图像轮廓提取方法研究

doi:10.3778/j.issn.1002-8331.2008.25.049

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (25): 161-165.DOI: 10.3778/j.issn.1002-8331.2008.25.049

• 图形、图像、模式识别 • 上一篇下一篇

图像轮廓提取方法研究

邹柏贤^1,2,林京壤¹

1.北京联合大学应用文理学院信息系，北京 100083
2.福建师范大学软件学院，福州 350007

收稿日期:2008-03-27 修回日期:2008-07-14 出版日期:2008-09-01 发布日期:2008-09-01
通讯作者: 邹柏贤

Contour extraction research of image

ZOU Bai-xian^1,2,LIN Jing-rang¹

1.College of Arts & Science of Beijing Union University，Beijing 100083，China
2.Software Institute，Fujian Normal University，Fuzhou 350007，China

Received:2008-03-27 Revised:2008-07-14 Online:2008-09-01 Published:2008-09-01
Contact: ZOU Bai-xian

摘要/Abstract

摘要： 对现有的轮廓提取现状进行分析，把主要的轮廓提取方法划分为先验知识法、数学形态法、基于梯度的方法、水平集方法、活动轮廓模型方法、以及神经动力学方法六大类，并研究这些方法的主要特点。对轮廓提取方法研究进行展望，提出神经动力学方法是轮廓提取方法的发展方向。

关键词: 图像处理, 轮廓提取, 神经动力学

Abstract: The current research methods for contour extracting are discussed.The main methods are classified into six types of contour extracting，those are the methods of using priori knowledge，the methods of using mathematical morphology，the methods using the gradient of a image，the methods based on level set，the methods using the active contour model，and the methods using neutral dynamics，the characteristics of them are studied.The future for contour extracting field is forecasted，and the methods using neutral dynamics is considered as a very promising field.

Key words: image processing, contour extracting, neural dynamics

邹柏贤^1,2,林京壤¹. 图像轮廓提取方法研究[J]. 计算机工程与应用, 2008, 44(25): 161-165.

ZOU Bai-xian^1,2,LIN Jing-rang¹. Contour extraction research of image[J]. Computer Engineering and Applications, 2008, 44(25): 161-165.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[12]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[13]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[14]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.
[15]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.

图像轮廓提取方法研究

Contour extraction research of image

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics