图像多尺度秩和统计间隙的模糊边缘检测模型

基于“Gap统计”理论思想,在概念“Wilcoxon秩和统计量”基础上提出了顺序秩和统计量、顺序秩和间隙以及边缘隶属度的概念,以相对半邻域之间图像灰度分布的顺序秩和差别为依据,建立了基于顺序秩和统计间隙的多尺度图像模糊边缘检测模型,分析了模型与Prewitt算子的关系．通过图像的边缘检测实例对模型进行了验证,比较了不同尺度下边缘检测的差别,验证并分析了噪声对边缘影响依尺度的关系．该模型具有多尺度、区域内部抗噪能力与尺度有关、噪声弱化弱边缘以及边缘具有隶属度、图像的边缘检测结果与尺度有关等特点,反映了边缘与纹理依尺度的关系．     

图像边缘检测的多尺度Gap统计方法

基于Tibshirani等的“Gap Statistic”思想,利用样本灰度数据分布差分析了图像分布间隙的规律,并在讨论随机含义下屋脊边缘和阶跃边缘等概念的基础上,建立了图像边缘检测的多尺度随机模型,给出了图像边缘检测算法,最后通过实例验证了该模型的抗噪声与多尺度特性。     

多尺度加权邻域Gap算子图像边缘检测方法

依据Hastie T．和Tibshirani R．等提出的“Gap统计”的思想方法,通过分析样本灰度数据分布的差别,在进一步考虑加权邻域的基础上,建立了图像边缘检测的多尺加权邻域Gap统计模型。提出正则加权邻域的概念,并通过证明具体地给出了与尺度有关的正则邻域权重密度函数。分析Gap算子的性质,给出在加权邻域下模型边缘检测算法。给出正则加权邻域下不同尺度的检测结果,分析Gap算子与Sobel边缘检测算子之间的关系。模型具有多尺度、依尺度抗噪声的特点。     

图像分割的Gap统计模型

基于Hastie T.和Tibshirani R.等提出的"Gap statist"的思想,通过分析样本灰度数据分布的差别,提出了函数特征、间隙、总间隙及全间隙等概念,建立了图像分割的Gap统计模型,并给出了较为详细的算法。分析了图像分割Gap统计模型中正则部分和奇异部分的特点,导出了区域特征自相似函数的分割结果与模型调节参数的关系。比较了用于图像分割的Gap统计模型与 Mumford-Shah模型,结果表明图像分割Gap统计模型的复杂度明显低于Mumford-Shah模型。     

数学形态法在超宽带SAR 道路边缘检测中的应用

超宽带SAR由于杂波模型多样化,当使用传统的基于单一杂波统计模型进行边缘检测时容易造成虚警高,定位精度差,边缘不连续,处理时间长等问题。基于数学形态学思想, 提出了一种多方向多尺度结构元素的二值形态学边缘检测算法,先对原始图像进行二值化处理,再运用多方向多尺度结构元素进行循环闭-开形态运算得到多个方向结果图,最后将各方向结果图进行融合得到最终的图像边缘。与传统边缘检测算法的对比实验表明,本文提出的算法由于采用了多尺度结构元素并且结合了图像的灰度信息,图像边缘检测虚警低,定位精确,耗时短,边缘更连续。     

AFM显微图像多尺度形态边缘检测算法

提出一种适应于显微图像的多尺度形态边缘检测算法.用不同尺度大小的结构元素分别检测出显微图像不同尺寸边缘信息,进行图像规格化处理以消除不同尺度边缘图像的灰度值分布差异,运用取极小值方法对所获处理后图像边缘进行自适应融合.实验结果表明运用该算法获得理想图像边缘的同时,增强了模糊边缘,有效地消除了噪声,对显微图像处理十分有效,检测到的边缘非常清晰.     

