自适应的形态学边缘检测算法

doi:10.3969/j.issn.1000-3428.2010.23.072

计算机工程 ›› 2010, Vol. 36 ›› Issue (23): 214-216.doi: 10.3969/j.issn.1000-3428.2010.23.072

自适应的形态学边缘检测算法

薛丽霞a，李涛a，王佐成b

(重庆邮电大学 a. 计算机科学与技术学院; b. 软件学院, 重庆 400065)

出版日期:2010-12-05 发布日期:2010-12-14
作者简介:薛丽霞(1976-)，女，副教授、博士，主研方向：数字图像处理，遥感与GIS软件；李涛，硕士研究生；王佐成，副教授、博士
基金项目:
重庆市教育委员会基金资助项目(KJ080521)；重庆邮电大学博士科研基金资助项目(A200814)

Adaptive Edge Detection Algorithm Based on Morphology

XUE Lixiaa,LI Taoa,WANG Zuochengb

(a. Computer College; b. Software College, Chongqing University of Posts and Telecommunications, Chongqing 400065, China)

Online:2010-12-05 Published:2010-12-14

摘要/Abstract

摘要： 针对传统的基于形态学边缘检测算法抗噪能力较差以及易丢失边缘细节的问题，提出一种自适应的抗噪型边缘检测算法。该算法采用多尺度的结构元素进行滤波，根据边缘方向自动选择相应方向的结构元素进行边缘检测以得到更多的边缘细节。实验结果表明，该算法不仅抗噪能力较强，检测到的边缘细节较多，而且还能提高边缘检测效率，是一种有效的边缘检测算法。

关键词: 边缘检测, 数学形态学, 多尺度, 结构元素

Abstract: The traditional edge detection algorithm based on morphology is poor in antinoise and detecting the details of the edge. In order to solve the problem, this paper proposes an adaptive antinoise edge detection algorithm based on morphology. The algorithm uses multiscale structural elements to remove noise, and then automatically selects the appropriate direction structural elements according to the direction of the edge to get more details of the edge. Experimental results show that the algorithm not only is a strong in antinoise, and can detect more edge details, but also is effective in improving the efficiency of the edge detection, so it is an effective edge detection algorithm.

Key words: edge detection, mathematical morphology, multipledimensioned, structural element

中图分类号:

TP391.41

薛丽霞, 李涛, 王佐成. 自适应的形态学边缘检测算法[J]. 计算机工程, 2010, 36(23): 214-216.

XUE Li-Xia, LI Chao, WANG Zuo-Cheng. Adaptive Edge Detection Algorithm Based on Morphology[J]. Computer Engineering, 2010, 36(23): 214-216.

[1]	李祥兵, 陈炼. 基于改进Faster?RCNN的自然场景人脸检测[J]. 计算机工程, 2021, 47(1): 210-216.
[2]	郝华颖, 赵昆, 苏攀, 张辉, 赵一天, 刘江. 一种基于改进ResU-Net的角膜神经分割算法[J]. 计算机工程, 2021, 47(1): 217-223.
[3]	冯玉芳, 殷宏, 卢厚清, 程恺, 曹林, 刘满. 基于改进全卷积神经网络的红外与可见光图像融合方法[J]. 计算机工程, 2020, 46(8): 243-249,257.
[4]	王金鹤, 苏翠丽, 孟凡云, 车志龙, 谭浩, 张楠. 基于非对称空间金字塔池化的立体匹配网络[J]. 计算机工程, 2020, 46(7): 228-234,242.
[5]	熊亚辉, 陈东方, 王晓峰. 基于多尺度反向投影的图像超分辨率重建算法[J]. 计算机工程, 2020, 46(7): 251-259.
[6]	郑秋梅, 王璐璐, 王风华. 基于改进卷积神经网络的交通场景小目标检测[J]. 计算机工程, 2020, 46(6): 26-33.
[7]	包壮壮, 赵学军, 王明芳, 董玉浩, 庞梦洋, 黄林, 贺刚. 脱离预训练的多尺度目标检测网络模型[J]. 计算机工程, 2020, 46(6): 248-255.
[8]	陈咏秋, 孙凌卿, 张永泽, 傅启明, 陆宇, 李渊博, 孙建刚. 基于YOLO v3的输电线路鸟类检测技术研究[J]. 计算机工程, 2020, 46(4): 294-300.
[9]	薛之昕, 郑英豪, 肖建, 魏玲玲. 基于多尺度卷积神经网络的交通标志识别[J]. 计算机工程, 2020, 46(3): 261-266.
[10]	郑姗姗, 刘文, 单锐, 赵静一, 江国乾, 张智. 一种改进多尺度三维残差网络的高光谱图像分类方法[J]. 计算机工程, 2020, 46(12): 215-221.
[11]	刘燕芝, 陈立福, 崔先亮, 袁志辉, 邢学敏. 基于空间特征重标定网络的遥感图像场景分类[J]. 计算机工程, 2020, 46(1): 229-235.
[12]	赵亚男, 吴黎明, 陈琦. 基于多尺度融合SSD的小目标检测算法[J]. 计算机工程, 2020, 46(1): 247-254.
[13]	刘畅, 张剑, 林建平. 基于改进全卷积神经网络的图像单像素边缘提取[J]. 计算机工程, 2020, 46(1): 262-270.
[14]	李明杰, 冯有前, 尹忠海, 周诚, 董方昊. 一种用于单目标跟踪的锚框掩码孪生RPN模型[J]. 计算机工程, 2019, 45(9): 216-221.
[15]	张光杰, 叶海洋, 王晓锋. 基于多尺度虚拟化的卫星终端用户行为仿真[J]. 计算机工程, 2019, 45(8): 165-172,189.

自适应的形态学边缘检测算法

Adaptive Edge Detection Algorithm Based on Morphology

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10