基于边缘视觉特征描述的自适应多尺度小波边缘检测方法

本文从人类视觉的特点出发,提出了一种新的图象边缘特征描述。根据该特征描述,定义了邻域的有效边缘测度,以作为边缘复杂程度的度量,并以此来调整多尺度小波边缘检测中的尺度参数。最后给出了相应的实验比较结果。     

工业图像中屋脊边缘多尺度检测方法

针对屋脊边缘的特点，提出了一种多就度屋脊边缘的检测方法，该方法分析了图像中屋脊边缘的可能性，并根据该可能性量自适应调整滤波器的尺度参数，分析了对屋脊边缘进行滤波的尺度参数选取范围，实验表明该方法是可行的。     

一种新的道路描述子:对称边缘方向直方图

基于主要道路物方空间形状特征,本文提出了一种新的特征矢量——对称边缘方向直方图,作为较高分辨率航空影像中主要道路的特征描述.图像空间边缘像素的拓扑关系,该矢量较好地描述了图像的主要形状属性,并具有对于图像平移、旋转、尺度和光照变化的不变性.模糊C-均值聚类算法的分割实验表明,该特征矢量较好地解决了较高分辨率影像中主要道路的特征描述问题,能有效地从实际航空影像中提取主要道路种子点.     

小波变换边缘检测特性分析

本文一改以往的以仿真的感性效果作为信号边缘检测质量的效果评价方法，提出小波变换边缘检测定位精度和抗噪声能力量化分析方法，基于小波变换的边缘检测算法，物理意义上是一个先进平滑，再进行边缘检测的过程，其边缘持性与边缘类型和尺度大小有关，随尺度增大，定位偏差增大，反映了小波变换局部化特征强弱对边缘检测特性的影响，本文给出了不含噪声和含有噪声情况下，典型边缘定位精度的量化表述。     

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     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

一种基于t图的多尺度边缘检测方法

在多尺度边缘检测方法中，滤波器的滤波尺度的选取是关键，本文通过检验一给定像素邻域的灰度分布来判断此像素是否位于平滑区，并产生一幅五维向量图－t图，然后根据t图自适应地选取小波变换的尺度。实验结果表明，应用这种方法进行多尺度小波边缘检测具有较强的抗噪能力。     

各向异性的多尺度边缘检测算法

提出了一种各向异性的多尺度边缘检测算法.首先,在给定的多个尺度下分别应用各向异性的高斯滤波器获取图像的边缘强度图.然后,将所获取的多幅边缘强度图融合为一幅边缘分辨率高、拓散效应小的边缘强度图.最后,将融合的边缘强度图嵌入到Canny边缘检测算法的框架中,获得最终的边缘检测结果.创新性地提出基于"信号平均"技术的多尺度融...     

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法。首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF)。通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘。然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值,检测MERF的梯度模值形成多尺度边缘。该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题。实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用。     

一种基于子波变换的图像边缘提取及去噪方法

提出了一种有效的用子波变换提取边缘及去噪的方法，该方法通过提取子波变换局域模最大值来提取图像边缘，并利用多尺度子波变换模值信息和角度信息去除噪声．由于该方法克服了以往使用单个尺度提取边缘的局限性，结合了子波变换多尺度的优点，因此能获得既有高信噪比，又有高定位精度的边缘检测结果．     

多尺度边缘检测中的有效尺度研究

在边缘检测中,检测不同类型的边缘需要的滤波尺度各不相同.本文详细讨论了以紧支、对称平滑函数构造的滤波函数在检测不同类型边缘时的有效尺度,同时分析了高斯平滑函数及三次B样条平滑函数在抑制噪声时的有效尺度范围.该文的结论为多尺度边缘检测中滤波尺度的调整提供了重要的理论依据.     

基于Bubble小波的多尺度边缘提取

侧抑制是生物视觉信息处理中广泛存在的一种机制，Ｂｕｂｂｌｅ函数很好刻画了侧抑制现象。本文利用Ｂｕｂｂｌｅ函数构成小波，高斯函数作为平滑函数，用Ｍａｌｌａｔ快速算法进行小波分解，分解的局部极大值就是多尺度边缘，理论和实验都表明，这种算法对于不同的尺度，有洋同的抑制噪声的能力和提取边缘细节的能力。当Ｂｕｂｂｌｅ函数的尺度较大时，抑制噪声的能力增强，提取边缘细节的能力变差；当Ｂｕｂｂｌｅ函数的尺度较小时     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

基于标准化梯度的多尺度边缘检测方法

多尺度边缘检测中各个尺度中用来判定是否为边缘的阈值对结果有很大影响.在小波多尺度边缘检测中引入标准化梯度的方法,较好地解决了出现伪边缘和有意义的边缘损失的问题,使各尺度阈值的选取更具有稳健性,从而得到更稳健的多尺度边缘检测结果.最后通过实验证明算法的有效性.     

多尺度形态学边缘检测算法

形态学作为一门新兴的非线性图像处理技术，已得到人们的广泛关注，并应用于图像处理的许多方面。文中提出了一种结合形态学滤波的边缘检测算法，该算法采用自适应方法确定锥形结构元素，然后利用双锥形结构元素对图像进行形态学迭代滤波，对滤波后的图像进行多尺度形态学边缘检测，并将各尺度下边缘检测的结果进行合成，最终得到在噪声存在条件下较为理想的图像边缘，并且与其它边缘检测算法进行了对比实验，实验验证了该算法的可行性和有效性。     

使用小波变换的图象边缘检测算法

将小波变换理论应用于图象边缘提取，提出了一种新的图象边缘检测算法。一种相对于（ｃ０，ｃ３）＝（０．０５，０．０５）的对称尺度函数被用于二进小波变换，得到原图象的一个多分辨率表达式，再提取图象的边缘特征。     

一种基于多尺度形态学的彩色图像边缘检测方法

提出了一种基于多尺度形态学的彩色图像边缘检测方法.给出了利用不同尺度的结构元素提取彩色图像边缘,然后用多尺度合成算法对各个边缘进行合并以得到新的边缘的具体算法.该方法在提取细节边缘的同时可降低噪声对检测结果的影响,从而克服了传统边缘检测算法提取彩色图像细节边缘少及抑制噪声能力差的缺陷.     

基于小波变换的密封件边缘检测

针对密封件内、外径的检测要求，提出了基于B样条小波变换的多尺度阈值图像边缘检测新方法。该方法采用小波的多分辨率分析，先计算小波变换模的极大值，然后，基于多尺度阈值消噪处理，进而检测出信号的奇异点位置，达到密封件的边缘检测目的。实验结果证明，该方法不仅能够较为准确地检测出有用的边缘信息，且具有一定的抗噪能力，是一种有效的边缘检测算法。     

基于小波多尺度相关的特征边缘提取方法

根据采用小波变换提取图像边缘的多尺度特性,对小波多尺度间的相关性进行了分析,提出多尺度小波变换相关算子,分析了相关算子的滤波特性,利用相关算子对图像的多尺度边缘信息进行了优化.既保留了图像中重要的细节边缘信息,又剔除大量的冗余边缘和虚假边缘,有效地提取出了图像的特征边缘.     

尺度空间检测边缘特征的进化分析

多尺度分析中的一个重要问题是检测特征的尺度空间进化规律。本文以２－Ｄ高斯函数作为核函数,明确给出了解点图像的尺度空间检测边缘是一个由角边界的斜率和分析尺度共同决定的椭圆,以此为基础,讨论了尺度因子对相邻角点检测边缘的同化效应,给出了角最小分辨率与分析尺度的关系不等式。本文的结果对多尺度分析具有普遍性参考意义。