基于多结构元素的数学形态学图像边缘检测

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。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该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算子和Canny算子。     

一种基于视觉的表面质量检测方法

结合边缘检测技术和数学形态操作,提出了一种基于视觉的铝带表面检测方法。应用中值算法滤除缺陷图像噪声后,用边缘算子提取缺陷边缘,经形态学处理后得到完整缺陷目标,然后提取缺陷的形态特征,进行缺陷分类。实验结果表明:这种方法不仅能有效地识别缺陷,还能准确地判别缺陷类型和缺陷位置。     

基于分形维数和数学形态学的图像边缘抗噪检测算法研究

针对现有车牌识别技术中的车牌图像定位处理问题,提出一种基于多重分形理论和数学形态学的复合边缘检测算法。该算法利用多重分形理论中分形维数特征进行图像二值化处理,再利用数学形态学检测连续的特征边缘。试验结果表明,在抗噪性能方面,该方法比经典的边缘检测算子具有更好的检测效果。     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.     

基于Laplacian与多尺度数学形态学的漏磁图像边缘增强方法

为增强管道焊缝漏磁图像的边缘特征,提出一种基于Laplacian与多尺度数学形态学的焊缝漏磁图像边缘增强方法。首先采集管道漏磁内检测器中的漏磁数据进行成像,然后利用数学形态学算法,通过构建多尺度结构元素对图像进行边缘检测,利用边缘颜色约束对删除非边缘点,最后利用拉普拉斯算子对边缘进行增强。结果表明,该方法可较准确地提取漏磁信号图像的焊缝和缺陷边界,实现焊缝和缺陷的边缘增强,具有一定的可行性和实用性。     

多尺度全方位复合广义形态边缘检测的算法

提出一种多尺度全方位复合广义形态边缘检测的算法,在广义抗噪形态学算子基础上加以改进,采用多尺度全方位的思想对图像提取不同方向的边缘,将结果平均加权得到不同方向的抗噪算子,将其复合得到最终的边缘.仿真结果表明文中提出的算法具有很好的边缘检测效果,抗噪性能也优于经典的边缘检测算子.     

一种基于数学形态学的灰度图像边缘检测算法

基于数学形态学的方法,利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合,该文提出了一种改进的形态学边缘检测算子,能够有效地检测出图像边缘,并保持边缘的平滑性.同时引入多尺度的概念,对形态结构元素尺度的大小进行调整,从而在噪声存在的条件下得到较理想的图像边缘.实验结果表明,与传统的边缘检测算子相比较,该算法抗噪性能良好,计算量较小,因此具有一定的实用性和可行性.     

基于机器视觉的轴承密封圈缺陷检测方法

以江苏某轴承股份有限公司的4011XXXX型的轴承为研究对象,运用机器视觉技术中的Canny算子对轴承密封圈图像进行边缘提取,应用最小二乘法对其边缘拟合,编写缺陷特征识别算法,并在Visual C++6.0环境下实现了该检测算法.     

改进形态学梯度的样条插值亚像素边缘检测方法

针对传统边缘检测算法存在定位精度低、对噪声敏感等缺点,提出一种基于形态学梯度的样条插值亚像素边缘检测方法。利用改进的数学形态学梯度算子进行边缘点的粗定位,再利用三次样条插值法对提取出的边缘图像进行插值运算,最后利用数学形态学细化算子将提取出的边缘进行细化,可有效地检测出图像边缘,实现亚像素边缘检测。实验结果表明,这种方法能准确地检测出边缘,优于传统的边缘检测方法。     

基于相位一致模型的边缘检测

边缘检测在图像处理和理解中占有重要地位,传统的边缘检测是基于梯度算子,而相位一致方法是基于傅里叶变换理论的一种图像特征检测方法.其原理是指图像特征总发生在相位的最大叠合处.通过计算局部能量,来度量其图像各个位置的相位一致值.利用log Gabor滤波器组实现相位一致模型.为了检验相位一致模型在边缘检测中的有效性,利用该方法对工业图像和遥感图像进行边缘检测实验,并将该方法与canny算子和sobel算子进行对比分析.结果表明相位一致方法可以有效地提取边缘特征.     

Canny色彩边缘检测及分类新方法

为了解决传统边缘检测方法可能造成的边缘丢失、边缘定位不准、伪边缘、边缘不连续等问题,提出一种改进的Canny算子,用色彩张量表示光照准不变微分式,计算出新的图像边缘的梯度幅值,从而实现彩色图像边缘的精确提取.实验结果表明,改进的Canny检测器可以检测并分类各种色彩边缘.利用边缘检测品质因数Q改进Canny检测器的性能,并进行定量评价,结果表明,该方法降低了色彩边缘检测的误检率和错检率,有效提高了边缘检测器的性能.     

