基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

一种基于小波变换的煤矸石图像边缘检测方法

针对煤矸石在线识别与自动分选系统中的图像处理问题,采用小波变换的多尺度方法,研究了煤矸石图像的轮廓提取与边缘检测,通过图像消噪和边缘加强,对煤矸石图像进行了处理.研究结果显示,采用小波变换的边缘检测方法,可以有效地抑制噪声,准确提取煤矸石图像的边缘特征,有助于提高煤矸石的识别率.     

轨道扣件检测特征提取算法研究

对于有效的提取轨道扣件的特征,提出一种基于小波变换与多尺度局部二进制相结合的特征提取方法。首先将图像进行小波变换,可以有效的去除图像中的噪声,提取出其低频部分,突出图像局部的信息,然后使用多尺度局部二进制对其进行特征提取,而多尺度局部二进制算法则可以在既保留图像局部信息的同时,最大程度留住图像整体信息。通过实际的实验,用最小距离分类器对该特征进行分类识别,表明该方法有效,可行,提高了图像中轨道扣件的识别率。     

小波域内基于尺度乘法的边缘检测

提出一种基于小波的二尺度乘积边缘检测方法,用两个临近尺度的二进小波变换相乘作为乘积函数,将边缘定义为确定阈值下乘积函数的局部最大值。尺度相乘增强了图像结构识别能力,并可抑制噪声。试验表明, 通过所提出的尺度乘积技术对边缘进行检测,其应用结果优于单尺度的情况,提高了局部检测精度,有效地解决了边缘错位问题,并减少了邻边的影响。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

多尺度小波在图像测量中的应用

在图像测量中,图像的边缘检测是关键。基于信号和噪声在不同尺度下小波系数模值的变化特征,利用小波变换系数模的局部极大值提取图像的边缘。在对前、后孔配准图像的测量中,能够降低噪声,并能比较精确的得到图像的边缘。     

将小波变换用于机械零件尺寸自动检测的研究

在机械零件尺寸的自动检测中,对被检测的零件图像进行小波变换处理,利用多尺度分析法,求出小波变换后直方图的零交叉点,获得一系列阈值,用于描述图像的边缘特征,可有效消除噪声干扰,得到较理想的检测边缘,对提高零件的检测精度有重大意义。     

小波变换技术在图像边缘检测中的应用

边缘检测是计算机图像处理中的一个重要环节,而常用的Sobel算子、Prewitt算子等方法存在一些缺点.本文先介绍了小波边缘检测的原理,在此基础上,针对尺度的选取提出了一种自适应的方法,并做了实验.检测结果表明,以尺度自适应为基础的小波变换方法在边缘检测中优于Sobel算子、Prewitt算子.总之,该算法能有效地从噪声图像中检测出边缘.     

基于小波神经网络的零件图像特征提取和识别

提出了基于小波提取零件图像特征的方法,该方法是应用小波变换对零件图像进行多尺度边缘检测,将被检测的边缘图像分成若干个子区域,分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征,利用神经网络实现识别.文中给出样本的实验结果,结果表明文中提出的方法是有效的.     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于机器视觉的汽车仪表板智能检测方法

提出并实现了用机器视觉系统对汽车仪表板总成智能检测方法。仪表板质量检测技术的关键是提取边缘和定义指示误差。为了有效地去除噪声并进行边缘提取,采用了小波变换模极大值方法提取仪表图象特征;为了获取仪表板指示误差,提出了一种新的指示精度评判准则。在此基础上,已成功地研制出一种机器视觉检测系统。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

基于经验模态分解与改进自适应阈值的边缘检测

经验模态分解(Empirical Mode Decomposition)是一种新的自适应的信号分解方法。文中利用二维经验模式分解的算法,通过过滤过程得到固有内模函数,然后利用多尺度分析提取不同尺度下的边缘,并与改进的自适应阈值方法结合对图像进行降噪处理。通过仿真实验,结果表明这种方法不仅能准确地检测出图像边缘,而且还有效地抑制了噪声,其性能优于传统的边缘检测算法。     