图像边缘分割算法的优化研究与仿真

研究图像边缘分割问题,提高分割的准确性.针对图像中物体像素与其边缘像素容易发生像素粘连,粘连部分由于发生像素灰度混合,造成像素差异极小,传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异,不能完整检测图像边缘的问题.提出了一种离散余弦变换(DCT)和数学形态学边缘分割算法.通过对提取过的特征图像在同一尺度下用多个结构元素分别对图像进行边缘分割,经过合成得到多尺度多结构元素形态学检测的边缘图像,摆脱分割算法对像素灰度的依赖.仿真结果表明:方法具有较好的抗干扰性和定位准确性,分割的边缘更为完整准确,取得了令人满意的效果.     

基于数学形态学的多尺度熵权边缘检测方法

提出了一种基于数学形态学的多尺度熵权边缘检测方法。信息熵为图像的内在特性,由它来决定不同结构元素所提取的边缘在最终合成边缘中所占的比重,是自适应的和客观的。通过实验对多尺度熵权边缘与多尺度均权边缘作了对比,证实多尺度熵权边缘有更强的边缘信息。将多尺度熵权边缘与多尺度均权边缘相减得到的差图像定义为强边缘,在强边缘中消除了弱小细节的影响,保留了灰度值较强的主要边缘,有助于图像的分割和目标的识别。     

图像多尺度统计模型综述

基于小波变换的图像处理方法是目前的主流方法,而对图像特征的多尺度统计建模则是图像压缩、去噪、分割、纹理分析与合成等统计应用的关键问题。本文综述了图像的多尺度统计模型,包括边缘分布模型以及层内、层间和混合相关模型,分析了各模型的优缺点,给出了对各种相关模型捕捉系数间相关性能力的归一化量测。最后,简单介绍了基于多尺度几何分析的统计图像模型,并对多尺度统计建模的前景进行了展望。     

基于多尺度形态学的红外图像边缘检测方法

提出了一种基于数学形态学算子的多尺度边缘检测方法。首先选取几个有代表性的结构元素对灰度图像进行边缘检测得到边缘图像。改变结构元素的尺寸大小可得到多尺度下的边缘图像，根据局部边缘生存期的长短将不同尺度下的边缘图像合成。对噪声大、边缘较模糊的红外图像进行了边缘检测与比较，实验表明该算法抗噪能力强，能得到更精细准确的边缘。     

基于改进形态学算子的木粉边缘检测算法

针对木粉显微图像边缘复杂、细节模糊等问题,提出一种基于HSV空间目标提取和改进数学形态学多尺度算子的边缘检测算法。基于HSV空间提取目标,排除背景噪声干扰;通过最佳方向检测改进传统多尺度形态学检测算子,避免了多方向检测的权重选择,以此获得较好的木粉边缘。实验结果表明：形态学检测算子优于传统canny检测算子;改进的形态学多尺度检测算子不但取得了较好的边缘检测效果,而且提高了边缘检测精度和定位能力。     

多尺度MRF边缘检测

本文提出一种改进的多尺度MRF边缘检测方法．基于图像的八邻域结构在MRF模型 中引入了Gibbs分布的线过程,有效地改善了MRF边缘检测算子的方向灵敏性．给出了对应于 八邻域线过程结构的能量函数．基于该算法对检测边缘的精确定位性能,提出了一种容易的 多尺度检测边缘合成规则．     

对多尺度边缘检测中边缘位移的研究

多尺度边缘检测的任务之一是寻求噪声平滑与保持细节边缘的折中,现已出现了许多自适应多尺度边缘检测方法,但使用多尺度的边缘检测方法常常使得边缘发生位移.为了使得在大尺度下求取的边缘位置不变,提出了一种根据局部图象特点,在最大尺度下求取保持图象边缘点位置不变的多尺度自适应边缘检测方法,并首先证明了对于绝大多数边缘点,如果使用恰当的小波基,那么,对于常规边缘检测算子,在大尺度下,也能准确定位;然后,利用以小波函数为核函数的积分运算与求导数之间的关系以及小波分析的多尺度特性给出了一种自适应的、保持位置不变的图象边缘检测方法,最后用实验进行了验证.     