Multiscale edge detection of noisy images using wavelets

The classical edge detectors work fine with the high quality pictures, but often are not good enough for noisy images because they cannot distinguish edges of different significance. The paper presented a novel approach to multiscale edge detection for noisy images using wavelet transforms based on Lipschitz regularity coefficients and a cascade algorithm. The relationship between wavelet transform and Lipschitz regularity was established. The proposed wavelet based edge detection algorithm combined the coefficients of wavelet transforms along with a cascade algorithm which significantly improves the result. The comparison between the proposed method and the classical edge detectors was carried out. The algorithm was applied to various images and its performance was discussed. The results of edge detection of contaminated images using the proposed algorithm show that it works better than the classical edge detectors.     

基于数学形态学的海洋浮游植物边缘检测研究

传统的边缘检测算子由于受噪声影响比较大,无法检测海洋浮游植物细胞可靠的边缘位置,因此不适合应用于细胞形态分析.为此,针对海洋浮游植物细胞原始图像的特点,提出了一种迭代域值算法,数学形态学处理,类异或运算,单像素腐蚀相结合的边缘精确检测算法.通过Visual C＋＋6.0试验结果证明,与传统的边缘检测算法相比较,本文的边缘检测算法不但抗噪声干扰能力强,而且检测精度高,边缘连续,清晰.     

基于小波模极大值的磁瓦裂纹缺陷边缘检测算法

为了准确提取磁瓦表面缺陷的边缘信息,提出一种基于图像加权信息熵和小波模极大值相结合的磁瓦表面裂纹缺陷的边缘检测算法。针对磁瓦表面缺陷对比度低、背景纹理对边缘提取干扰大等特点,设计了一种自适应改变截止频率的BHPF滤波器。利用图像梯度方差加权信息熵对背景纹理的清晰程度和复杂程度进行定量描述,拟合出信息熵同截止频率的非线性函数关系,自适应改变滤波器参数。为避免在多尺度下将缺陷的边缘信息丢失,采用分解尺度判别函数获取小波变换的最优分解尺度。为保证裂纹缺陷边缘连续性和定位准确性,采用双阈值对小波模极大值进行判定求得边界点。实验结果表明,该方法对磁瓦裂纹缺陷边缘的检测优于传统的Canny和Sobel边缘检测算子,可用于磁瓦其他缺陷的提取,为实现缺陷的自动识别奠定了基础。     

Mean shift 算法在带钢缺陷图像分割中的应用

带钢自动表面检测系统中缺陷图像的分割效果对缺陷识别具有重要影响．为了提高缺陷图像的分割效果,提出了采用 Mean shift 算法对带钢缺陷图像中的感兴趣区域进行平滑从而获取缺陷边缘的方法,并将该算法与中值滤波算法进行了比较．测试结果表明,Mean shift 算法能够有效地对缺陷图像中的感兴趣区域进行平滑,并精确得到缺陷目标的边缘,该算法在带钢的缺陷分割中具有较好的性能．     

基于边缘检测的颈动脉CT图像分割技术研究

在传统图像分割算法的基础上,提出_『基于改进边缘检测的颈动脉CT图像分割方法．首先利用Canny边缘检测算子对CT图像进行边缘检测,然后利用数学形态学方法进行后续处理,并提取各种目标的轮廓．实验结果表明,该方法能有效实现目标与背景的分离,为正确诊断提供了指导信息,大大降低了工作量．     

摩擦片表面缺陷的视觉显著性检测算法

针对摩擦片表面缺陷高精度高效率的检测要求以及摩擦片自身复杂的表面状况,提出基于视觉显著性的检测算法. 利用图像分割,将摩擦片从背景中分离;使用高斯平滑弱化表面纹理,采用多尺度细节增强算法补偿高斯平滑中丢失的缺陷边缘信息,计算图像中目标的显著性进行强弱分化;采用连通域法和OTSU,提取缺陷区域的二值图像. 经由实验验证,该算法针对摩擦片的缺陷检测具有较强的针对性,缺陷识别率超过98%,双面检测100个摩擦片用时27 s. 从客观和主观两个方面对检测结果进行评价验证,结果表明,该算法具有较高的识别率和精确度,满足工业检测的需求.