结合小波变换和数学形态学的优点,提出了一种基于小波变换和数学形态学的边缘检测算法.基于数学形态学的边缘检测,对现有的检测算子进行改进,构造了一种抗噪型边缘检测算子,并使用不同方向的线型结构元素;基于小波变换的边缘检测能有效地保留图像边缘的细节信息,使提取的边缘完整连续.实验结果表明,本研究提出的算法与几种经典边缘检测算子相比,有效抑制了噪声的影响,提高了检测的精度,对各种不同图像具有很好的鲁棒性.
2022-05-04 16:10:18
1.3MB
1
图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声，为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解，高频分量利用小波模极大值算法进行边缘检测，可有效提取高频边缘；低频分量采用形态学差分算法进行边缘检测，能够检测出低频边缘；采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明，该方法优于单独使用小波模极大值法或数学形态学法，对噪声具有很好的鲁棒性，得到的图像边缘连续、清晰。
2022-05-04 15:42:25
555KB
1
针对基于数学形态学的去除高浓度椒盐噪声不足问题，采用了一种基于数学形态学的噪声去除方法。所提滤波方法分为预滤波和滤波两个阶段。在预滤波阶段，设定一个简单的检测算子用于构造逐点自适应的3×3像素大小结构元素；在滤波阶段，对预滤波过的像素进行中值滤波。仿真结果表明所提的滤波方法不仅能有效地去除高浓度椒盐噪声，并能很好地保留图像的原有细节信息，而且PSNR值比其他滤波方法平均高出3 dB左右，并具有较短的滤波时间。
2022-05-04 08:24:26
1MB
1