图像边缘提取的简单方法及应用

图像边缘识别在实际中有很重要的应用 ,Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法     

一种基于知识的头部图像提取方法

文章提出了一种基于知识的头肩图像中头部图像的提取方法。首先,应用Sobel算子提取图像的边缘并进行二值化;然后根据边缘图像提取头肩图像的边缘;最后依据人脸知识提取头部图像。用实验室人脸图像库的96幅人脸对该方法进行检验。实验结果表明:文章提出的头部图像提取方法具有较好的效果。     

图像边缘提取的简单算法及应用

图像边缘识别在实际中有很重要的应用，Roberts、Sobel、Prewitt、Krisch、Gauss-Laplace边缘检测算子及轮廓提取或轮廓跟踪、利用平滑技术提取图像边缘、利用差影技术提取图像边缘、利用小波分析技术提取图像边缘等方法是常用的方法。     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。     

一种基于改进的形态学红外图像边缘检测算法

针对红外图像边缘模糊和非均匀性噪声强的特点,提出了一种阈值分割与形态学相结合来提取红外图像特征的方法,对红外图像进行边缘提取。仿真实验结果表明：该方法能够清晰、有效的提取红外图像的边缘,改善图像质量,是一种有效的边缘检测方法,具有较好的实用性。     

改进的数学形态学图像边缘提取算法研究

研究图像边缘优化提取问题。由于图像在进行边缘提取过程中,容易受到外界信息的干扰,特别是当受到噪声等因素影响时,造成图像边缘提取困难。为此提出了一种新的采用两层数学形态学增强操作提取图像边缘的技术。首先将利用形态学对灰度图像进行增强,并以为基础利用形态学的膨胀操作单独对边缘进行增强,然后将图像切分成小块,针对不同的小块来区分边缘与非边缘;最终经过模板滤波,获得清晰的边缘结果图像。仿真结果表明,改进的算法快速有效,在提取完整的边缘的同时,能够有效的抑制噪声和背景因素对边缘的干扰,并优于其他传统边缘提取方法。     

利用数据场和欧氏距离的图像边缘提取

图像边缘是图像分析和识别的基础,图像边缘信息的准确性和完整性对后续图像分析和识别有重要影响。为实现图像边缘有效提取,提出一种利用数据场和图像欧氏距离的图像边缘提取方法。首先,该方法利用数据场理论构建图像数据场,实现图像灰度值特征空间到数据场势值空间的转换。然后,在对图像数据场的势值计算时引入图像欧氏距离,利用图像区域欧氏距离扩大像素差异,抑制微小细节和噪声,得到"背景"和"目标"相对分离的势值图。最后,用改进Canny算法对势值图进行边缘提取。实验表明,用本文方法可以有效提高边缘提取的准确性,减少伪边缘,抑制冗余细节和噪声。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

基于模糊参数的高斯边缘检测模型方法研究

对图像边缘提取的问题进行了研究,针对以往边缘提取算法容易造成边缘断裂,提取较多噪声的缺点,提出一种利用模糊逻辑函数在全局上对图像进行增强,在局部进行边缘提取的算法。定义一个模糊逻辑函数,利用类似直方图均衡化的方法,对变换后的模糊逻辑图像进行对比度增强操作;在增强的图像上,对模糊逻辑函数进行局部非线性投影变换,并在变换基础上进行边缘图像的阈值检测,从而得到最终的边缘图像。在进行非线性变换的同时,利用梯度迭代法对非线性参数进行优化,从而保证获得最优的高斯模型,并提取出边缘信息。该方法在自动获得最优的系统参数同时,能准确有效地提取出图像的边缘,克服噪声对系统的干扰;并能广泛使用在基于边缘信息的图像处理系统和模式识别系统中。     

神经切片染色图像边缘的二次提取方法研究

针对神经切片染色图像的边缘模糊不连续、色泽不均匀、区域不规则的特点,提出了一种效果良好的神经切片染色图像边缘提取方法.通过改进的均值漂移滤波改善图像质量,获得第一次的连续边缘;考虑到切片图像的复杂性,对提取得到的连续边缘运用区域填充及数学形态学的方法处理后进行第二次边缘提取,从而提取到最终的较为准确、光滑的边缘;最后在人体周围神经组织切片图像上的实验证明,该方法具有提取效果好、抗噪声能力强等特点.     

