一种用细胞神经网提取遥感图像边缘的新方法*

针对灰度遥感图像具有噪声多、图像亮度均匀、边缘模糊等特点,提出了基于细胞神经网遥感图像边缘检测的新方法。该算法主要是利用细胞神经网先后对遥感图像进行图像滤波、灰度阈值化、膨胀腐蚀、边缘检测等模板操作。实验结果表明,与传统的Sobel和Canny边缘检测算法相比,本算法不仅能有效地去除噪声对边缘检测的影响,而且能够快速完整地提取图像边缘。     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,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标准形态学边缘检测算法具有更好的图像边缘提取效果.     

一种新的保留细节信息的噪声图像边缘提取算法*

一种用于噪声图像边缘提取的算法首先对噪声图像进行小尺度高斯滤波,使用新型边缘检测算子获取引导信息（边缘检测算子在定位精度、抑制噪声和虚假边缘方面具有很好的性能）,然后对各搜索轨迹进行分段自增强,最后根据自增强累积的程度获取噪声图像中的边缘。实验结果表明,该算法能够有效地从噪声图像中提取物体的真实边缘,并能最大限度地保留细节信息,性能优于经典的边缘提取算法。     

基于边缘连续性的边缘检测算法

针对传统的边缘检测算法抗噪能力弱、弱小边缘难以检测以及边缘图像容易出现断层等问题,本文提出了一种新的边缘检测算法。该方法首先对边缘进行提取,然后进行边缘连接。边缘是图像灰度突变的反应,像素点的梯度以该像素点为对称中心,由对称位置灰度有明显变化的像素点的个数加权得到。对梯度较大的像素点计算其方向,通过像素点方向的连续性进行边缘提取。为了克服边缘图像出现断层的缺陷,利用蚁群算法进行边缘连接 。实验结果表明,该方法有较强的抗噪能力,尤其对椒盐噪声,且可以有效地检测出灰度变 化不明显的边缘。     

一种基于Soft形态学的图像边缘检测算法

概述了软数学形态学的基本原理及形态学在图像边缘检测中的应用.根据软形态学单调性、扩展性和反扩展性等基本理论,成功构造了一种新型软形态边缘检测算法,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标准形态学边缘检测算法具有更好的图像边缘提取效果.     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘检测效果。     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘俭测效果。     

一种矢量相关性的抗噪声边缘检测方法

对图像中常见的高斯噪声特性进行了分析,对含有较强高斯噪声的数字图像的边缘检测方法进行了研究。分析了边缘的方向性相关特征和连续性相关特征,设计了图像特征矢量图,检测图像特征矢量相关的相似度,提取出抗噪声的图像边缘检测方法。仿真验证表明,对于含有较强高斯噪声的图像,本方法能够有效抑制噪声,而且能够提取出准确清晰的边缘。本算法在噪声图像中能很好地克服普通算子的噪声问题,而且算法简单,计算量较少。     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑，然后根据图像灰度进行对象云化处理，构建对象云。通过云运算生成边界云并构建边缘模糊特征平面，在条件概率和模糊划分熵的基础上，通过最大模糊熵原则确定最优阈值，对图像模糊边界进行提取。试验结果表明，该算法能保留大量低灰度信息，并有效地去除了次要边缘对主边缘的干扰。     

基于多结构元素的数学形态学的遥感图像边缘检测方法

提出了一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但其抗噪能力较差。为此，探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

实现图象边缘检测的改进广义模糊算子法

在相关文献的基础上提出一种邻域加权预处理方法,基本解决了运用广义模糊算子进行边缘检测时出现的断线等问题。实验表明本算法相对于几种常用的边缘检测算子而言能获得较好的效果。     

简单的图像边缘检测和增强方法

针对灰度图像的边缘检测问题,不同于传统的或是流行的模糊图像处理方法,利用Matlab的滑动邻域块和Robert梯度算子相结合的方法提出了一种简单的灰度图像边缘检测思想,实验结果证明该方法能够快速且有效地检测出图像的边缘信息,为计算机进一步识别奠定了基础.同时,为了使图像的轮廓更加清晰,引入高斯型函数对结果再进行增强处理,并通过对高斯函数的两个参数的对比分析,获得了显著的增强图像边缘效果.     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

基于模糊理论和蚁群算法的图像边缘连接方法

针对边缘检测的断点问题,提出一种基于模糊理论和蚁群机制的断点连接方法。以原图像和传统检测算法得到的边缘为基础,分析出边缘端点,根据端点邻域内各像素的梯度信息,采用模糊判决方法,计算隶属度矩阵;由各像素的灰度梯度、隶属度和信息素确定转移函数,减小蚁群寻优的盲目性,提高边缘点定位的准确性。实验结果表明,该方法不仅能有效改善边缘不连续现象,且补偿边缘能更真实地反映原图像边缘信息。     

拓扑梯度耦合多重最小修补路径的连续边缘图像修复算法

当前的图像修复算法都是利用非连续边缘的已知块信息来完成损坏区域的填充,造成图像模糊与视觉不连通;且修复路径都是随机确定,使其成本较高.对此,提出了拓扑梯度耦合多重最小路径快速行军的连续轮廓图像修复优化算法.引入拓扑梯度,检测出缺失区域的边缘轮廓;定义关键点择取规则,提取图像损坏区域的关键点,嵌入权重因子,建立权重距离函数,计算最小修补路径成本,并设计多重最小路径快速行军机制,提取出连续边缘,完成损坏区域填充.仿真结果显示,与其他图像修复算法相比,本文算法可检测出损坏区域的连续边缘轮廓;且该算法具有更好的修复视觉与效率.     

基于小波变换与灰色系统理论的图像边缘检测

多尺度边缘综合一直是多尺度思想中较难解决的问题。本文将灰色系统理论与多尺度边缘检测思想相结合．提出基于灰色关联分析和梯度方向的图像边缘宽度计算策略,并根据边缘宽度自适应地调整样条小波的滤波尺度参数,从而实现对有噪图像进行自适应尺度边缘检测。仿真结果表明本文算法不仅能有效地抑制噪声,而且对细节边缘和模糊弱边缘均有较好的检测效果。     

亚像素边缘检测技术的研究

精确确定数字图像边缘的位置,对于图像测量非常重要。同时,图像获取过程中受到各种噪声的影响,必然会引起图像边缘的模糊,因此对图像边缘提取技术的研究一直是一个热门。对几种代表性的亚像素边缘检测技术进行了原理分析和性能比较。介绍了基于曲面拟合的和基于灰度矩的亚像素边缘检测算法。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

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。     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.