共查询到19条相似文献,搜索用时 281 毫秒
1.
2.
多结构元素的数学形态学图像边缘检测算法 总被引:8,自引:0,他引:8
数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科,已得到人们的广泛关注,并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法,该算法通过构造4个不同方向的结构元素,应用形态学梯度算子得到图像4个方向的边缘检测结果,并将这些结果进行加权平均,得到最终的图像边缘。为验证算法的效果,给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明:本文算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子,Laplace算子和Canny算子。 相似文献
3.
一种基于形态学的多结构元素多尺度图像边缘检测方法 总被引:1,自引:0,他引:1
提出了一种基于数学形态学算子的多结构元素多尺度边缘检测方法,首先构造6种具有代表性的结构元素,用改进的形态学边缘检测算子对灰度图像进行边缘检测,然后改变结构元素的尺寸大小得到多尺度下的边缘图像,根据不同尺度抗噪性能不同来确定权值,将不同尺度下的边缘图像合成,得到在噪声存在条件下较为理想的图像边缘,实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力,具有一定的实用性和可行性. 相似文献
4.
提出一种基于数学形态学的车牌图像分割提取方法.用修正后的形态学边缘检测算子对图像进行边缘检测,采用二尺度结构元素检测平均方法提高边缘检测的准确性,再用不同的结构元素对边缘图像进行形态滤波,以消除干扰.实验证明,该方法能快速准确定位分割出车牌图像,且计算量较小. 相似文献
5.
一种基于数学形态学的图像对比度增强算法 总被引:3,自引:2,他引:1
由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强. 相似文献
6.
7.
一种基于数学形态学的图像边缘检测方法 总被引:2,自引:1,他引:1
针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。 相似文献
8.
9.
10.
11.
结合多尺度边缘检测的SAR结构邻域滤波方法 总被引:1,自引:0,他引:1
噪声抑制是合成孔径雷达(SAR)图像处理的一个重要环节,通常的方法在抑制噪声的同时也使得图像的边缘模糊。该文提出一种结合宏观边缘信息的SAR图像结构邻域滤波方法。首先利用多尺度边缘检测算法获得SAR图像主要的边缘信息,在此基础上对结构邻域滤波法进行改进。结构邻域滤波法用一系列反映图像局部方向信息的邻域模板描述图像的细节特性,滤波过程中引入图像的宏观边缘信息,对邻域模板的选择范围进行约束。最后运用模拟退火算法选取合适邻域模板对目标点的强度进行MAP估计。实验表明该方法能够较好地保持图像的边缘特征,同时有效抑制了斑点噪声。 相似文献
12.
基于自适应滤波的单像素宽形态学边缘检测 总被引:1,自引:0,他引:1
为了进一步提高边缘检测算法的抗噪性和定位精度,提出了一种基于自适应滤波的单像素宽形态学边缘检测算法。首先,分别对图像进行中值滤波和加权均值滤波,并通过自适应调整中值滤波结果和加权均值滤波结果所占的权重抑制脉冲噪声和高斯噪声。然后根据不同取向的结构元素可以有效地检测出不同走向的边缘细节这一特性,定义了一种具有方向估计的形态学梯度,并利用其检测图像的边缘,最后沿梯度方向进行非极大值抑制以获取单像素宽边缘。实验结果表明,本文算法不仅能够准确地检测图像边缘,而且具有较好的抗噪性能,处理速度也较快。 相似文献
13.
14.
15.
16.
17.
A multi-scale morphological approach to SAR image edge detection 总被引:1,自引:0,他引:1
Tang Zhengjun Song Jianshe 《电子科学学刊(英文版)》2000,17(3):208-212
This paper introduces a multi-scale morphological edge detection algorithm to extract SAR image edge which suffers seriously from noise. Combining the basic theme of morphology with that of multi-scale analysis, the algorithm presents the outstanding characteristics of accuracy and robustness. Comparative Experiments reveal its fine performance. 相似文献
18.