改进的形态学和小波变换边缘检测算法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (21): 214-216.

• 图形、图像、模式识别 • 上一篇下一篇

改进的形态学和小波变换边缘检测算法研究

姚宇峰，夏开建，钟珊，常晋义

常熟理工学院计算机科学与工程学院，江苏常熟 215500

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-21 发布日期:2011-07-21

Research on improved morphology and wavelet transform algorithm for edge detection

YAO Yufeng，XIA Kaijian，ZHONG Shan，CHANG Jinyi

College of Computer Science and Engineering，Changshu Institute of Technology，Changshu，Jiangsu 215500，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-21 Published:2011-07-21

摘要/Abstract

摘要： 针对传统数学形态学边缘检测算法存在的图像噪声干扰、边缘分辨率较低等问题，提出了一种基于数学形态学与小波变换方法相结合的边缘检测改进算法。在小波域中，对图像分解的弱边缘进行适当的加强，对低频系数采用模极大值法进行边缘处理，对边缘细节比较多的高频系数采用基于多尺度的双结构元素数学形态学算法进行边缘检测，最终得到图像的完整边缘。实验结果表明与传统的小波变换边缘检测法以及数学形态学边缘检测等方法相比，此种算法更能有效提取准确的边缘信息，而且又具有很强的抗噪性，是一种有效的边缘检测方法。

关键词: 小波变换, 数学形态学, 边缘检测, 多结构元素, 噪声

Abstract: An improved edge detecting algorithm based on mathematical morphology and wavelet transform is proposed to overcome the limitation which embarrasses the performance of the traditional mathematical morphological methods.In the low-frequency image，the coefficients that have maximal absolute values are selected and the consistency of these coefficients is verified，while the high-frequency sub-image edges are detected by multi-scales and two-structuring elements mathematical morphology.Finally it can get a complete edge of the image.Experimental results show that compared with the traditional wavelet transform edge detecting method and math morphology method，this method can adaptively extract accurate edge information，and better decrease the noise.

Key words: wavelet transform, math morphology, edge detection, multi-structuring elements, noise

姚宇峰，夏开建，钟珊，常晋义. 改进的形态学和小波变换边缘检测算法研究[J]. 计算机工程与应用, 2011, 47(21): 214-216.

YAO Yufeng，XIA Kaijian，ZHONG Shan，CHANG Jinyi. Research on improved morphology and wavelet transform algorithm for edge detection[J]. Computer Engineering and Applications, 2011, 47(21): 214-216.

[1]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[2]	徐麒皓，李波. 基于NRU网络的肺结节检测方法[J]. 计算机工程与应用, 2021, 57(4): 83-90.
[3]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[4]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[5]	王洁，金正猛，冯灿. 自适应广义全变差的图像泊松去噪算法[J]. 计算机工程与应用, 2021, 57(20): 203-209.
[6]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[7]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.
[8]	刘洪琛，刘朝霞，张龙. 融合[L2]和KL保真项的图像恢复算法[J]. 计算机工程与应用, 2020, 56(5): 214-221.
[9]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[10]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[11]	朱苗苗，潘伟杰，刘翔，吕健，赵慧亮. 基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用, 2020, 56(2): 146-151.
[12]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[13]	袁小军，周涛，李琛. 基于稀疏先验的非局域聚类图像去噪算法研究[J]. 计算机工程与应用, 2020, 56(18): 177-185.
[14]	卢航，郝顺义，彭志颖，黄国荣. 基于MCC的鲁棒高阶CKF在组合导航中的应用[J]. 计算机工程与应用, 2020, 56(1): 257-264.
[15]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.

改进的形态学和小波变换边缘检测算法研究

Research on improved morphology and wavelet transform algorithm for edge detection

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