新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

基于多尺度形态学的运动目标边缘检测算?/p>

研究

 

作者:徐康?/p>

 

来源:《电子技术与软件工程?/p>

2016

年第

01

?/p>

 

        

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学?/p>

度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图

像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结

果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确

率?/p>

 

        

【关键词】多尺度边缘检?/p>

 

形态学梯度

 

图像处理

 

        1 

引言

 

        

在图像处理中,边缘(

edge

)不仅仅是指表示物体边界的线,还应包括能够描绘图像特?/p>

的线要素,利用所提取的边缘点可以分割出特定的物体,因此边缘检测是一种重要的图像分割

方法,可作为复杂的图像识别、图像理解的预处理环节。常见的边缘检测算子包括:

Roberts

?/p>

Sobel

?/p>

Canny

算子等。当

Roberts

算子运用到彩色图像时,与灰度化彩色图像不同,它是将彩

色图像中两个像素?/p>

RGB

颜色空间的三个分量(

r

?/p>

g

?/p>

b

)的偶数距离代入

Roberts

算子中计

算,确定图像边缘,最终获得文本区域。在利用边缘检测的邮件地址标签图像分割方法中,?/p>

减小后续计算复杂度,首先图像需经过预处理和灰度化,再利?/p>

Sobel

算子检测图像边缘,?/p>

Hough

变换筛选和聚类边缘点,达到分割邮件图像地址信息的目的。在检测视频图像的算法

中,利用其边缘检测和线条特征,将

Canny

算子进行改进,然后应用于图像边缘检测中。一?/p>

候选图像的边缘被检测出,用连通扫描算法追踪相邻的边缘像素,形成线条,然后过滤线条?/p>

再将相邻的线条聚集起来,从而获得候选区域,最后依照图像特征确定图像区域?/p>

 

        2 

多尺度形态学梯度的边缘检?/p>

 

        

常用的边缘检测算子,计算图像中局部小区域的差分,这些算子对噪声较敏感,且常会?/p>

检测边缘的同时加强噪声。而形态边缘检测器建立在形态梯度基础之上,虽也对噪声较敏感,

但不会引起噪声的加强或放大?/p>

 

        

其中?/p>

f

为原始图像,

g

为结构元素。单尺度形态学梯度算子性能由结构元?/p>

g

的大小所

决定。倘若

g

足够大,对斜坡边缘而言,梯度算子的输出与边缘高度相等。大结构元素会加?/p>

边缘间的影响,将会引发梯度极大值与边缘的差异;而小结构元素虽使得梯度算子具备高分辨

率的优势,但对斜坡边缘会出现一个很小的输出结果?/p>

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

基于多尺度形态学的运动目标边缘检测算?/p>

研究

 

作者:徐康?/p>

 

来源:《电子技术与软件工程?/p>

2016

年第

01

?/p>

 

        

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学?/p>

度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图

像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结

果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确

率?/p>

 

        

【关键词】多尺度边缘检?/p>

 

形态学梯度

 

图像处理

 

        1 

引言

 

        

在图像处理中,边缘(

edge

)不仅仅是指表示物体边界的线,还应包括能够描绘图像特?/p>

的线要素,利用所提取的边缘点可以分割出特定的物体,因此边缘检测是一种重要的图像分割

方法,可作为复杂的图像识别、图像理解的预处理环节。常见的边缘检测算子包括:

Roberts

?/p>

Sobel

?/p>

Canny

算子等。当

Roberts

算子运用到彩色图像时,与灰度化彩色图像不同,它是将彩

色图像中两个像素?/p>

RGB

颜色空间的三个分量(

r

?/p>

g

?/p>

b

)的偶数距离代入

Roberts

算子中计

算,确定图像边缘,最终获得文本区域。在利用边缘检测的邮件地址标签图像分割方法中,?/p>

减小后续计算复杂度,首先图像需经过预处理和灰度化,再利?/p>

Sobel

算子检测图像边缘,?/p>

Hough

变换筛选和聚类边缘点,达到分割邮件图像地址信息的目的。在检测视频图像的算法

中,利用其边缘检测和线条特征,将

Canny

算子进行改进,然后应用于图像边缘检测中。一?/p>

候选图像的边缘被检测出,用连通扫描算法追踪相邻的边缘像素,形成线条,然后过滤线条?/p>

再将相邻的线条聚集起来,从而获得候选区域,最后依照图像特征确定图像区域?/p>

 

        2 

多尺度形态学梯度的边缘检?/p>

 

        

常用的边缘检测算子,计算图像中局部小区域的差分,这些算子对噪声较敏感,且常会?/p>

检测边缘的同时加强噪声。而形态边缘检测器建立在形态梯度基础之上,虽也对噪声较敏感,

但不会引起噪声的加强或放大?/p>

 

        

其中?/p>

f

为原始图像,

g

为结构元素。单尺度形态学梯度算子性能由结构元?/p>

g

的大小所

决定。倘若

g

足够大,对斜坡边缘而言,梯度算子的输出与边缘高度相等。大结构元素会加?/p>

边缘间的影响,将会引发梯度极大值与边缘的差异;而小结构元素虽使得梯度算子具备高分辨

率的优势,但对斜坡边缘会出现一个很小的输出结果?/p>

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

基于多尺度形态学的运动目标边缘检测算?/p>

研究

 

作者:徐康?/p>

 

来源:《电子技术与软件工程?/p>

2016

年第

01

?/p>

 

        

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学?/p>

度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图

像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结

果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确

率?/p>

 

        

【关键词】多尺度边缘检?/p>

 

形态学梯度

 

