基于小波分解与希尔伯特-黄变换的跳频信号检测

现有的基于时频分析的检测方法在时间分辨率和频率分辨率上往往不能同时满足要求,针对这一问题,提出了一种结合小波分解与希尔伯特-黄变换(HHT)的跳频(FH)信号检测方法.利用小波分解去除混合信号中的噪声;利用希尔伯特-黄变换实现跳频信号的检测,避免了传统时频分析过程中窗函数的影响.理论推导和仿真实验表明:本文方法能同时有效地兼顾时间分辨率和频率分辨率,明显改善了跳频信号检测的准确性.     

图像小波边缘检测中边界处理的研究

工程应用中需要处理的信号通常都局限在有限的时域或频域之中。在处理这些数据时，多数变换方法都要求在边界处做某种延拓处理，小波变换也不例外。而传统的延拓方法在前后两个边界处都会产生伪边缘，并且在延拓时还需考虑滤波器系数长度的奇偶性。为了解决这些问题，文章对图像小波边缘检测中传统的边界处理方法进行了研究，并对其进行了改进，即采用右边界延拓法消除了左边界处的伪边缘，减少了伪边缘的数目。在此基础上又进一步提出了右边界右端点延拓法，在边缘检测中取得了非常好的效果，不仅消除了传统边界处理方法产生的伪边缘，而且在延拓时不需要考虑滤波器系数长度的奇偶性，为实际工程应用带来了方便。     

基于小波变换和模糊中值滤波的图像边缘检测

小波变换是近年来兴起的信号处理技术。它具有良好的局部化分析特性和多分辨率分析特性,非常适合于图像处理。实际图像中常常含有噪声,噪声在小波变换中会产生大量的奇异点。中值滤波器是一种非线性滤波器,具有良好的边缘保持特性。该文提出了结合小波变换、中值滤波器和多分辨率分析的边缘检测方法,给出了一种自适应选择模糊中值滤波器因子的方法。实验结果表明,该方法是有效的。     

基于小波多分辨率分析的图像边缘检测研究

本文就图像边缘检测的多分辨率分析模型和小波变换多分辨率边缘检测方法进行了分析研究,对基于小波分析的图像边缘检测研究现状进行了分析和总结。明确了研究方向和重点主要集中在小波基的构造和选取,阈值的选取,小波分解的尺度选取,以及小波分析方法和其他方法的结合使用。     

动态线边缘实时HOUGH 变换检测及其在测流中的应用

提出一种基于视觉的实时动态边缘检测方法及其在河道流量实时测量中的应用．首先在图像预处理的基础上，采用迭代阚值法对河表面图像进行二值化；然后利用形态学闭运算算子消除非边缘区域，再采用非对称方法对边缘进行细化处理；最后利用HOUGH变换求取边缘方程，并依此在子像素分辨率下实时计算水面宽度和流量．实际应用结果表明了该方法的有效性．     

小波变换和Canny算子相结合的图像边缘检测算法

提出一种基于小波变换和Canny算子相结合的图像边缘检测算法.由于传统Canny算子在进行边缘检测时,会丢失边缘细节信息,产生伪边缘,因此,论文提出在进行Canny算子边缘检测前,首先使用二维最大类间方差算法将图像分为四幅子图,然后对各子图分别进行小波阈值去噪,对去噪图像进行图像融合后,使用Canny算子检测边缘,最后进行边缘连接,得到连续边缘线.实验结果表明,该算法可以在去除噪声的同时有效保留边缘细节,达到较好的检测效果.     

基于S变换的图像边缘检测算法研究

针对边缘检测中存在的噪声敏感性问题,提出了一种基于S变换的改进型边缘检测算法。S变换是一种时频分析工具,它能够很好地检测信号的奇异性和非正则性,而在图像中,图像灰度的奇异性代表着图像的边缘。通过将S变换后相邻频率的系数进行乘积可以有效地抑制噪声,增强边缘,采用一个阈值计算方法对相乘后的S变换系数进行阈值滤波,整合来自两个正交方向的边缘得到最终的图像边缘。实验结果证实了该算法的有效性。     

一种新的基于小波变换的边缘检测算法

应用小波变换理论对图像进行平滑降噪处理,对降噪图像进行多级小波分解,从而获取多分辨率图像。对小波分解的各级小波系数求其局部模极大值,从而得到不同分辨率下的图像边缘,合并不同分辨率下的图像边缘得到一个组合边缘,细化图像边缘。实验证明。这种方法对有噪声污染的图像进行边缘检测效果好于LoG、Sobel、Canny等经典的边缘检测方法。     

伪球滤波和边缘检测

提出了一种图像滤波器——伪球滤波器.在伪球滤波器中,除了尺度参数外,还引入了边缘保持参数,因而它能较好地解决传统滤波器的平滑性能与边缘定位精度之间的矛盾.以伪球滤波器取代经典Canny边缘检测算子中的高斯滤波器,得到一种基于伪球的边缘检测算子.模拟图像和真实图像的实验结果表明,与经典的Canny边缘检测算子相比,在具有相当平滑性的条件下,基于伪球的边缘检测算子对边缘定位具有更高的精度.     

改进的形态学和小波变换边缘检测算法研究

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。