基于梯度向量的交互式CT图像分割

首先采用旋转模板对图像进行平滑去噪处理，同时得到各像素点的梯度值方向，然后根据梯度值方向采用Are Weights方法计算各点的梯度值，这些方法的结合可以有效的降低噪声对灰度值计算的影响，得到了较好的梯度值图像。根据改进后的边缘检测方法，对边缘梯度信息进行最优化计算，选择最优的边缘点，最后将这些边缘点进行曲线拟合。实验结果显示该方法能有效地分割出胆囊图像。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

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。     

一种离焦模糊图像边缘检测新方法

根据离焦模糊图像的特性,提出一种新的离焦模糊图像边缘检测算法,该算法通过定义一个新的边缘检测算子,利用新算子对图像各像素进行卷积,求得各像素的梯度和方向信息,根据梯度和方向信息进行阈值化处理,得到离焦模糊图像的边缘检测图像。实验结果表明,对于离焦模糊图像,利用新的边缘检测算子进行边缘检测,能够较好地检测被模糊而弱化的边缘,检测效果符合人眼视觉感受。     

一种改进的数学形态学边缘检测算法

针对传统数学形态学边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等问题,提出一种改进的数学形态学边缘检测算法。该算法在保持传统形态学方法优点的基础上引入边缘方向信息,采用非极大值抑制方法对形态学梯度图像进行细化处理,利用新的基于方向的检测和连接方法从中提取边缘,既提高了检测出的边缘的分辨率,又实现了低强度边缘的保护,同时还获得了更强的抗噪声能力。与应用较为广泛的传统形态学方法及Canny边缘检测方法的比较研究也证明了该算法的有效性。     

一种快速自适应边缘提取方法的研究

利用图像边缘灰度突变的特性。提出了一种梯度算子结合抽样的快速自适应边缘检测方法，在对整幅图抽样得到的低分辨率图上搜索出边缘点，然后以此为指导在整幅图上精确定位待检测的目标轮廓；为了提高边缘检测的自动化程度，将整幅图分成若干幅子图像．对每幅子图像各自统计其梯度，根据梯度信息自适应生成阈值．蛮验证明该方法不仅能快速准确地提取出单像素目标边缘而且还能较好地抑制细小边缘的于扰，在实际应用中获得了良好的效果。     

保持边缘特征和增强对比度的图像缩放算法

图像的边缘信息和对比度是影响人体视觉的最主要因素。提出一种能够同时保持边缘特征和增强对比度的图像缩放新方法。通过边缘检测算法、边缘梯度增强以及梯度图的低通滤波算法,得到新的梯度图,再通过求解泊松方程得到重建的图像。由于对图像边缘作了特殊处理,从而避免在图像缩放过程中丢失边缘信息。该方法可以同时保持特征以及增加图像的对比度,从而更好地展现图像的细节。实验结果表明,本文方法能应用于一般图像和医学图像的缩放和增强等应用中。     

基于动态结构元的药柱表面图像边缘检测

以某产品药柱表面图像边缘检测为例,提出了一种基于动态形态学结构元和SUSAN算子相结合的图像边缘检测算法.该算法采用动态形态学结构元得到梯度图像,根据梯度图像利用SUSAN算子进行边缘检测.采用动态形态学结构元得到的梯度图像服从统一分布,有利于边缘提取,克服了采用固定形态学结构元不能适应不同的梯度图像的不足.通过与so.bel和固定形态学结构元的边缘检测算子进行对比实验,实验结果表明,该方法具有较好的边缘提取能力,抗噪性能好,对药柱表面图像处理具有很好的实际应用价值.     

一种基于统计的图像边缘检测方法*

提出了一种基于统计的图像边缘检测方法.它首先通过计算图像中每一点的梯度向量以及方差-协方差矩阵,然后对每一点的梯度向量进行非极大值抑制,最后使用统计的方法求出局部标准化梯度阈值来检测图像的真实边缘.通过与经典的边缘算子相比较,该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了虚假边缘的产生,取得了良好的效果.     

