三维图像测量中单像素级边缘的检测

在三维图像测量技术中，目标物体边界识别需要得到准确的单像素级的图像边缘．本文在采用小波变换进行检测图像边缘的方法上，首先根据像素邻域的灰度直方图自适应地选取小波变换的尺度，并存基于Mallat小波模极大值边缘检测方法的基础上借用双阈值操作技术的原理，对结果进一步细化，并将边缘点链接，从而最终得到单像素级的边缘图像，以满足下一步实验的要求．     

图像边缘提取的小波多孔算法及改进

边缘提取在图像处理中具有重要地位 ,Mallat等提出利用小波变换的局部极大值来表征信号奇异点 ,从而进行图像边缘的提取。但直接使用 Mallat算法进行边缘提取时需进行二抽取操作 ,图像将相应缩小。利用小波变换的多孔算法实现图像边缘提取 ,并提出一种更为简化的改进方法 ,实例测试验证了其有效性。     

基于Wavelet snake的SAR图像中水岸边缘检测算法

利用àtrous小波变换、图像块生长和wavelet snake算法相结合,提出了一种检测SAR图像中河岸边缘的新算法.为了检测河流的边缘,首先利用小波变换对SAR图像进行小波分解,得到较低分辨率的图像,降低闪烁和噪声的影响;然后用图像块生长提取河流的初始边缘;最后把初始边缘作为Snake算法的起始点,利用wavelet Snake算法提取河流的精确边缘.在实验中,利用该算法提取了淮河SAR图像中的一段水岸边缘.     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

图像小波边缘提取中阈值选取的一种自适应方法

文中对Ｍａｌｌａｔ的多尺度小波变换级提取算法中阈值的取了作了改进,提出了对整幅图像设置链平均幅度阈值的下限和锭长度阈值后,再采用矩形自适应法选取链平均幅度阈值来对局部有大值进行删取,在不同尺度上提取图像边缘,而后综合形成图像真正的边缘,实验表明,这种对链平均幅度阈值设定下限再采用矩阵选取阈值的方法,是一种更加有效的边缘提取方法。     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

基于提升格式小波变换和Snake模型的红外目标边缘增强与分割算法

针对红外图像对比度差、信噪比低的特点,将提升格式小波变换和Snake模型相结合,提出了一种红外图像边缘增强与分割算法。该算法先采用提升格式小波变换对原图像进行增强,以提升图像中目标与背景的对比度;而后再利用Snake模型对目标的边缘进行提取,最终实现目标的边缘分割。实验结果验证了这种算法可有效地对红外图像的对比度进行提升,从而提取出更为精确的目标边缘。     

一种基于小波分解的纸币污损检测算法

为提高清分系统中纸币污损检测的准确率,减少撕裂和笔迹等污损对检测的影响,提出了一种基于小波分解的污损检测算法.采用仿射变换和小波变换进行纸币图像配准,运用Kirsch算子提取图像边缘信息,通过计算边缘强度差提取出纸币图像的污损特征,将纸币图像划分为若干个固定大小子区域,通过对每个区域的污损特征统计来判断该区域是否存在污...     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

一种新的自适应图像模糊增强算法

对图像模糊增强算法中的非线性变换进行了研究,发现了其存在变换强度较小,运算速度较慢,丢失部分灰度信息等缺点．提出了一种新的模糊增强变换算子,该变换算子不但克服了上述缺点,而且具有封闭性、变换强度可调以及移植性好等优点．另外,针对以往算法选取阈值参数的随机性问题,通过引入模糊熵,使阈值的选取具有了一定的目的性．将新的模糊增强算法应用于图像边缘检测中,取得了优于现有模糊增强方法的效果．     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