图像处理

 

        1 

引言

 

        

在图像处理中,边缘(

edge

)不仅仅是指表示物体边界的线,还应包括能够描绘图像特?/p>

的线要素,利用所提取的边缘点可以分割出特定的物体,因此边缘检测是一种重要的图像分割

方法,可作为复杂的图像识别、图像理解的预处理环节。常见的边缘检测算子包括:

Roberts

?/p>

Sobel

?/p>

Canny

算子等。当

Roberts

算子运用到彩色图像时,与灰度化彩色图像不同,它是将彩

色图像中两个像素?/p>

RGB

颜色空间的三个分量(

r

?/p>

g

?/p>

b

)的偶数距离代入

Roberts

算子中计

算,确定图像边缘,最终获得文本区域。在利用边缘检测的邮件地址标签图像分割方法中,?/p>

减小后续计算复杂度,首先图像需经过预处理和灰度化,再利?/p>

Sobel

算子检测图像边缘,?/p>

Hough

变换筛选和聚类边缘点,达到分割邮件图像地址信息的目的。在检测视频图像的算法

中,利用其边缘检测和线条特征,将

Canny

算子进行改进,然后应用于图像边缘检测中。一?/p>

候选图像的边缘被检测出,用连通扫描算法追踪相邻的边缘像素,形成线条,然后过滤线条?/p>

再将相邻的线条聚集起来,从而获得候选区域,最后依照图像特征确定图像区域?/p>

 

        2 

多尺度形态学梯度的边缘检?/p>

 

        

常用的边缘检测算子,计算图像中局部小区域的差分,这些算子对噪声较敏感,且常会?/p>

检测边缘的同时加强噪声。而形态边缘检测器建立在形态梯度基础之上,虽也对噪声较敏感,

但不会引起噪声的加强或放大?/p>

 

        

其中?/p>

f

为原始图像,

g

为结构元素。单尺度形态学梯度算子性能由结构元?/p>

g

的大小所

决定。倘若

g

足够大,对斜坡边缘而言,梯度算子的输出与边缘高度相等。大结构元素会加?/p>

边缘间的影响,将会引发梯度极大值与边缘的差异;而小结构元素虽使得梯度算子具备高分辨

率的优势,但对斜坡边缘会出现一个很小的输出结果?/p>

 

Ͼλ">
Ͼλ
Ŀ

基于多尺度形态学的运动目标边缘检测算法研?- 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

龙源期刊?/p>

 http://www.qikan.com.cn 

基于多尺度形态学的运动目标边缘检测算?/p>

研究

 

作者:徐康?/p>

 

来源:《电子技术与软件工程?/p>

2016

年第

01

?/p>

 

        

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学?/p>

度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图

像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结

果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确

率?/p>

 

        

【关键词】多尺度边缘检?/p>

 

形态学梯度

 

图像处理

 

        1 

引言

 

        

在图像处理中,边缘(

edge

)不仅仅是指表示物体边界的线,还应包括能够描绘图像特?/p>

的线要素,利用所提取的边缘点可以分割出特定的物体,因此边缘检测是一种重要的图像分割

方法,可作为复杂的图像识别、图像理解的预处理环节。常见的边缘检测算子包括:

Roberts

?/p>

Sobel

?/p>

Canny

算子等。当

Roberts

算子运用到彩色图像时,与灰度化彩色图像不同,它是将彩

色图像中两个像素?/p>

RGB

颜色空间的三个分量(

r

?/p>

g

?/p>

b

)的偶数距离代入

Roberts

算子中计

算,确定图像边缘,最终获得文本区域。在利用边缘检测的邮件地址标签图像分割方法中,?/p>

减小后续计算复杂度,首先图像需经过预处理和灰度化,再利?/p>

Sobel

算子检测图像边缘,?/p>

Hough

变换筛选和聚类边缘点,达到分割邮件图像地址信息的目的。在检测视频图像的算法

中,利用其边缘检测和线条特征,将

Canny

算子进行改进,然后应用于图像边缘检测中。一?/p>

候选图像的边缘被检测出,用连通扫描算法追踪相邻的边缘像素,形成线条,然后过滤线条?/p>

再将相邻的线条聚集起来,从而获得候选区域,最后依照图像特征确定图像区域?/p>

 

        2 

多尺度形态学梯度的边缘检?/p>

 

        

常用的边缘检测算子,计算图像中局部小区域的差分,这些算子对噪声较敏感,且常会?/p>

检测边缘的同时加强噪声。而形态边缘检测器建立在形态梯度基础之上,虽也对噪声较敏感,

但不会引起噪声的加强或放大?/p>

 

        

其中?/p>

f

为原始图像,

g

为结构元素。单尺度形态学梯度算子性能由结构元?/p>

g

的大小所

决定。倘若

g

足够大,对斜坡边缘而言,梯度算子的输出与边缘高度相等。大结构元素会加?/p>

边缘间的影响,将会引发梯度极大值与边缘的差异;而小结构元素虽使得梯度算子具备高分辨

率的优势,但对斜坡边缘会出现一个很小的输出结果?/p>

 



ļ׺.doc޸Ϊ.docĶ

  • ҵ
  • 2020꼽̰꼶ϲѧ-ĩԾ_()
  • ˵Ӿ(ע)
  • 2018-2024йöϻҵ״ӮоԤⱨ
  • 4λƼʵ
  • ҿƼʾ
  • ʯɽ20183ͳһ(һģ)Ծ()
  • ũνĵ˼
  • ޿ռ俼
  • ϵͳ̸ϰϼ()(Ӧ)

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)