小波多尺度模糊竞争边缘检测

本文提出了一种小波多尺度模糊竞争边缘检测方法(WFCE)。凭借小波多尺度理论去噪和准确定位的优势,算法有效地利用了多尺度的滤波以及模糊竞争分类法则,较好地保留了图像的细节部分,提高了抗噪性。实验结果表明,与传统的边缘提取算法和模糊竞争算法相比,小波多尺度模糊竞争边缘检测方法(WFCE)能得到更满意的效果,尤其在抗噪性能上的结果是相当的理想。     

基于拓扑中值滤波的红外图像小波边缘提取

分析了边缘类型对小波多尺度边缘提取的影响.针对红外目标图像对比度低、噪声大、灰度缓慢变化的特点,在进行小波变换前利用拓扑中值滤波法的边缘象素定位精度高的特性,滤除噪声并初步定位大部分边缘象素.经试验此方法可明显提高红外图像的小波多尺度边缘提取的质量.     

带细节增强与降噪的真彩图像多尺度边缘检测

为了解决真彩图像降噪和边缘细节保留的问题,提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像,进而根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明,该算法能充分利用真彩图像的颜色和梯度信息,有效地抑制噪声,增强图像的细节信息。     

基于小波变换与改进的——Roberts算子融合的图像边缘检测

本文提出了一种改进的Roberts算子,并在此算子边缘检测框架基础上,采用了一种小波多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过改进的Roberts算子对子图像进行空间微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合运算得到最终的边缘图像.实验结果表明,该算法实现简单,能有效地抑制噪声,补偿...     

基于小波多尺度积的图像配准方法

由于基于特征的图像配准方法，时提取图像特征的鲁棒性和精确性都有很高的要求，本文提出了一种基于小波多尺度积的图像配准方法。该方法利用小波多尺度积提取边缘图像和特征点，同时保存特征点的方向信息，具有抗噪性强和边缘定位精确等优点；然后利用特征点的方向信息，定义角度直方图来得到图像之间的精确旋转角度；最后可以选择多种匹配准则来确定匹配点对。实验结果表明，本文提出的方法具有精确性、抗噪性、有效性和鲁棒性等优点。     

模糊多尺度边缘检测算法应用研究

在小波多分辨分析的基础上提出了一种基于模糊判决的图像多尺度边缘检测算法.二进小波变换用于提供图像的多尺度描述，将模糊判决方法应用于不同尺度间的小波域，从而可以将各尺度的图像信息更加有效地合成，得到最优边缘检测效果. 本文结合具体的图像信号将本算法与Canny算法、小波的Mallat算法进行了比较，结果证明了其可行性和有效性.     

一种基于静态小波变换的图像融合算法

给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

基于小波多尺度分析的图像边缘检测

提出了小波多尺度分析的图像边缘检测方法,给出了该边缘检测方法的算法步骤及流程,解决了第一代多尺度边缘检测所存在的"边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择"问题.应用小波变换在不同尺度和同一尺度下呈现的规律性,对轴类零件图像进行边缘检测实验,获得了清晰且精度较高的图像边缘检测效果.     

基于二代小波提升算法的快速图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一;通过比较第一代和第二代小波算法特点,引入二代小波提升结构的概念,提出了一种基于二代小波提升结构的快速图像边缘检测算法;对三次B样条小波基实现提升格式,通过计算大尺度下分解子图的模值和幅角来确定边缘;经过实验比较,能比经典的边缘检测算法得出更精确的边缘图像,同时通过与基于第一代小波算法的边缘检测比较,基于二代小波提升格式的边缘检测算法计算更快速,更高效.     

基于小波与数学形态学的道路信息提取

提出了一种基于小波与数学形态学提取道路信息的方法。首先,利用小波多尺度分析对遥感图像进行分解,通过分析小波系数,对各个小波分量进行滤波处理,滤除非道路特征,再进行小波重构,然后对重构图像进行分割,得到包含道路信息的图像。最后应用数学形态学方法,选取合适的结构元素,对图像分割的结果进行形态变换,进一步滤除了非道路信息,完成道路信息提取。通过实验比较证明,该方法比一些典型边缘提取算法更有效、更适合于道路信息的提取。     

综合颜色特征与形状特征的图像检索算法

由于小波变换具有良好的局部特性与多尺度特性,能多尺度逼近边缘,这使得它在图像奇异性检测和特征提取方面得到了广泛的应用。采用二次样条二进小波变换进行边缘检测,用边缘梯度方向直方图表示图像形状特征,用颜色直方图表示图像颜色特征,提出了综合颜色特征和形状特征的图像检索算法。实验结果表明,该算法不仅具有较好的检索性能,而且对图像中存在的光照变化和几何变化（尺度、平移、旋转等）具有较强的鲁棒性。     