增强重建单帧字符图像分辨率的方法研究

针对传统单帧字符图像重建方法存在分辨率较低的问题,提出了一种增强重建单帧字符图像分辨率的方法.首先,构建单帧字符图像重建的三维轮廓特征检测模型; 其次,采用边缘轮廓分割法提取单帧字符图像的三维细节特征,并结合小波多尺度分解法实现尺度特征分离; 然后,采用小波阈值去噪法对图像进行滤波降噪,并使用非负邻域嵌入的方法增强小波阈值辨识度,以此构建增强重建单帧字符图像分辨率的模型,完成单帧字符图像的高分辨率重建.最后,以Matlab 2013软件为实验平台进行仿真测试显示,采用本文方法得到的重建图像的清晰度明显优于文献[2-4]方法,且平均峰值信噪比(26 dB)也显著优于文献[2](15 dB)、文献[3](10 dB)、文献[4](16 dB)的方法.因此,本文方法在车牌号码识别、基于内容的图像检索、文档图像分析等领域中具有较好的应用价值.     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

图像小波去噪的算子描述

给出了一种基于二维离散小波变换的图像去噪方法,并用算子的形式加以描述,通过对小波变换系数进行阈值处理实现图像的去噪。讨论了不同的阈值选取方法和阈值策略。并提出了一种自适应局部阈值法。用均方差衡量去噪性能,实验结果证明,用自适应局部阈值法去噪好于全局阈值法去噪。     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法．首先对图像的高频子空间进行多层次小波包分解，接着求出各层同一子空间不同方向上系数的差值，然后分层对差值进行闽值化处理，最后依据每层阈值化后的系数，得到不同分辨率下图像的边缘．该算法不需预先对图像进行去噪处理，却能很好地抑制噪声．实验结果表日月，该算法既能根据需要分别求出不同尺度下图像的边缘，又能保持图像边缘的完整性和清晰性．     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法.首先对图像的高频子空间进行多层次小波包分解，接着求出各层同一子空间不同方向上系数的差值，然后分层对差值进行阈值化处理，最后依据每层阈值化后的系数，得到不同分辨率下图像的边缘.该算法不需预先对图像进行去噪处理，却能很好地抑制噪声.实验结果表明，该算法既能根据需要分别求出不同尺度下图像的边缘，又能保持图像边缘的完整性和清晰性.     

基于改进SUSAN算子的图像边缘检测算法

首先介绍了SUSAN边缘检测算子的原理;然后对算法中灰度差阈值的选择方式进行了改进,采用一种自适应选取阈值的方法取代算法中人为的设定阈值,使其在各种不同对比度的图像中都能正确提取出图像边缘;最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较.实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点.     

一种基于相关方法的改进小波图像去噪算法

传统小波阈值法去噪方法在阈值选取上存在不确定性,为解决这一问题,提出采用小波相关方法,对图像噪声进行处理。在进行小波变换时,首先基于小波多方向框架理论进行图像分割,通过对多方向组合进行小波变换,最后对小波重构结果取中值得到去噪图像。该方法在处理具有方向特征的图像时,可以很好地消除Gibbs效应,与传统方法相比去噪结果具有明显改善。     

基于小波模极大值的磁瓦裂纹缺陷边缘检测算法

为了准确提取磁瓦表面缺陷的边缘信息,提出一种基于图像加权信息熵和小波模极大值相结合的磁瓦表面裂纹缺陷的边缘检测算法。针对磁瓦表面缺陷对比度低、背景纹理对边缘提取干扰大等特点,设计了一种自适应改变截止频率的BHPF滤波器。利用图像梯度方差加权信息熵对背景纹理的清晰程度和复杂程度进行定量描述,拟合出信息熵同截止频率的非线性函数关系,自适应改变滤波器参数。为避免在多尺度下将缺陷的边缘信息丢失,采用分解尺度判别函数获取小波变换的最优分解尺度。为保证裂纹缺陷边缘连续性和定位准确性,采用双阈值对小波模极大值进行判定求得边界点。实验结果表明,该方法对磁瓦裂纹缺陷边缘的检测优于传统的Canny和Sobel边缘检测算子,可用于磁瓦其他缺陷的提取,为实现缺陷的自动识别奠定了基础。