基于融合技术的小波变换和数学形态学的边缘检测算法

针对传统的基于小波变换的边缘检测法无法提取低频区域完整连续的边缘,并且会丢弃包含一些重要细节的高频区域,同时受到噪声的影响而导致边缘提取效果不佳的问题,提出了一种基于融合技术的小波变换和数学形态学的边缘检测算法.在小波域中,对低频子图像采用数学形态学进行边缘检测,对高频子图像先进行小波降噪再采用小波模极大值法进行加权边缘检测,最后采用一定的融合规则对高、低频边缘子图像进行融合.实验结果表明,该方法用于图像边缘提取,不但能有效去除噪声干扰,又能突出边缘细节,边缘定位连续准确.

改进的数学形态学小波图像融合算法

在分析了图像经小波分解后边缘信息容易丢失等问题的基础上,给出了小波形态学图像融合改进方法。为了提高图像质量,提出改进主要在低频系数选择算法上,采用形态学灰度形态梯度边缘检测算子对低频子图像进行边缘检测,能够更好的保存原图边缘细节信息;对高频系数选择采用基于绝对值最大的原则。对三组图像进行实验,实验表明采用改进方法使得局部对比度信息得到更好的保留,提高了分辨率,具有一定的实用性。

基于梯度方向的零交叉边缘检测

鉴于高斯拉普拉斯(LoG)算子具有各向同性且在有方向性差异的场合并不适应的不足,提出在梯度方向进行零交叉的边缘检测方法。首先使用自适应平滑滤波原图像;然后在水平和垂直两个方向上分别计算图像的一阶梯度分量;使用梯度算子分别对两个求得的一阶梯度分量进行操作,计算两方向上的二阶偏导数;分别对两个方向上的二阶偏导数进行零交叉检测,并合并零交叉点得到边缘图像;最后使用形态学图像处理方法去除边缘图像中面积较小的孤立点区域。结果表明,该方法在噪声环境中具有良好的边缘检测效果,且运算时间与LoG算子检测方法相当。

图像边缘提取在工件内部缺陷识别中的应用研究（英文）

工件内部缺陷是难于检验的,借助图像识别技术可以精确地确定工件内部是否存在缺陷以及界定工件内部缺陷的区域范围等,因此,断层扫描图像分割技术已广泛应用于工件内部的缺陷识别检测。为了克服采用传统分水岭算法分割图象导致的过分割现象,提出了一种图像边缘提取的智能融合算法。首先借助基于模糊形态学的开闭算法对图像做了平滑处理,其次,基于数学形态学计算了梯度算子,最后对梯度图像进行分割获得了期望的图像。仿真对比实验研究验证了该算法可较好地消除过分割现象,在工件内部缺陷图像识别中有更好的实时性与可用性。研究结果表明:提出的智能融合算法对提高图像处理质量有重要参考意义。

尾流特征图像提取的数学形态学方法

利用数学形态学提取船舶尾流图像形状特征的原理及方法,解决含有各种噪声的海洋船舶尾流特征图像的提取问题.通过数学形态学的膨胀、腐蚀、开启和闭合运算对尾流图像进行消噪,得到了尾流边缘清晰的消噪图像;对尾流消噪图像进行了细化骨架提取和修剪,得到了船舶尾流特征图像.对滤波后的图像进行了阈值二值化处理,尾流图像层次清楚,边缘突出,得到了清晰、不含噪声的尾流边缘图像.

一种形态学多小波变换多聚焦图像融合方法

给出了一种形态学多小波变换多聚焦图像融合方法。该方法利用不同的小波对待融合图像进行小波分解,采用形态学灰度形态梯度边缘检测算子对低频子图像进行边缘检测,以更好地保存图像边缘细节信息;采用加权平均方法选择高频系数。对两组多聚焦图像进行实验表明,采用这种方法能够更好地保留图像边缘信息,融合效果明显优于传统的图像融合方法。

基于形态滤波和Sobel算子的微钙化簇边缘检测算法

以数字化医学X光片为例,检测和确定图像中癌症标志物—微钙化簇(MCC)的位置和数量。在算法上,主要采用"对比度增强—Tophat滤波—边缘检测—确定MCC数量"四个步骤来实现。首先采用限制对比度自适应直方图均衡(CLAHE)算法增强图像对比度,再用Tophat形态学滤波增强图像细节以区分背景区域,然后采用Sobel梯度算子和形态学操作进行边缘检测,最后确定微钙化点的边缘和MCC的数量。

基于数学形态学的图像快速去噪方法

针对图像去噪和保护有用信息这个矛盾,阐述了数学形态学在处理这个问题的方法和有效性。提出了一种基于数学形态学的快速图像去噪方法。对一幅典型的含噪图像进行实验分析,证明了这种方法的可行性和有效性。

基于数学形态学的渐变色字符定位算法

为处理渐变色字符的字符定位,文章提出了一种基于数学形态学的字符定位算法。该算法很好地利用字符的特有属性,采用形态学中的边缘提取与膨胀操作,取得整体的字符骨架,再通过填充与腐蚀操作使得渐变色字符周围变得平滑,最后利用反色操作与top-hat滤波进行整体提亮,从而提取出字符。实验表明,该算法对渐变色字符有较强的定位能力,并能有效地去掉绝大部分噪声,字符提取率高达90%,与目前基于边缘分割,神经网络等算法相比有较大改进。

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。