基于DWT和形态学的眼底图像小血管检测

针对眼底图像中末端小血管检测难、细节容易丢失的问题．提出一种基于离散小波变换（DWT）和形态学滤波的检测算法。通过小波变换多尺度分析眼底图像小血管系数、背景系数的不同特征．选取分量信号的系数后重构图像。同时以自适应阈值Canny算法提取小血管边缘;然后将结合小血管宽度选择适当结构元素半径,对重构图像进行灰度膨胀,实现小血管检测。结果表明,形态学结合DWT的检测算法能够准确地检测小血管．与常见边缘检测算法相比检测成功率较高。     

利用小波多尺度积实现裂纹缺陷的边缘检测

提出了一种基于小波变换的图像边缘检测方法,即利用边缘信息的多尺度特性和小波变换模极大值对图像进行多尺度分解,将相邻尺度的小波系数相乘增强边缘,再通过双阈值去噪的方法,得到最终的图像边缘。实验结果表明该方法很好地解决了噪声和坏边的问题,边缘连续的同时又保证了边缘定位的准确性,采用双阈值的算法明显优于采用单阈值,可以有效用于结构件的检测。     

基于特征匹配要求的纹理边缘检测

为了更精确地进行机器人双目视觉中的特征匹配,需要获得数字图像中丰富而精确的纹理与边缘信息。为此提出了一种新的基于稳态小波变换（SWT）的多尺度纹理边缘检测算法。利用稳态小波变换（SWT）的平移不变性来精确捕获奇异点,在多尺度上通过小波参数的梯度变化检测纹理边缘,而后进行多尺度融合并运用形态学方法得到单像素宽度、精确的纹理边缘二值图。通过对比实验结果表明,相对于经典的边缘检测算法,该算法在抗噪声能力,物体表面纹理的丰富度以及边缘定位的准确性上有很大的提升,并满足特征匹配的需求。     

用于机器视觉的焊缝图像获取及图像处理

采用激光线结构光作为主动光源,用滤光片滤掉弧光,有效提高了图像的信噪比得到清晰的焊缝图像,而且实验图像仅提取红色分量,进一步把特定波长的光放大,削弱其他波长的光。采用一种改进的中值滤波,此方法使降噪性能有效提高,较好保留图像细节,算法复杂度近似为[O(N)]。通过二值化把信号不强的噪声消除,同时保留激光条纹信息。选用一种多尺度边缘检测方法,它能较好地提取复杂的图像边缘。提取特征点时,进一步加强系统的容错能力,提取水平段位置信息时,采用黑色像素行累加值的办法,准确定位条纹位置。系统准确地识别焊缝特征并提取足够的信息,将焊缝的图像坐标转换成世界坐标,完成跟踪焊缝。     

图像分割算法在胃溃疡图像上的应用

主要研究了对胃溃疡图像中溃疡轮廓进行精确提取的问题。首先要解决对胃溃疡图像进行图像分割时,复杂多变的背景噪音对分割效果的影响,利用小波变换的多尺度特性对胃溃疡图像进行边缘提取,获得不同尺度下的边缘提取图。通过不同尺度下的边缘效果和溃疡边界的连通性,将不同尺度下获取的边缘再次进行对比和提取,把降低噪音的影响和保持边界连续性有效的统一起来,得到效果更佳的边缘提取图。同时利用梯度矢量流模型将轮廓收敛至溃疡的边界上,并对轮廓内的面积进行计算得到溃疡的面积。计算结果显示,利用小波变换和梯度矢量流模型后得到的溃疡面积,已经能够达到临床医学的要求。     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于二进小波变换的多尺度图切割方法

针对传统多尺度图切割方法进行图像边缘轮廓提取时仅采用高斯低通滤波和一阶微分求导,而忽略轮廓精度的缺陷,提出利用二进小波变换的方法进行多尺度边缘检测。在建立多尺度相似矩阵的过程中,根据每层小波的特性直接对各个尺度的相似矩阵进行构造,有效地减少了求解相似矩阵的运算复杂度,降低了内存消耗。实验结果表明,该方法与传统多尺度图切割方法相比具有更好的分割效果。     

结合细节信息的自适应Retinex算法水下图像增强

针对Retinex算法应用于水下图像增强中,常出现颜色失真与图像细节增强相矛盾的现象,提出了结合细节信息的自适应多尺度Retinex水下图像增强算法。分析包含不同细节信息的水下图像对Retinex算法增强中卷积函数尺度大小的选择要求;采用图像梯度作为调节因子,自适应调整多尺度Retinex算子的权重,用于适应包含不同细节信息的水下图像对对比度增强的要求,有效地缓和了水下图像增强在颜色失真和细节对比度提升之间的矛盾。多组实验验证了该算法在去除水下图像的蓝绿背景、避免颜色失真、消除非均匀光照和图像细节增强等方面均优于传统多尺度和颜色保真的多尺度Retinex算法。