基于小波变换的多尺度边缘检测

基于Ｍａｒｒ边缘检测算子，以高斯函数的一险峰 ２阶导数作为小波，提出具有２个可变参数的多尺度图象边缘检测方法。本文所提出的多尺度边缘检测方法适应于计算机视觉分级识别中边缘检测的需求。     

基于小波变换的多尺度立体视觉方法

本给出了一个基于二进小波变换的多尺度双眼视觉匹配算法，对原立体图对进行二进小波变换，得到原图对的一个多频道表示；对变换系数的分析使我们得到了有效的消除噪声，再提取出边缘的方法，提出的边缘作为对应点匹配的基本特征是恰当的。匹配的一些基本约束，如边缘方向大致一致等，已经包括在小波变换的系数中。     

用多尺度小波变换进行边缘检测算法的研究

提出一种用多尺度小波变换局模最大值进行边缘检测的算法，并将该算法与经典的Ｓｏｂｅｌ算子进行比较，结果表明用该算法进行边缘检测是可行的。     

基于小波变换的癌细胞边缘提取算法

细胞的识别是医学检测中的一个重要部分,很多疾病的诊治主要依靠医学专家观察标本中细胞的形态,对细胞进行识别和分类。这种人工分类的工作重复而单调、效率低下。本文研究的基于小波变换的癌细胞边缘提取算法,有利于准确、快速识别癌细胞,具有很好的推广价值。     

基于Bubble小波的多尺度边缘提取

根据列车轮对图像的特性，主要探讨了基于小波分析的原理，并基于Bubble二进小波函数进行图像多尺度边缘提取。利用边缘相关判据排除噪声边缘，取边缘响应极大点作为配准控制点。实验结果显示，本方法能够很准确地提取出图像的主要边缘信息。     

基于多尺度小波变换的边缘检测

边缘是图像的基本特征之一,提出了一种多尺度的图像边缘检测方法。实验表明,该方法能够有效地对图像边缘进行检测、抑制噪音,同时具有较好的多方向性。     

用小波变换实现红外图像的边缘提取方法研究

红外图像的边缘提取是其判读和识别的重要技术基础。红外图像背景复杂、噪声较为严重。针对这一特点，本文利用小波变换易于消除噪声、运算方便的特点。提出了一种基于小波变换的红外图像边缘提取算法。首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水丑和垂直方向的小波变换。提取红外图像边缘特征。文后给出了仿真实例，证明了该算法的科学性和可靠性。     

一种改进的滤波尺度自适应调整小波边缘提取方法

该文在分析边缘存在的可能性基础上,给出了一种小波尺度选取的划分策略,该方法既保留了图像的详细边缘信息,又保留了图像的轮廓。实验结果表明,该方法优于单尺度小波边缘提取方法。     

基于尺度相关性的小波变换边缘检测

图象边缘检测的任务进就是检测和定位图象平面亮度的不连续,但夹杂在图象信号中的噪声,因其奇异性使得边缘检测成为一个既要保留边缘又要去除噪声的病态问题。本文利用多尺度小波变换对图象边缘及噪声的奇异性行了探讨。并根据小波变换的尺度相关性提出了一种新的边缘检测算法,通过试验验证本方法对保留边缘去除噪声有很好的效果。     

基于小波变换的多尺度图像融合

随着科学的发展和技术的进步,图像数据融合技术作为解决如何从多幅图像中恢复出原始图像的问题的重要方法已日益引起人们的重视。文章在总结了传统的图像融合方法的基础上,提出了基于小波的图像融合方法,在高频域内综合考虑了图像的边缘特征和内部能量特征进行融合,在低频内直接采用区域能量进行融合,最后利用小波逆变换得到融合结果。经试验证明了该方法的有效性。     

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上，本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法，不仅可以对整个原始图像进行边缘检测，还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后，把这种算法与一些经典的图像边缘检测做了对比分析，实验结果表明该算法具有较好的图像边缘检测性能。     

一种基于积分变换的边缘检测算法

介绍了一种用于图象区域和边缘检测的积分变换。该变换引入了灰度尺度和空间尺度，从而将图象变为表示象素点相互吸引的向量场，将边缘检测问题转化为在向量场中寻找相分离向量的问题。通过分析该变换用于边缘检测而产生的一些问题，给出了使用图象局部信息估计灰度尺度的方法。在对已有方法简化和改进的基础上，提出了一个基于此变换的边缘检测算法。最后给出该方法的识别结果，并与经典的边缘检测算法做了比较。试验结果表明，其边缘检测效果与Canny算法相似，是一种有效的边缘检测方法。     

基于小波多尺度积的边缘检测算法

在分析小波变换对噪声和边缘点影响规律的基础上,结合多尺度乘积的特性,提出了一种基于小波变换的多尺乘积边缘检测新算法。通过边缘检测性能评测计算和实验验证表明,该算法能有效增强边缘、抑制噪声,且定位精度高。     

基于边缘信息的工业CT图像分割法

由于CT技术各方面的原因,工业CT扫描测量图像质量不是很理想。要获得精确的测量数据,必须进行准确的图像分割。该文采用多尺度二维小波变换模极大值作为分裂合并图像分割的一致性度量,采用四叉树结构作为图像块的初始划分,设置合适的门限值抑制噪声的干扰并提取出图像边缘信息。实验证明,对于皮鞋内嵌的CT测量图像该算法比常规的算法更理想,能够准确分割出皮鞋的内外腔边缘。     

基于小波的小尺寸物体的图像边缘提取方法

基于小波变换的“多分辨”特性，采用一种利用小波模极大值，找到图像中的边界点，从而实现对灰度图像的边界检测的方法，通过分析图像中是否有灰度突变特征，来判断边界的存在。在进行边界检测之前。首先要滤除原图像的寄生噪声的干扰。实验结果表明：基于小波变换的边界检测方法可对图像边界进行敏锐提取，从而得到小尺寸物体的图像的细微特征。     

基于小波变换的图像边缘检测匹配算法

小波变换能够获取信号的时频局部化特征,可作为一种有效的图像边缘检测工具。本文提出一种基于二维小波变换的图像边缘检测方法。首先对图像分别做两方向的小波变换,进而得到二维小波变换的幅值和梯度,然后利用非极大值抑制方法检测二维小波变换的模极值点作为图像的边缘点,最后利用Hausdorff算法实现模板边缘与实时图边缘之间的匹配。仿真试验表明本文所提出算法的有效性。     

基于小波变换的含噪人耳图像边缘检测

为了取得含噪人耳图像的理想边缘轮廓,以实现人耳识别技术的进一步应用,对小波变换边缘检测方法进行了研究,分析了噪声消除与小波变换尺度之间的关系,详细论述了模局部极大值提取边缘的原理.针对含噪人耳图像的特殊性,阐述了一般去噪和边缘检测方法的不足,并针对这些不足提出了改进方法,首先利用样条小波多尺度分解后,相邻尺度小波系数相乘得到尺度积,然后进一步求得尺度积的模和相角,通过自适应阈值去噪提取图像边缘,取得了较好效果.     

基于启发式概率Hough变换的道路边缘检测方法

针对非结构化道路的边界检测实时性和鲁棒性的难点,提出了加权Canny边缘检测方法和面向加权Canny边缘图像的启发式概率Hough变换方法;并根据非结构化道路边界不规则的特点和智能车辆路径规划的实际需求,提出了道路边界的双折线模型.与传统的方法相比,不同道路环境下的道路边界检测实验证明了所提算法的有效性和实时性.