融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于小波模极大值和形态学的图像边缘检测算法

提出一种基于小波变换和形态学的图像边缘检测方法.通过对源图像进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的边缘,最后采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法.     

融合小波变换与数学形态学的图像边缘检测

针对传统图像边缘检测方法抗噪能力不足、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值算法进行边缘检测,可以有效提取高频边缘;低频部分采用形态学多结构元算法进行边缘检测,能够检测出低频边缘;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确。     

小波模极大值法与数学形态学边缘检测细化结果

图像边缘检测的关键是尽可能多的检测到边缘并且抑制噪声的同时,尽可能的满足单线的边缘定位精度;为此选取了一种融合小波模极大值和数学形态学的边缘检测方法来获取图像边缘;首先在对图像进行小波分解,分别利用模极大值法和多尺度多结构数学形态学方法来处理小波分解的高频分量和低频分量,利用差影法对二者的结果进行融合;然后利用大律法得到二值化图像,并用形态学边缘细化算法细化图像边缘得到最后结果;实验结果显示,融合的方法可以得到比较完善的边缘,经过二值化和边缘细化后,获得的单线宽边缘更加清晰,定位精度更高。     

基于形态学和小波的遥感图像边缘检测

针对遥感图像噪声含量大、边缘细节丰富等特点,提出了一种基于形态学和小波分析相结合的遥感图像边缘检测方法,即利用小波变换将遥感图像分解为低频和高频两部分分别进行处理,低频采用形态学锐化算法改善低频边缘清晰度后构造全方位多结构元素进行形态学边缘检测,高频引入小波阈值去噪算法进行预处理后利用小波模极大值进行边缘检测,最后进行边缘图像融合.实验结果表明:该方法在有效抑制噪声的同时,实现了边缘的精确定位,细节提取效果好.     

融合双阈值和改进形态学的边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。     

基于形态学多结构基元的含噪图像边缘检测

为了研究基于多结构基元构成形态学结构基,提出了一种图像边缘检测算法.首先,定义由开-闭运算、以及闭-开运算加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,不同形状的结构元素能检测出不同方向和结构的边缘信息,对定义多方向结构元素以组成形态学结构基,应用此结构基对滤波后的图像进行边缘检测.通过仿真重建形成理想的图像边缘,仿真结果表明,应用于含噪图像边缘检测算法,使抗噪的MSE性能较"开-闭运算"方法减少了7.82%和6.38%,PSNR性能提高了14.68%和8.05%,在检测精度方面得到了连续和封闭的边缘信息,与经典算子检测算法比较边缘信息更清晰.     

小波变换在X射线图像边缘检测中的应用

分析了X射线探伤图像的特点,将小波变换技术应用到X射线图像的边缘检测中,提出了基于小波变换的模极大值边缘检测算法,利用二次B样条小波,采用Mallat快速算法进行小波分解,采用分块阈值选取方法确定模极大值点,给出缺陷边缘。实验结果表明,该方法去噪效果好,检测出的缺陷边缘具有较强的连续性。     

基于灰度形态学的红细胞图像边缘检测

边缘包含了图像很多重要的信息,边缘检测的好坏也直接决定了后续处理的效果。在利用数学形态学进行边缘检测后,会出现不需要的边缘,形成噪声。针对这种情况,提出一种计算中心像素与邻域像素均方差的方法对形态学边缘检测算子进行改进,该方法可以有效减少噪声,为以后对红细胞图像进行特征提取和分类打下良好的基础。     

融合提升小波和形态学熵权的医学图像边缘检测

为了提高医学图像边缘检测定位的精度,结合基于小波变换和数学形态学边缘检测算法的优点,提出一种融合提升小波和多尺度形态学熵权边缘检测算法。首先应用提升小波边缘检测算法提取边缘,再由多尺度形态学算子进行边缘检测,依据各尺度下边缘图像的信息熵确定权值进而求和得到边缘图像,最后对两种方法得到的边缘图像进行融合。实验结果表明,与传统边缘检测算法相比,该算法融合规则简单,边缘精度高并且定位准确,是一种有效的图像边缘检测算法。     

