一种快速的图象边缘提取算法

本文设计的图象边缘提取算法，具有较高的抗“噪声”能力，运算速度快，提取的边缘线只有一个象元宽。     

一种综合的有噪图象边缘提取方法

有噪图象的边缘提取是一个难点。经典的边缘检测方法由于引入了各种形式的微分运算，从而必然引起对噪声的极度敏感。为此，本文提出了采用分形方法并综合传统方法以解决低信噪比图象的边缘检测问题，并给出了自然场景中的人造物体边缘检测的实例。     

显微图象中目标对象的边缘提取研究

研究了显微图象中目标对象边缘的提取，提出了一种新方法．该方法分三步进行，首先识别目标对象，并与背景区分开，然后滤除误识别象素和脏点，最后提取目标对象的边缘。使用最优颜色通道识别显微图象中的目标对象，动态的调节识别阈值，减少了误识别象素的数量，对残存的误识别象素和脏点采用面积滤波的方式去除，进一步提高边缘提取的效果。试验结果表明，采用本文的方法提取目标对象的边缘优于已有的熵算符法提取的结果。     

用细胞神经网络提取二值与灰度图象边缘

边缘是图象的重要特征,采用细胞神经网络提取图象边缘时,网络参数的选择是一个重要问题。为了能够有效地提取图象边缘,基于高通滤波模板,选择了细胞神经网络的一组简单易行的参数,首先将其用于检测二值图象边缘,再在此基础上,通过综合灰度值各位面边缘检测的结果提取出灰度图象的边缘。与传统边缘提取方法Sobel和Log方法的比较可见,该方法是有效的,并且由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此使其在图象实时处理中具有更大的潜力。     

染色体图象的预处理

本文论述了染色体图象处理中的一个重要组成部分—输入原始图象的预处理。文章进行了染色体原始输入图象处理的理论分析,并提出了各种算法。     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

基于数学形态学的商标图象边缘提取

介绍一种全新的基于数学形态学的商标图象边缘提取方法,根据商标图象边缘与内部区域结构形态的差异,通过与之相匹配的结构元素,运用数学形态学的方法对商标图象边缘进行提取。     

基于正交小波变换的多尺度边缘提取

基于正交二进小波，设计了一个滤波器对图象进行多尺度滤波，得到不同尺度的小波变换。在每种尺度下分别提取图象边缘，而后综合形成图象真正的边缘。该方法不仅能有效地抑制噪声，得到单象素宽、精确的边缘信息，而且能依据边缘的奇异度区分不同的边缘     

一种基于子波变换的图象尺度边缘提取方法

图象多尺度边缘是图象的重要特征，已广泛应用于处理和计算机视觉等多个领域。本文给出一种基于子小我的图象多尺度边缘提取方法。实验证明该算法是行之有效的。     

基于图象分割的人眼边缘提取方法研究

脸部特征的提取是人脸识别的关键，而眼睛特征的提取又其中最重要的部分。从图象分割的角度出发，对人眼边缘的提取进行了有益的研究。在整个过程中，先用ＩＳＯＤＡＴＡ分类算法分割图象，再对所得到的边缘数据作曲线拟合，从而获得平滑的人眼边缘曲线。     

一种基于Canny算法的边缘提取改善方法

Canny算法作为一种优化的边缘检测算法，在用于检测图象的边缘时有着边缘上连续性等许多优良特性，在介绍Canny算法的基础上，通过对Canny算法进行改进，提出了一种基于动态阈值理论的边缘提取算法，该算法弥补了Canny算法在对非标准图像的模糊边缘进行检测时丢失边缘的不足，是一种具有实用价值的边缘检测算法。     

基于多目标决策模型的适应图象边缘检测技术

本文在对众多图象边缘检测技术进行总结的基础上，提出了把边缘属性融入边缘模型的概念，由此引入了多目标决策模型，这样，边缘检测问题变转化成一个最优化问题，避免了边缘滤波模型的缺陷，达到比较客观的折衷效果。该方法是在微机上加以实现的。     

盈亏修正法图象边缘检测

边缘检测是数字图象处理中一种重要的处理手段,目前普遍采用的方法是且高斯函数或者Ｂ－样条对原始图象进行预平滑,然后求其一阶导数的极值点或拉普变换的零交叉作为边缘特征点,但是在其原始图象与平滑图象的之间的残余误差中可能存在一些边缘特征信息,为了尽可能提取残余误差中存在的边缘特征点,因此利用Ｂ－样条平滑公式,建立了一种盈亏修正图象边缘检测新方法,其原理是,首先对原始 明数据进行盈亏修正,使得原始 明与平     

基于边缘提取的分形图象编码方法

为了提高图象边缘提取时分类的准确性,在利用四叉树进行自适应图象分割的同时,将Laplacian算子作用于原始图象,然后从得到的边缘图像中,除去给定阈值的特定灰度层的图像后,即得到一种去除冗余,并突出边缘特征的图象,再将它应用于Domain块分类之中,可使分类结果更准确和更具客观性,计算机仿真解码实验结果表明,与其他同类的自动分形方法相比,该方法在编码速度、压缩比和恢复图象质量等方面均有显著提高。     

树和植物的计算机图象研究

综述树和植物的计算机图象基本生成方法，对几种典型方法进行简要描述，最后进一些讨论和展望。     

基于直线边缘识别的图象区域定位算法

介绍了一种基于直线边缘识别的图象区域定位算法。算法主要分为两个部分,其一为基于样本线对边缘点进行搜索的边缘检测算法,其二为利用层次逼近的霍夫变换对所得到的边缘图象中车牌区域的边界直线段进行提取以对其定位的算法。算法充分利用了原始图象的灰度分布特征,同时在霍夫变换中采取了深度优先的递归搜索策略,取得了较好的实现结果。     

基于图象边缘的水印算法

提出一种基于图象多尺度边缘的水印算法，利用常于边缘检测的二进小波变换检测出图象的多尺度边缘，在选择出的重要多边缘中嵌入数字水印。利用相关检测器进行水印检验，检验过程需要原始图象，实验证明算法具有不可见性，安全性，对通常的图象处理有较强的鲁棒性。     

一种二值图象边缘跟踪的通用算法

一般边缘跟踪算法都没有考虑图形区域的边缘比较复杂时的情况.本文提出一种改进的边缘跟踪算法、该算法可对二值图象中可能出现的各种情况的区域进行跟踪,具有简单明了而且效率高的特点.     

利用逻辑神经网实现图象的边缘检测和压缩

本文阐述了基于逻辑神经网的二值和灰级图象的边缘检测和压缩编码方法。除了理论分析外，本文还给出了典型试验结果。     

图象平滑与边缘检测的模糊向量描述

本文对噪声和边缘的统计特征进行了分析，提出了以Ｐ１（ｉ，ｊ）、Ｐ２（ｉ，ｊ）和Ｐ３（ｉ，ｊ）作为边缘、噪声和非边缘非噪声的隶属函数，并在此基础上建立它们的牲描述向量。借助于该特征向量。将图象平滑和边缘检测转化为一个模式识别的问题。从理论上讨论了解决图象处理中长期存在的去噪和保持边缘细节的折中问题的思路，并构造出了基于模糊模式识别的图象边缘检测和图象滤波的基本框架。