基于组合式形态学算子的多尺度边缘检测

doi:10.3778/j.issn.1002-8331.2010.05.049

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (5): 160-161.DOI: 10.3778/j.issn.1002-8331.2010.05.049

• 图形、图像、模式识别 • 上一篇下一篇

基于组合式形态学算子的多尺度边缘检测

李敏¹，孙辉^1，2，吴烈阳¹，白明明¹

1.南昌航空大学计算机学院，南昌 330063
2.南昌工程学院计算机科学与技术系，南昌 330099

收稿日期:2008-08-14 修回日期:2008-10-29 出版日期:2010-02-11 发布日期:2010-02-11
通讯作者: 李敏

Multi-scale edge detection method based on synthesized morphological transform

LI Min¹，SUN Hui^1，2，WU Lie-yang¹，BAI Ming-ming¹

1.Academy of Computer，Nanchang Hangkong University，Nanchang 330063，China
2.Department of Computer Science and Technology，Nanchang Institute of Technology，Nanchang 330099，China

Received:2008-08-14 Revised:2008-10-29 Online:2010-02-11 Published:2010-02-11
Contact: LI Min

摘要/Abstract

摘要： 针对传统的边缘检测方法因卷积运算造成模糊图像边缘，且对噪声敏感，各种形态学边缘检测方法因检测到的边缘信息类型不同而容易使边缘信息丢失，提出一种组合式抗噪型形态学边缘检测算子；并利用不同尺度的结构元素具有不同的图像边缘检测效果，进行形态结构元素的尺度调整，得到不同尺度结构元素下的图像边缘位置；然后进行加权合成来获得边缘图像；实验表明，与其他的传统或者形态学边缘检测方法相比，该文方法不仅具有更好的噪声抑制功能，而且其检测到的边缘轮廓更加清晰完整，边缘细节更加丰富。

关键词: 数学形态学, 组合式边缘检测算子, 多尺度, 结构元素

Abstract: The detection results of traditional edge detection method are fuzzing and sensitive to noise for convolution operation，and the detection results of morphological edge detection method are easy to lose edge information for various detection results.A new morphological edge detection method is proposed.This method realizes a modified morphological transform through combining various combined anti-noise-morphological edge detection transforms.The detection results of image edge are different morphologically for multi-scale structural elements.Thus，the image edges position under various sizes of structural elements is obtained by the size adjustment of the morphological structural elements，and then it is synthesized in a weighting way so as to form the edge image.Experiments show that，compared with other traditional or morphological edge detection methods，the mothod in this paper reveals its superiority over de-noising capacity，more complete and clearer edge contour with more exact details.

Key words: mathematic morphology, synthesized edge detection transform, multi-sacle, structural element

中图分类号:

TP391

李敏¹，孙辉^1，2，吴烈阳¹，白明明¹. 基于组合式形态学算子的多尺度边缘检测[J]. 计算机工程与应用, 2010, 46(5): 160-161.

LI Min¹，SUN Hui^1，2，WU Lie-yang¹，BAI Ming-ming¹. Multi-scale edge detection method based on synthesized morphological transform[J]. Computer Engineering and Applications, 2010, 46(5): 160-161.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[3]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[4]	梁芳烜，杨锋，卢丽云，尹梦晓. 基于卷积神经网络的脑肿瘤分割方法综述[J]. 计算机工程与应用, 2021, 57(7): 34-43.
[5]	罗会兰，彭珊，陈鸿坤. 目标检测难点问题最新研究进展综述[J]. 计算机工程与应用, 2021, 57(5): 36-46.
[6]	李佐龙，王帮海，卢增. 多尺度特征融合重建的行人检测方法[J]. 计算机工程与应用, 2021, 57(4): 176-182.
[7]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[8]	刘万军，张正寰，曲海成. 融合DenseNet的多尺度图像去模糊模型[J]. 计算机工程与应用, 2021, 57(24): 219-226.
[9]	徐健，黄磊，陈倩倩，陆珍，吴曙培. 基于多尺度特征迁移学习的步态识别研究[J]. 计算机工程与应用, 2021, 57(20): 180-187.
[10]	吴卓钊，范科峰，莫玮. 多尺度权重评估的MSRCR混合曝光成像算法[J]. 计算机工程与应用, 2021, 57(17): 224-229.
[11]	贺照蒙，孔广黔，吴云. 一种改进的室内场景语义分割网络[J]. 计算机工程与应用, 2021, 57(16): 197-202.
[12]	熊杰，彭军，杨文姬，黄丽芳. 多尺度高分辨率保持和视角不变的手姿态估计[J]. 计算机工程与应用, 2021, 57(14): 148-157.
[13]	左保川，张晴. 采用特征引导机制的显著性检测网络[J]. 计算机工程与应用, 2021, 57(14): 201-208.
[14]	宋忠浩，谷雨，陈旭，聂圣东. 基于加权策略的高分辨率遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(13): 199-206.
[15]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.

基于组合式形态学算子的多尺度边缘检测

Multi-scale edge detection method based on synthesized morphological transform

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