基于数学形态学的图像边缘检测算法的研究

为了提高图像边缘检测的效率、降低噪声对图像边缘检测的影响,提出了一种基于数学形态学的图像边缘检测算法。该算法引入多元结构元素的概念,提出了一种改进的形态学边缘检测算子,能够有效地检测出带有噪声的图像边缘,并保持边缘的平滑性。实验结果表明,与传统边缘检测算子相比较,该算法杭噪声性能良好,实时性较好,具有一定的实用性和可行性。     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

Edge Detection of Ultrasonic Medical Image Based on Mathematical Morphology

During the ultrasonic medical image edge detection, one of the difficult problems is that there am some speckles that show strongly variance of image gray level, the speckles reduce the space difference and remain the detailed structure under cover.Edge detection algorithms have had fairly limited application in ultrasound imaging. High levels of speckling present in ultrasound images make accurate edge detections difficult. In this paper, a novel edge detection method based on mathematical morphology is presented. Firstly, according to the statistical characteristic of the speckle, the speckle filtering method based on multidirectional morphological structure is presented. The experiment shows that the speckle noise has been filtered and image details have been preserved by the method based on local statistical property of the image, the edge detection result shows that this method is reliable and effective. Certainly the speckle filtering and the edge detection are not the final objective and would like to be proved and perfected in the further research of ultrasonic image analyzing.     

基于分形理论和数学形态学的图像边缘检测方法

提出一种基于分形理论和数学形态学的边缘检测方法。该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。试验表明，采用该方法比经典的边缘检测算子能够更好地达到视觉测量的要求。     

基于Spatially-Variant数学形态学的二值图像边缘检测

结合二值图像边缘检测的需要,提出一种基于Spatially-Variant数学形态学的图像边缘检测算法。该算法使用了依像素位置而变化的Spatially-Variant (SV)结构元,使其能够依据图像细节而变化,达到自适应的效果并能有效检测图像边缘和保持边缘的平滑性。与传统边缘检测算子进行的对比实验结果表明,该算法有以下明显优点:抗噪声性能好,实时性好,非常容易实现,具有一定的实用性和可行性。     

基于自适应数学形态学的医学图像边缘连接

在介绍了数学形态学基本原理的基础上，阐述了自适应数学形态学，并将之应用于有中断间隙的医学图像边缘连接。它根据边缘的斜率、曲率等特性适当调节椭圆结构元素的大小和方向，并通过自适应膨胀运算使得中断的边缘沿着它们的斜率方向延伸而最终连接起来。实验结果表明这一方法是有效的。     

基于小波变换的图像边缘检测匹配算法

小波变换能够获取信号的时频局部化特征,可作为一种有效的图像边缘检测工具。本文提出一种基于二维小波变换的图像边缘检测方法。首先对图像分别做两方向的小波变换,进而得到二维小波变换的幅值和梯度,然后利用非极大值抑制方法检测二维小波变换的模极值点作为图像的边缘点,最后利用Hausdorff算法实现模板边缘与实时图边缘之间的匹配。仿真试验表明本文所提出算法的有效性。     

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。     

边缘检测的形态学算法与传统算法比较

由于图像的边缘通常含有大量重要信息,因此,边缘检测成为图像处理的一个重要环节,其检测算法也获得了广泛的研究,已经形成了Roberts、Laplacian、Canny等多种算法。但这些传统算法在边缘检测精度和抗噪声性能方面还存在一定的问题。文章运用数学形态学边缘检测算法的结构元素变换,对无噪声图像检测出多幅边缘图;对噪声图像采用改进的开启运算,先用3×3的结构元素进行腐蚀,后用5×5的结构元素进行膨胀,用边缘检测算子f°B-f进行检测,并与传统算法和不变结构元素的形态学开启运算的结果进行了比较。实验结果表明,灵活多变的数学形态学边缘检测算法在检测精度和抗噪声性能上都优于传统算法。