保留边缘信息的静态数字图象超分辨率重建

插补方法是图象超分辨率 (super- resolution)技术的一个重要方面 .插补处理后 ,数字图象的视觉质量主要依赖于图象轮廓边缘的两个因素 :(1)跨越边缘方向的灰度值变化比较尖锐 ;(2 )沿边缘方向的灰度值变化比较平滑 .着重考虑以上两个因素 ,提出了一种新的插补方法 ,以获得清晰的图象边缘 ,从而获得较好的数字图象放大效果     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

基于语义信息的精细化边缘检测方法

边缘检测是在图像中准确地提取视觉上显著的边缘像素,以得到图像的边缘信息,然而传统基于全卷积网络的边缘检测方法通常存在预测边缘粗糙、模糊等问题。提出一种语义信息指导的精细化边缘检测方法。通过图像分割子网络将学习到的图像语义信息传递给边缘检测子网络,同时利用图像语义信息指导边缘检测子网络,其引入具有注意力机制与残差结构的特征融合模块,以生成精细的图像边缘,增强不同尺度的特征融合。在此基础上,结合图像分割任务和图像边缘检测任务中的代价函数定义新的模型代价函数并进行训练,进一步提高网络边缘检测质量。在BSDS500数据集上的实验结果验证了该方法的有效性,结果表明,该方法的固定轮廓阈值与图像最佳阈值分别达到0.818和0.841,相比HED、RCF等主流边缘检测方法,能够预测更精细的边缘图像,且鲁棒性更优。     

利用小波变换局部模极大值进行实时目标定位的应用

提出了一种基于小波变换局部模极大值的边缘检测方法．利用B样条小波构造出一个边缘检测算子，采用多孔算法进行边缘提取，减少了图像识别与测量中必要信息的丢失，并且提出了自适应阈值的方法，较好的解决了图像边缘的提取精度与对噪声抑制能力之间的矛盾．实验中对比了几种传统边缘检测算子和小波模极大值方法的在边缘检测效果、抗噪性和运算时间等方面的性能，本算法对加噪图像和模糊图像都获得比传统算法更好的检测效果，证明了基于三次B样条小波的局部模极大值方法检测目标边缘的有效性和正确性．     

一种改进的图像边缘检测算法的研究

图像边缘时图像的基本特征之一,阐述了边缘检测的基本理论和传统的边缘检测算子理论,提出了一种改进的图像边缘检测方法。通过实验表明,该方法能够有效的对图像边缘进行检测,目标边缘定位精度较好,并且能有效减少噪声对图像的干扰,从而提高了图像边缘检测的抗干扰能力。     

信息融合技术在SAR图像边缘检测中的应用

合成孔径雷达(SAR)图像包含丰富的信息,对SAR图像边缘特征的提取对战场侦察、打击效果评估等具有重要的意义,但SAR严重的相干斑噪声,给SAR图像边缘检测增加了极大的难度。该文在分析常用图像边缘检测算子性能的基础上,考虑各微分检测算子检测特性的优缺点,从信息融合角度出发,提出了一种针对SAR图像保留边缘的融合方法,在计算量不显著增加的前提下,提高了边缘检测的质量,实验结果证明此方法既保留了图像的边缘特征,又一定程度地抑制了图像的噪声,效果较好。     

用Sobel算子细化边缘

提出了一种用Ｓｏｂｅｌ算子细化边缘的新方法,通过引入衰减因子得到不失真的灰介边缘图Ｐ１,然后将灰阶边缘图Ｐ１用Ｓｏｂｅｌ算子进行正理２,得以边缘的边缘图Ｐ２,再用前者减去后者得差值图Ｐ３,再将Ｐ３中为负的点改为０,用以除去３图中边缘外侧的点,从而得取边缘产细的边缘,对于边缘模糊的部分这种过程可以重复多次,最后也可得到较细的边缘（但不一定连接）,此种方法对于处理其它边缘检测方法得到的边级也有效。边缘     

一种基于小波包分解的图像分类去噪方法

文章提出了一种基于小波包分解的图像分类去噪方法,即首先用高斯-拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用小波包对图像平滑区域进行阀值去噪,同时对图像进行邻域平滑处理;最后将边缘图像嵌入平滑图像。此种方法不但可以保持图像的边缘信息,而且能够去除图像的噪声,提高了图像的去噪效果和清晰度。     

基于灰度形态学的高原鼠兔图像边缘检测

传统高原鼠兔图像边缘检测方法存在对噪声敏感、大量边缘细节被过滤、检测的边缘不连续、模糊等问题。为此,将基于数学形态学的边缘检测方法应用到高原鼠兔图像的边缘检测中。利用数学形态学的腐蚀和膨胀算法,构造适合高原鼠兔图像几何性质的结构元素,对图像进行检测。实验结果表明,该方法具有较好的边缘检测效果。     

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