改进的基于小波变换的图像边缘检测方法的研究

本文介绍一种基于小波变换模极大值进行图像边缘检测的方法。对图像进行二维小波变换,其梯度模值反映了图像的边缘,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点。本文采用图像分块方法确定阈值,并用该阈值来限定模值,与传统边缘检测方法相比,可以得到更好的边缘检测效果。     

用B样条小波进行图像的多尺度边缘检测

提出了一种基于B样条小波理论的多尺度图像边缘检测算子,并与传统的边缘检测算子:Carnny算子和Sobel算子,进行了比较.计算机仿真结果显示,该算子性能优于Sobel算子,与Canny算子性能相当,但比Canny算子算法简单,效率高.     

边缘检测中Canny算子、二次样条小波算子性能分析

Ｃａｎｎｙ 算子和二次样条小波算子是最具代表的两种局部极值边缘检测算子，本文比较了这两种算子的抗噪性能和对单边、双边的边缘定位精度，理论分析表明二次样条小波算子的抗噪能力强于 Ｃａｎｎｙ 算子，在加噪情况下，其单边定位精度低于 Ｃａｎｎｙ 算子。在无噪声的情况下，其双边定位精度也低于 Ｃａｎｎｙ 算子。但二次样条小波算子具有较好的综合性能。最后给出的实验比较结果与理论分析结果完全一致。     

基于Cinny准则的B样条小波图像边缘检测

基于Canny准则,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则。并在此基础上构造出二次B样条小波,提出了基于小波变换的多尺度自适应阈值图像边缘检测的新方法。     

边缘检测算子检测突变边缘的效果比较

分析了prewitt,robert,sobel,log,canny等边缘检测算子的抗干扰能力,对V型图像的边缘检测技术进行了系统的研究,分析了不同的边缘检测算子的边缘检测实验结果。利用小波变换检测信号边缘的优势,找出信号突变点,从而找到图像的边缘,但边缘不够完整。为克服小波变换的不足,经小波变换后再采取中心取样,最后采用Hough变换加以完善,就能获取较理想的结果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础 ,传统的边缘检测方法对噪声非常敏感。讨论一种基于小波变换的图像边缘检测方法 ,仿真结果表明 ,该方法明显优于传统的边缘检测算法 ,对噪声的抑制能力强     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础,传统的边缘检测方法对噪声非常敏感.讨论一种基于小波变换的图像边缘检测方法,仿真结果表明,该方法明显优于传统的边缘检测算法,对噪声的抑制能力强.     

小波变换在红外图象处理中的应用

小波变换近年来在图象处理中的应用日益受到人们的关注。小波变换可能同时在时间（或空间）和频率域对信号进行分析，是多分辨率分析的有力工具。本文介绍了小波变换在红外图象处理中的应用，例如红外／可见光图象的配准与融合，红外图象增强，红外图像中的微弱目标探测等。     

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。     

基于子波变换极大值描述的图像压缩编码方法

本文给出了玫种有效的从图像子波变换模局部极大值点链接图像多尺度边缘曲线的跟踪算法。研究了基于基图像子波变换局部极大值描述的压缩编码方法。     

基于小波变换的红外图象多尺度边缘检测

本文讨论了小波变换及其应用于多尺度图象边缘检测的原理，对一幅红外图象给出其多尺度边缘检测的计算机仿真结果，而且与传统的边缘检测方法进行比较，从而得出基于小波变换的多尺度边缘检测是一种较好的方法     

基于非均匀采样及选择注意机制的多分辨率边缘检测

本文提出了一种新的多分辨率边缘检测方法，它模拟了生物视网膜对视觉信息非均匀采样及生物视觉具有选择注意能力的特点，通过在视觉处理早期仅对感兴趣的区域注视而忽略或抛弃其他无关细节，将带宽和计算资源合理分配，与Ｍａｌｌａｔ等人提出的多分辨率分析框架相比，能进一步降低计算复杂度且更符合生物视觉机理。     

样条多分辨分析

本文根据平移不变子空间二尺度分解理论，系统，简结地构造了各类样条多分辨分析，其中涉及的运算只有序列的卷积，求逆，开平方和抽取以及信号的内积。     

图象多通道小波分析的实现

小波变换是近年来兴起的一种时频城信号分析理论，是信号分析处理的一种强有力的新工具．本文根据小波变换的特点，在Mallat多分辨分析的基础上，将小波的“多通道”多分辨分析，推广到了“多通道”多分辨分析、讨论了多通道小波分析的理论和实现方法，并将这一理论应用到了图象处理，实现了图象的多通道小波分析．     

重构小波系数的分段三次样条播值新算法

利用小波变换模极大值原理对信号去噪之后,如何由保留下来的模极大值点恢复出满意的重构信号,是一个重要课题。本文首先分析模极大值与小波系数之间的内在关系,提出了模极大值实际上是小波系数在特定意义下的离散采样;然后给出了一种对模极大值进行预处理的方法,由此得到了一组新的伪模极大值序列;利用这组伪模极大值序列,提出了一种新的重构小波系数的分段三次样条播值（ＰＣＳＩ）新算法,该算法程序简单,易实现,克服了交替投影（ＡＰ）法计算量大、程序复杂等缺点;最后给出一个应用实例,实验结果表明,与经典的交替投影法相比,本文提出的ＰＣＳＩ算法可获得更高的重构信号信噪比增益和更小的相对均方误差,它是一种实际、有效的算法。     

一个多分辨率的图像水印方案

图像经小波多级分解后,各子图包含了原图像的不同信息,通过用伪随机实数修改中高频细节子图中较大的小波系数值,本文提出了一个基于小波变换的多分辨率静态灰度图像水印嵌入和检测方案。对水印图像进行退化处理模拟实验表明,嵌入的水印具有很好的鲁棒性。同时,水印的检测仅需涉及到相关的几个细节子图,减少了计算量,加快了检测速度。