提出了一種有效的基于最大熵和小波變換的數(shù)字圖像邊緣檢測(cè)算法,并用形態(tài)學(xué)方法對(duì)圖像進(jìn)行優(yōu)化處理,文中算法不但能夠很好的提取圖像邊緣,同時(shí)對(duì)經(jīng)典算法提取邊緣后出現(xiàn)的斷續(xù)不完整現(xiàn)象有了很好的改進(jìn),還能有效的去除噪聲和偽輪廓,和一些傳統(tǒng)的邊緣檢測(cè)算法相比,本算法在細(xì)節(jié)豐富和含有噪聲的圖像中應(yīng)用具有優(yōu)越性,達(dá)到了很好的識(shí)別邊緣的效果.
- 作 者：
- 姜興乾 李星野 賈淑華 JIANG Xing-qian LI Xing-ye JA Shu-hua
- 作者單位：
- 上海理工大學(xué),管理學(xué)院,上海,200093
- 刊 名：
- 微電子學(xué)與計(jì)算機(jī) ISTIC PKU
- 英文刊名：
- MICROELECTRONICS & COMPUTER
- 年，卷(期)：
- 2009 26(3)
- 分類號(hào)：
- TP31
- 關(guān)鍵詞：
- 最大熵
 小波變換 邊緣檢測(cè) 偽輪廓
- 機(jī)標(biāo)分類號(hào)：
- TP3 TN9
- 機(jī)標(biāo)關(guān)鍵詞：
- 最大熵小波變換圖像邊緣邊緣檢測(cè)算法Wavelet TransformMaximum EntropyBasedDigital Image形態(tài)學(xué)方法優(yōu)化處理提取數(shù)字圖像去除噪聲經(jīng)典算法有噪聲優(yōu)越性偽輪廓不完整現(xiàn)象識(shí)別
|