基于机器视觉的齿面点蚀面积特征提取的研究

在齿轮接触疲劳试验中,需要定期检查齿面点蚀状况。提出了一种基于机器视觉的齿面点蚀面积特征提取方法。针对试验齿轮箱空间窄,会使获得的齿面点蚀图像曝光不足或过度而使图像在获取、传输过程中产生噪声的问题,利用基于遗传算法的图像增强操作突出点蚀区域,抑制其他区域,并利用中值滤波及小波变换去除图像中的噪声,再将获得的图像进行分割、面积特征提取,最终通过实例验证了该方法能够准确、快速、有效地获取齿面点蚀面积,并利用Matlab图形界面(GUI)实现了机器视觉处理算法集成和交互可视化功能,为用户快速获取点蚀区域面积提供了便利。     

一种自然纹理背景下的图像目标检测方法

本文根据被测图像纹理背景和目标区域在小波变换域内图像能量的分布不同,以及经过多尺度分解后在各子空间信息分布的不同,运用与背景纹理的方向无关,对目标的变化具有旋转、平移以及尺度不变性的能量特征作为检测目标的依据.为了有效地提高目标边界的定位精度,抑制背景噪声,本文提出了能量特征图和基于多尺度分析的边缘特征图相融合的特征融合方法进行目标检测.实验证明该方法具有较好的适应性.     

基于E-SPCM的直线电机动子位置高精度测量方法研究

针对直线电机动子位置测量,引入一种基于扩展采样相位相关法(E-SPCM)的亚像素位移图像检测方法,以提高测量精度和抗干扰性。首先建立了直线电机位置检测系统,通过高速相机实时采集条纹图像序列;其次对条纹图像进行边缘特征提取,利用相位相关得到相邻条纹图像的互功率谱,即动子位置的整像素位移;进而对整像素邻域的互功率谱进行上采样相位相关计算,实现高精度的亚像素位移测量,进一步由系统标定得到实际位移值。对比传统相位相关算法,所采用的方法能够提高测量精度且有很好的噪声抑制性能,最后搭建了实验检测平台,验证了算法的有效性。     

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。     

图像特征点提取技术研究

图像特征点是一个重要局部特征,传统的灰度重心法是重心模型的一种改进,其主要特点是对点坐标进行像素点的灰度加权,但其抗噪声性能较差.对此,文中采用一种改进算法,通过将目标区域划分成内部像素区域和边缘像素区域2部分,并对内部像素灰度进行均值化,从而有效抑制内部像素噪声.同时,利用连通性对图像进行特征标识,提高特征点提取的速度.最后,通过仿真实验验证了改进算法的正确性,并表明改进算法有更好的噪声抑制性能.     

基于变换域Hough变换的遥感图像相干干扰分析

相干干扰的存在严重地影响了对遥感图像中目标的特征提取和识别的精度,降低了各种遥感定量分析方法的有效性。通过对相干干扰的幅度和相位特性的定量分析,本文提出了相干干扰的小视场模型和大视场模型,并给出了基于变换域的Hough变换算法。实践表明,与传统的邻域平均、中值滤波、经典频域滤波等消除干扰算法相比,该算法不仅高质量地消除了遥感图像中的相干干扰,同时还能有效地保留原图像中的细微影纹和边缘信息,并获得较好的峰值信噪比。该方法已在航天遥感图像的实时采集及处理系统中获得成功应用。     

双传感器差分峰值侦测的漏磁检测新方法

为了提高管道、储罐漏磁检测的准确度、灵敏度,同时抑制噪声干扰,提出了一种双传感器差分峰值侦测的漏磁检测新方法。首先,对实际漏磁检测过程存在的背景噪声进行分析,研究了检测器振动、磁隙变化、磁轭泄漏等噪声源的共模特性;其次,利用缺陷漏磁场的分布特点构造了一种新型的差分侦测结构,该结构既可对噪声进行共模抑制,又可实现缺陷特征信号的差模提取;再次,依托磁偶极子模型,对所提方法的机理进行了分析,并讨论实现该方法所需要的约束条件及其检测灵敏度特性;最后,开展了仿真和物理实验,实验结果表明,该方法的噪声仅为传统X分量检测的5%,Y分量检测的26%,且检测敏感度提高了2倍。该方法为优化漏磁检测器结构、提高检测的可靠性及灵敏性提供了一个新的思路。