执行效率高,可继承、封装、移植等成熟的软件技术,替代常用的图像处理仿真工具Matlab,开发出快速、准确、灵活的图像处理应用软件,对任意灰度图像进行边缘检测处理·     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节     

基于soft形态学的图像边缘检测算法

将小波变换和柔性形态学结合起来应用到图像的边缘检测中,经过仿真实验可以看出,本文方法较传统的sobel算子等检测算法有明显优势,提高了图像边缘检测的准确性。     

基于区域形态学运算的细胞图像检测边界

细胞和组织形态特征的分析一直是研究生物细胞学和病理学的主要手段. 边界提取是细胞图像识别的第一步,也是关键的一步. 针对血液细胞的边界附近的灰度分布梯度较大的特性,对细胞边界的提取可以采用一些比较常用边界检测算子的,如Sobel算子、Laplacian算子等,但都存在一定的缺点. 本文采用区域形态学进行细胞图像的边界提取,实验结果表明该方法在保持边界连续性和消除伪边界方面都优于传统的边界检测算法.