基于遗传算法优化的多尺度形态边缘检测方法

提出了一种用遗传算法优化结构元素的多尺度数学形态学图像边缘检测方法。实验表明:该方法改进了以往结构元素选取自适应差的不足,可以无需人为干预,就能把图像边缘检测出来。

采用多结构元素模板的形态学边缘检测新算法

边缘检测是图像处理和计算机视觉中的基本问题。为了能有效地捕获目标的主要特征,提出了一种基于Ostu阈值分割和数学形态学的灰度图像边缘检测新算法。利用Ostu算法找到一个最佳的阈值,根据这个阈值把灰度图像二值化,构造四个不同方向的3×3或5×5的结构元素模板,采用数学形态学中的腐蚀算法利用元素模板来腐蚀二值图像。自适应地均衡腐蚀结果,检测出图像边缘。仿真和分析表明同传统边缘检测算法相比新算法运算量小,检测的边缘轮廓清晰,连续性好,可以很好地提取图像中富含的边缘信息,且抗噪声性能较好,假边较少,适用性强。

基于多结构元的数学形态学的边缘检测

针对传统边缘检测算子具有对噪声敏感、提取出的边缘细节特征没有得到很好的保持等不足,文中在Canny算法启发下提出了一种基于多结构元的数学形态学边缘检测算法,并经过数学形态学细化算法提取图像边缘,并与Sobel边缘检测算法和Canny边缘检测算法得到的图像边缘仿真结果进行对比,分析比较其优点不足,得出结论:文中算法得到的图像边缘其定位准确且较平滑,轮廓清晰,很好地保留了边缘细节特征,比较容易并行实现,而且由于此种边缘检测算法抗噪能力较强,能较好解决性噪比和单边缘响应之间的矛盾。

粒子群优化算法在柔性边缘检测方法选取中的应用

边缘检测是图像处理中很重要的组成部分,其效果好坏直接影响到后面的图像分析。柔性形态变换用于图像边缘检测的方法有多种,粒子群优化(PSO)算法是一种有效的全局优化方法,广泛应用于函数优化,神经网络训练以及模糊系统控制等领域。该文将粒子群算法引入柔性形态学用来选取最佳图像边缘检测方法。实验结果证明,该文所提方法行之有效,值得推广。

基于免疫遗传形态学的视网膜光学相干断层图像边缘检测方法

提出了基于免疫遗传算法的形态学自适应结构元素生成算法,并将其用于光学相干断层成像(optical coherence tomography,OCT)图像中视网膜组织边缘检测.首先将图像进行去噪和粗分割的预处理,并将图像划分为若干子图像;其次对每一子图利用免疫遗传算法求取自适应结构元,初始随机生成固定长度的二进制数串作为抗体,并将其转化为结构元素格式,以图像二维熵定义抗体适应度,根据子图像本身结构特征信息,寻找最优抗体结构元素;最后利用寻优得到的各结构元素对子图进行形态学边缘检测,合并各子图的分割结果,实现整体图像目标边界提取.实验结果表明了该方法在图像目标边界提取的有效性.