自然环境下路面裂缝的识别

论文提出了一种基于分数阶微分和图像形态学的路面裂缝检测算法。分数阶微分能有效增强信号中、高频部分,非线性保留信号的低频部分,通过构建分数阶微分掩模算子,增强裂缝信息特别是平滑区域中弱信号信息。利用图像形态学算子提取裂缝,通过组合中值滤波去除孤立噪声点。实验结果表明,该算法比传统算法能更有效地检测出细小裂缝信息,是一种具有较强鲁棒性且高效实用算法。     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

一种基于形态学的X射线数字图像焊缝边缘检测方法

在分析X射线数字图像本身的特点之后,提出利用多尺度形态学梯度算子来获得梯度图像,并通过迭代阈值分割算法,获取原图像边缘的方法。实验证明这是一种检测X射线数字图像焊缝边缘的有效方法。     

一种精确的医学细胞图像边缘检测法

细胞边缘检测是进行细胞形态分析的基础,其检测结果直接影响病情分析和诊断的结果。传统的边缘检测算子由于受噪声影响比较大,无法检测细胞可靠的边缘位置,因而不宜应用于细胞形态分析。提出一种用迭代算法求图像分割最佳阈值和运用数学形态学的腐蚀算法实现轮廓提取相结合的细胞图像边缘精确检测算法,并给出仿真实例。与传统的边缘检测算子Laplacian-Gauss算子、Sobel算子相比较,该算法具有检测精度高和抗干扰能力强的优点。     

基于敏感区域多结构元素形态学边缘检测算法

在边缘检测算法的应用中,很难同时兼顾图像处理效果和处理速度,为此,提出了一种新的边缘检测算法,将边缘处理集中在感兴趣的图像区域中.该算法利用梯度算子获得图像中的敏感区域,再构造多种结构元素,结合形态学梯度和OTSU分割法检测敏感区域的边缘.应用于沥青路面裂缝图像检测,实验结果表明,与其它边缘检测算法相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.在保证处理效果的同时,也保证了处理速度,有很高的实用性和推广性.     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。     

图像最大内切圆求解算法的研究

为了利用现有图片资料重建管道的三维形态,文中首先将图像数字化并提取了相关信息,然后应用了数学形态学中图像腐蚀处理的思想,提出利用逐层去除边缘的算法求解每张图片中图像最大内切圆,较好的解决了图像三维重建问题。算法中采用了改进的边缘检测算子,该算子能够适合于各种形状图像边缘检测。这一算法在实际求解过程中取得了令人满意的结果。     

用多结构元素实现医学图像边缘检测

为了简单有效的获得医学图像边缘,本文从数学形态学的角度出发,利用多结构元素对不同方向的边缘敏感来保留更多的边缘细节信息,提出了一种改进的形态学边缘检测算法。本文首先将形态学的BTH与WTH运算相结合进行图像增强,再结合开闭运算提出了一种抗噪型的边缘检测算子,对运用多结构元素得到的边缘图像进行累加,最后对该叠加后的边缘图像进行修正得到最终结果。实验证明,该算法在抑制噪声对边缘的影响和保持图像的边缘细节上,均取得了很好的效果,具有一定的实用性。     

利用图像对比度进行显著目标检测

为了对复杂自然场景中各类显著目标进行准确的检测,提出了一种基于图像对比度的检测方法。首先利用全局对比度算子对图像进行检测得到全局对比度显著图,再利用局部对比度算子进行检测得到局部对比度显著图,对局部对比度显著图再做边缘处理和形态学膨胀,然后用全局对比度算子对其紧凑化得到最后的局部对比度显著图。融合全局和局部对比度显著图并加入一定的先验知识得到最后的显著目标图。实验表明该方法性能超过了现有大多数显著目标检测方法。