基于形态学滤波的图像伪边缘去除方法

针对传统边缘检测算子去除由噪声引起的伪边缘难的问题,提出了一种基于数学形态学滤波的图像伪边缘去除方法.该方法首先利用自适应中值滤波器对图像进行滤波,然后用Canny算子对图像进行边缘检测,对处理后的图像进行改进的τ-运算以去除伪边缘,从而得到较理想的图像边缘.仿真实验表明,该方法不仅有效地去除了由噪声引起的图像伪边缘,而且保留了完整的图像边缘,具有较小的均方根误差.     

基于LoG算法的车辆图像边缘的提取

阐述了LoG算法的一般式及其对图像边缘提取的原理，并应用LoG算法对车辆图像进行了提取，获得了质量比较理想的车辆边缘图像。该方法可广泛用于流量较大的自动车辆检测系统和其他动态图像识别系统。     

基于自适应形态学滤波的ICT图像缺陷提取

针对ICT图像缺陷现有提取方法的不足,提出了一种自适应的数学形态学滤波方法．该方法首先对整张图像进行分水岭变换,根据区域大小自适应地选取结构元素区域．然后对该区域边界进行椭圆拟合,以确定结构元素模板．根据形态学原理运用此模板对图像进行闭运算,从而获得图像背景．最后,用背景图像减去原始图像,即可获得缺陷的图像．试验结果表明,该方法能获得更好的图像缺陷提取效果．     

综合小波和数学形态学的图像边缘检测

提出一种基于小波和数学形态学相结合的图像边缘检测方法,即将图像分为高频和低频两部分别进行处理,利用小波对高频和低频部分进行边缘检测后,再利用数学形态学方法对低频进行边缘处理,并对两种边缘图像进行了融合.实验结果证实了该算法的可行性.     

高分辨率遥感图像道路边缘自动检测与提取技术研究

基于对高分辨率遥感图像中道路特征的分析,对传统的道路边缘自动检测与提取技术进行了改进,提出了新的技术路线和框架,引入数学形态学重建和边缘追踪算法对高分辨率遥感图像进行道路边缘自动检测。定义了描述边缘形状特性的P因子、F因子和C因子,利用K均值聚类的方法实现了基于多重判别准则的道路边缘提取,从而在众多的边缘检测结果中,排除房屋等其它区域的干扰,准确的获得道路边缘。     

基于视觉注意机制 PCNN 模型的车牌 图像分割方法

车辆图像中车牌具有所占比例小、位置不固定、大小不一,以及分割易受光照影 响的特点.因此,车牌图像的分割始终是车辆跟踪、车辆识别等领域中的难点问题.针对以 上问题,本文提出了基于视觉注意机制脉冲耦合神经网络模型的车牌图像分割方法.该方 法将视觉注意机制中的数据驱动模式和任务驱动模式相结合. 数据驱动模式中,通过对 PCNN 模型细胞感受野功能的完善,使优化 PCNN 模型具有了尺度性和方向性.任务驱 动模式中,针对不同尺度的分割,利用组合不变矩和局部灰度熵,自适应地确定目标的特 征尺度和最佳尺度,并确定该目标最终的分割结果.经实验验证,该方法对车牌图像具有 较好的分割效果.     

基于图像形态滤波的边缘检测

为很好地检测出被噪声污染的图像的边缘,首先采用CB形态滤波对图像进行预处理,再用canny法获得较高的边缘检出率,最后采用最小费用搜索法进一步提高了边缘质量,建立在结构元素轮廓的概念之上,以集合延展度为特征进行处理的CB形态滤波保证了滤除噪声的同时保持图像细节,canny算法对噪声和弱边缘有更强的适应性,而最小费用搜索法对因滤波后遗留噪声引起的虚假边缘有很好的抑制能力,实例表明这种检测方法能够获得较好的图像边缘。     

基于边缘检测的焊缝图像自动识别算法

提出一种基于边缘检测的焊缝图像识别方法,即通过对螺旋钢管焊缝图像的实时采集、处理、分析,一旦发现焊枪偏离焊缝中心则及时对焊枪走向加以调整.该方法运用在实际螺旋钢管焊接中,具有检测时间短、误差小、工作稳定可靠、抗干扰能力强等特点.     