保边缘自蛇模型毫米波图像去噪

由于毫米波图像分辨率低并伴随有大量噪声,其图像边缘常被噪声污染或丢失,为此提出保边缘自蛇模型并应用于毫米波图像去噪。引入只在图像的边缘处具有最大值,且对噪声不敏感的非局部梯度,以此构造边缘停止函数,使其在图像边缘处接近0,而在平坦同质区域接近1;给出保边缘的自蛇模型迎风差分数字解法;提出毫米波图像去噪的定量评价算法性能指标。实验结果表明,该算法在等效视数和边缘清晰度性能指标上明显优于标准自蛇模型和保特征的各向异性扩散模型,具有较好的去噪效果和保边缘能力。     

显著性边缘引导下的图像抽象化

针对已有的图像抽象化算法难以反映显著性边缘信息的不足,提出了一个显著性边缘引导下的基于能量优化的图像抽象化算法.对于给定的输入图像,首先基于边缘信息传递策略来提取图像的显著性边缘图,从而有效地减少了不连续边缘的产生;然后,为了在增强显著性边缘的同时抑制杂乱细节信息,根据显著性边缘图来构建图像的期望梯度场;最后,在图像颜色信息和期望梯度场的约束之下,通过能量优化来获得图像的抽象化效果.实验结果表明,本文算法在显著性边缘的连续性保持上表现出明显的优势,具有很好的科学研究价值及实际应用前景.     

基于灰色关联分析和Canny算子的图像边缘提取算法

基于灰色关联分析和Canny算子,提出了一种有效的边缘提取策略。相对于传统边缘检测方法中的梯度图像,首次提出灰色关联度图像的概念,并对两种图像进行了对比和分析。指出并讨论了灰色序列方向对边缘方向的敏感性,采用不同方向的灰色序列可以得到和梯度方向算子相似的效果。由各方向序列下的灰色关联度图像进行边缘方向判断,沿各方向进行非极小值抑制,对灰色关联度图像进行细化,然后设定自适应高低阈值进行边缘连接。实验表明该算法具有很好的处理效果。     

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。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

实现图象边缘检测的改进广义检糊算子法

在相关文献的基础上提出一种领域加权预处理方法,基本解决发运用广义模糊算子进行边缘时出现的断线等问题,实验表明本算法相对几种常用的边缘检测算子而言能获得较了的效果。     

A bayesian approach to edge detection in images

New statistical techniques for the edge detection problem in images are developed. The image is modeled by signal and noise, which are independent, additive, Gaussian, and autoregressive in two dimensions. The optimal solution, in terms of statistical decision theory, leads to a test that decides among multiple, composite, overlapping hypotheses. A redefinition of the problem, involving nonoverlapping hypotheses, allows the formulation of a computationally attractive scheme. Results are presented with both simulated data and real satellite images. A comparison with standard gradient techniques is made.     

Gradient histogram: Thresholding in a region of interest for edge detection

Selecting a threshold from the gradient histogram, a histogram of gradient magnitudes, of an image plays a crucial role in a gradient based edge detection system. This paper presents a methodology to determine the threshold from a gradient histogram generated using any kind of linear gradient operator on an image. We consider the image as a random process with dependent samples, model the gradient histogram using theories of random process and random input to a system, and determine a region of interest in the gradient histogram using certain properties of a probability density function. Standard histogram thresholding techniques are then used within the region of interest to get the threshold value. To obtain the edges, this threshold value is then used as the upper threshold of the hysteresis thresholding technique that follows the non-maximum suppression operation applied on the gradient magnitude image. The proposed methodology of determining a threshold in a gradient histogram is deduced through rigorous analysis and hence it helps in achieving consistently appreciable edge detection performance. Experimental results using different real-life and benchmark images are shown to demonstrate the effectiveness of the proposed technique.     

图像平滑的自适应保真全变分模型

提出一种自适应保真的全变分平滑模型,证明其解的稳定性。结合各向同性和全变分的优点,利用扩散系数构造保真项,从而增强图像边缘,该模型根据图像的梯度信息确定门限值进而选择合适的图像平滑方法。在去除噪声和保持边缘的同时避免了“阶梯”效应,实验结果表明,该模型能有效地去除噪声,提高图像的峰值信噪比。     

一种图像的连续性边缘提取方法

图像边缘提取是图像处理领域的重要环节,边缘提取的连续性显得尤为重要,其结果可以作为语义分割、测量的基础,为此提出一种图像的连续性边缘提取方法。首先采用卡尼(Canny)算法完成图像的边缘检测,得到粗分割结果。由于该类算法采用算子进行操作,不可避免地产生非连续性区域,因此利用两类模板对粗分割结果进行形态学膨胀操作,连续性边缘采用小半径膨胀,边缘末端采用大半径膨胀,以此构成一幅膨胀图连接这些非连续性区域。最后,将该膨胀图作为平均曲率运动(MCM)方程嵌入函数u的初始值,通过引入g函数在原图中进行迭代求解,完成图像边缘的连续性提取。实验结果验证了算法的实用性与有效性。