边缘检测算法在小目标提取中的应用

文章采用拉普拉斯边缘检测算子对图像进行边缘检测,比较三种拉普拉斯算子模板提取小目标的效果。试验表明:Laplacian算子对噪声具有无法接受的敏感性,它的幅值产生双边缘,不能检测边缘的方向;LOG算子具有较强的抗造能力,定位精度较高得到的边缘检测连续性较好。     

基于Zernike矩的改进LoG边缘检测方法

LoG算子是图像边缘检测中的一种经典方法,其通过引入高斯滤波来减少图像中噪声对边缘检测的影响。高斯滤波在抑制噪声的同时也会将图像的边缘弱化,导致不能有效地对图像边缘进行检测。为此提出了一种改进的LoG边缘检测方法,采用Zernike矩对图像进行结构特征描述,并用其作为LoG算子中高斯滤波权值的计算依据;在此基础上,对平滑图像采用Laplacian算子和零点交叉法检测图像边缘。实验结果显示,通过采用基于Zernike矩的权值计算方法能够有效地保持高斯滤波在平滑图像时弱化的边缘特征,使得LoG算子在抑制噪声的同时能够更加有效地提取图像边缘。     

用于图象处理的两种新边界检测算子

通过对线性和非线性拉普拉斯算子的分析，提出了一种新的边界检测算子－中值非线性拉普拉斯算子，该算子无方向性，既可保留边界，又可去除噪声，此外，还提出了另一种用图象灰度变换与边界提取相结合检测边界的方法，由此，产生了另一种非线性边界提取算子－灰度均衡化中值非线性拉普拉斯算子。最后对一幅加了盐－颗粒噪声的人物图象进行了计算机验证。     

基于多尺度轮廓结构元素的数学形态学边缘检测

针对边缘检测算子对噪声敏感的缺点,提出了基于多尺度轮廓结构元素的数学形态学边缘检测算子.该算子采用多尺度轮廓结构元素的开运算和闭运算去除噪声,用小尺度轮廓结构元素提取图像的边缘,降低了结构元素对边缘检测的影响,实现了边缘的准确定位.仿真实验表明,该边缘检测算子定位准确,保留了更多的图像细节,具有更强的去除噪声能力.     

基于Laplacian算子的扩大比对范围的边缘检测算法

针对常规边缘检测算法中存在的图像细节轮廓损失问题,本文提出一种基于Laplacian算子的扩大比对范围的边缘检测算法。该算法在对像素点使用Laplacian算子进行边缘检测处理时,扩大了处理的范围,后由所有像素点的差值和可以组成一个新图像,选定合适的域值对新图像进行二值化处理可以得到二值化的图像边缘信息。实验证明,该算法可有效地解决图像中色调变化较小、边缘变化缓慢区域的边缘轮廓检测丢失问题。     

基于局部熵的边缘检测算子选择算法

为了在图像处理中选择恰当的边缘检测算子,保证边缘提取的质量,提出边缘点加权平均边缘局部熵,对利用边缘点加权平均边缘局部熵选择边缘检测算子的算法进行了研究。通过边缘检测算子抽取出图像的边缘,计算图像边缘的局部熵,使用边缘像素的灰度信息进行加权,计算出边缘点加权平均边缘局部熵。依据边缘点加权平均边缘局部熵进行边缘检测算子的选择。实验结果表明:算法能有效地选择合适的边缘检测算子,保证获取的图像边缘质量。     

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.     

Canny思想和Kirsch算法相结合的边缘检测算法

Canny算子是一种含有最优化思想的算子,它具有较高的检测精度,但对噪声比较敏感,因此需要利用Gauss函数进行去噪;Kirsch算子具有抑制噪声的能力,但是检测到的边缘不是单像素的.文章首先分析了原Canny算子判断非极大值抑制条件存在的问题,然后提出了新的判断非极大值抑制的条件,将Canny算子的思想与Kirsch算子相结合进行边缘检测.数据分析和实验结果说明了该算法不仅可以有效地抑制噪声,还可以得到单像素边缘.     

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。     

基于Laplacian算子和灰色关联度的图像边缘检测方法

结合Laplacian算子与灰色关联度提出了一种新的图像分割技术,即以Laplacian变形算子作为参考序列,计算每个像素点及其8-领域的灰色关联度,从而辨别该点是边缘点还是非边缘点.实验结果证明,该方法可以有效地提取图像边缘,而且可以通过调整关联度的阈值和分辨系数来控制边缘信息量.