基于边缘检测的焊缝图像自动识别算法

提出一种基于边缘检测的焊缝图像识别方法,即通过对螺旋钢管焊缝图像的实时采集、处理、分析,一旦发现焊枪偏离焊缝中心则及时对焊枪走向加以调整。该方法运用在实际螺旋钢管焊接中,具有检测时间短、误差小、工作稳定可靠、抗干扰能力强等特点。     

一种自动提取车型图像边缘阈值算法的仿真研究

提出了一种利用改进的遗传算法自动选取车型图像边缘提取阈值的方法,使车型图像边缘能被完整地提取出来;从而达到识别汽车车型的目的。仿真结果表明:该算法节省了阈值的选取时间,增强了抗噪声性能,提高了车型识别率。     

基于自动阈值检测和边缘连接的路面裂缝边缘提取方法

随着不同等级公路的快速发展,对道路裂纹或裂缝的检测技术也提出了更高的要求。道路裂纹或裂缝检测技术主要依赖于图像处理、模式识别等数字图像处理技术,针对道路裂纹或裂缝检测的关键技术,提出了一种基于改进的边缘提取算法的路面裂缝检测方法。该方法有效降低了传统图像边缘提取算法对噪声、异常的敏感度,提高了对不同图像阈值的自适应性,数值算例表明该算法可有效、准确地对路面裂纹或裂缝进行检测。     

一种基于数学形态学的灰度图象边缘检测方法

本文用数学形态学的理论，提出了一种新的灰度图像边缘检测算法。并通过选取合适的结构元素，在微机图象处理系统上，用软件的方法加以具体实现。结果表明：这种方法算法简单，运算速度快，效果好。     

基于边缘检测及数学形态学的快速汽车车牌定位

车牌定位是汽车牌照识别系统的重要环节,定位的准确性直接影响车牌识别的准确率.文章研究了利用图像边缘及数学形态学的快速汽车车牌定位方法,首先将彩色图像灰度化,并利用Sobel算子进行图像边缘提取,然后运用数学形态学算法对二值图像进行处理,得到几个车牌候选区域,最后利用连通区域的长宽比,面积比及车牌字符水平分布特征等来准确定位车牌.实验表明,这一方法能快速准确地实现车牌定位.     

基于改进Canny算法的噪声图像边缘检测

针对经典Canny算法应用中常出现的无法滤除椒盐噪声且滤波后图像细节信息易丢失、Sobel卷积核定位的边缘信息精度较差、双阈值选取存在偶然性等问题,对Canny算法进行改进。首先采用自适应中值-高斯滤波法代替传统的高斯滤波,并融合Laplace边缘增强法,滤除大量噪声的同时保留图像边缘细节信息;使用精度更高的Scharr算子代替Sobel算子计算图像梯度幅值和方向;然后通过最大类间方差法自适应计算图像的最优阈值;最后选用BSD500数据集进行实验,结果表明：文中算法相对于经典Canny算法,峰值信噪比平均提升14.5 dB,边缘检测评价指标C/A提高0.07～0.24,C/B提高0.06～0.14,算法性能指标提高24.8%。     

基于改进Canny算子的遥感图像边缘检测

针对传统的Canny边缘检测算子存在高斯滤波函数方差和阈值需要人工设置的缺点,提出了一种基于改进Canny算子的遥感图像边缘检测算法.首先利用复合形态学滤波代替高斯滤波,可得到更好的平滑效果,同时保留更多的边缘信息;然后利用Otsu阈值方法对阈值进行自适应设定,可以使检测边缘更加连续完整,并减少虚假边缘的存在;最后引入数学形态学算法实现对边缘细化处理.实验结果表明,将改进的Canny算子应用到遥感图像的处理中,具有良好的抗噪性能和检测精度.     

基于小波变换的边缘提取及特性分析

提出一种小波变换进行图像边缘提取的算法，并论证了该算法在没有噪声的情况下对阶跃型边缘具有精确的定位能力，最后，给出了试验结果。     

基于自适应阈值的车辆边缘提取算法研究

实际道路视频图像背景复杂多变,给车辆边缘检测带来困难.提出用最大类间方差法求边缘检测算子的阈值,并给出具体迭代求解过程,得到的阈值能随图像背景的变化而变化,具有自适应性.实验结果表明了算法的可行性和有效性.     

基于灰度形态学的图像预处理及其三维重构研究

对三维表面重构所用图片的预处理、三维重构Marching Cubes算法及其算法的具体编程实现进行了详细地讨论和验证,其相关技术在工程软件设计中获得了预计的结果.     

基于分形特征的医用图像边缘增强和检测

由曼德勃罗特（BenoitB.Mandelbrot）的分形理论可知,建立在分形布朗运动模型之上的医用图像总可以计算得到一分形维数。本文在建立于分形布朗运动模型之上的分形维数的估算进行了讨论。通过将整个医用图像中每个像素的分形值,转化为相应象素的灰度值,得到了边缘增强和检测图。结果显示,基于分形的医用图像转化算法较之传统的图像边缘增强算法有利于减少噪声。