基于冲突再分配DSmT的多尺度融合边缘检测算法

由于实际景象地物特征复杂,单一尺度边缘检测算子提取的边缘与噪声点测度差异小,因此将导致细小地物与噪声相互掺杂,边缘提取不准确的现象。针对此问题,提出了一种基于冲突再分配DSmT的多尺度融合边缘检测算法。首先提取图像多尺度边缘测度,接着提出双向指数映射基本置信指派构造方法构造多尺度边缘测度基本置信指派,然后采用冲突再分配DSmT组合规则对多尺度边缘置信指派进行融合,最后根据融合后的边缘置信指派图通过双阈值法确定边缘像素。通过对可见光和合成孔径雷达（SAR）图像的仿真实验表明,该算法相比单一尺度的Canny算子在边缘提取过程减小了误检和漏检边缘点数目,在抑制噪声的同时,大量保留了景象细节信息。     

基于形态学多尺度算法的肺部CT图像边缘检测

医学图像边缘检测是医学图像处理和分析的基础,传统边缘检测算子对噪声敏感,检测到的图像边缘效果较差.本文提出了一种基于形态学多尺度算法的肺部CT图像边缘检测方法.首先对形态学边缘检测算子进行改进,然后利用形态学多尺度算法检测各尺度下的图像边缘,最后采用非均匀权值方法合成最终边缘.实验结果表明:该方法在检测出肺部图像边缘的同时能够很好地抑制噪声,是一种有效的肺部CT图像边缘检测方法.     

基于边缘检测技术的水库面积计算

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。首先介绍了经典的边缘检测算子,然后进一步介绍了近年来出现的基于小波变换的多尺度边缘检测以及数学形态学的边缘检测方法,对其性能和算法特点进行了分析,最后将所有的边缘检测方法应用于水库面积计算中,同时对结果数据进行了比较分析。结果证明,基于小波变换的多尺度边缘检测以及数学形态学的边缘检测得出的水库面积精度高于其他算子。     

基于多尺度彩色形态矢量算子的边缘检测

数学形态学在图象处理中已经得到广泛地应用，但传统的形态学常应用于二值图象处理，后来发展应用到灰度图象处理，对于其用于彩色图象处理的研究还不是很多，通过对传统的数学形态学的几何描述，以及对目前形态学在边缘检测中的应用分析，提出了一种新的多尺度的彩色形态矢量边缘检测算子，该方法是利用不同尺度形态边缘检测算子来检测不同尺度下的边缘强度，再对不同尺度下的边缘强度图进行合并，从而得到新的边缘强度图象，利用该算法对实际图象和合成图象进行了实验，将实验结果与传统的边缘检测算法相比较，由于新的多尺度彩色形态矢量算子能检测出更多的细节边缘，因此将更有利于图象的进一步分析处理，同时将实验图象人为地增加噪声后，再利用该算法进行实验，其结果表明，该算法对噪声具有很好的鲁棒性。     

An optimal linear operator for step edge detection

Step edge detection is an important subject in image processing and computer vision and many methods, including some optimal filters, have been proposed. In this paper, we propose an optimal linear operator of an infinite window size for step edge detection. This operator is at first derived from the well-known mono-step edge model by use of a signal/noise ratio adapted to edge detection. Because of the infinite window size of the operator, we propose then a statistic multiedge model and analyze the optimal operator by spectral analysis. It is shown that the Infinite Symmetric Exponential Filter (ISEF) is optimal for both mono- and multiedge detection. Recursive realization of ISEF and the derivatives is presented and generalized to multidimensional cases also. The performance of ISEF is analyzed and compared with that of Gaussian and Canny filters, and it is shown that ISEF has a better performance in precision of edge localization, insensibility to noise, and computational complexity. Edge detection based on the optimal filter ISEF is thus presented and the essential difference between ISEF and some other optimal edge detectors is shown. The experimental results for computer-generated and real images, which confirm our theoretical analysis, are reported.