四元数与彩色图像边缘检测

本文将彩色图像像素的R、G、B分量作为彩色空间矢量的三个分量，利用矢量场通量以及四元数关于矢量旋转的相关知识，得到两种彩色图像边缘检测方法。基于矢量场通量最大的检测算法，较传统的利用Sobel算子的方法能更全面地提取图像的边缘细节，并且针对不同的图像具有很强的自适应效果；基于四元数的检测算法，利用四元数对矢量旋转的方便表示，提出一种全新的彩色边缘检测方法。实验结果表明，本文提出的两种方法针对彩色图像的边缘检测具有较好的效果，特别是四元数矢量旋转方法，能够提取很多传统的灰度化方法所不能提取的图像纹理细节。     

实时图像边缘检测形态学优化设计及FPGA实现

利用Sobel算子对实时图像进行边缘检测,然后再对边缘检测之后的图像进行形态学的膨胀和腐蚀技术的优化,最后利用FPGA将形态学优化后的实时图像进行边缘检测。结果表明该方法能有效提高边缘检测的效果,检测出的图像边缘更加清晰,同时可大幅度滤除掉图像中的背景噪声。     

基于结构张量的三维地震图像增强方法

为降低三维地震图像噪声和增强图像横向分辨率,提出了基于结构张量的地震图像纹理增强方法。针对具有复杂纹理的三维地震图像结构张量,将非线性各向异性扩散图像边缘增强滤波与最优旋转不变性的微分滤波器相结合,用于检测纹理边缘和判断连续区域。通过检测三维地震图像结构张量的方差变化程度,实现增强图像纹理边缘的同时避免因算法误差导致的图像模糊。分析结果表明,该方法适用于地震图像增强,可以有效地提高三维地震图像质量,并且清晰地刻画图像中构造特征。     

一种针对含噪低对比度图像的边缘检测方法

主要研究了含有噪声的低对比度图像的边缘检测方法。通过对图像进行直方图均衡化、二值化、平滑及去噪处理后，利用膨胀腐蚀型检测算子对图像边缘进行检测。经实验证明，该算法对含噪低对比度图像具有较好的检测效果，与传统的Sobel、Canny算法相比，具有边缘连续、清晰的检测效果。     

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。     

基于改进粒子群算法的彩色图像边缘检测方法

针对传统图像边缘检测方法检测效果不理想的问题,利用四元数的矢量旋转原理,将一种改进后的粒子群优化算法引入四元数图像边缘检测中,提出一种新的彩色图像边缘检测方法。实验结果表明,该方法对彩色图像的边缘检测效果较好,能够提取图像纹理细节,且算法稳定、容易收敛,边缘检测速度也较快。     

严重噪声污染图像边缘的统计检测算法

提出了一种适用于受多种噪声严重污染图像的边缘检测算法。该算法包括边缘统计判决及边缘检测两部分。统计判别部分包括三大类１３种平行统计检验方法。利用顺序统计量，使之不仅适合于含有白噪声干扰图像的边缘判决，而且适合于含有脉冲噪声和椒盐噪声的图像区域，利用加权表决的方法检测出边缘，可以大大减少计算。实验结果表明，本算法是行之有效的。     

基于形态滤波和分水岭变换的边缘检测方法

图像的边缘保留了图像最基本也是最重要的特征，边缘检测减少了数据量，在机器视觉、模式识别、视频解码、物体追踪、医学图像处理等领域得到广泛的应用，是图形图像领域里的研究方向之一。文中在总结各种常见边缘检测算法的基础上，利用数学形态学中的腐蚀、膨胀等概念，结合Watershed算法，介绍了一种边缘检测的新方法。     

改进非线性结构张量的含噪图像边缘检测

现有的边缘检测方法在含噪图像中的检测性能不佳.针对含噪图像的边缘检测问题,提出了利用引导核改进基于非线性结构张量的含噪图像边缘检测方法.首先,计算含噪图像的张量积.然后,根据图像梯度对张量积进行扩散,图像梯度依赖张量积本身.扩散方程中的扩散矩阵包含张量积,该张量积是通过各向异性的引导核进行空间自适应平均,而不是通过各向同性的高斯核进行平均.最后计算扩散张量积的特征值和特征向量,并基于此检测图像的边缘.将所提方法与基于线性结构张量的边缘检测方法、基于张量梯度扩散的非线性结构张量的边缘检测方法、基于图像梯度扩散的非线性结构张量的边缘检测方法进行比较,实验结果表明,所提方法可以得到更为清晰的边缘,并且检测结果中噪声较少.     

一种用细胞神经网提取遥感图像边缘的新方法*

针对灰度遥感图像具有噪声多、图像亮度均匀、边缘模糊等特点,提出了基于细胞神经网遥感图像边缘检测的新方法。该算法主要是利用细胞神经网先后对遥感图像进行图像滤波、灰度阈值化、膨胀腐蚀、边缘检测等模板操作。实验结果表明,与传统的Sobel和Canny边缘检测算法相比,本算法不仅能有效地去除噪声对边缘检测的影响,而且能够快速完整地提取图像边缘。