基于小波变换多尺度的边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值提取图像的边缘特征。实验结果说明这种特征提取方法不仅有效地降低了噪声，而且也能较准确地提取图像的边缘及降低计算量。     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换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.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

基于区间双正交小波的多尺度边缘提取

对区间双正交小波所具有的多尺度边缘提取能力进行了理论分析，用消失矩N=N^-=3的[0，1]区间上的双正交滤波器对图像进行了小波变换，提出了沿幅角方向确定局部极大值的小波边缘检测算法．仿真结果表明，区间双正交小波比Daubechies正交小波和双正交小波更适宜图像的边缘检测．     

B样条小波在图像多尺度边缘检测中的应用研究

本文介绍了使用小波变换检测图像边缘的原理,利用B样条小波构造出一个边缘检测算子,使用多孔算法进行边缘提取,并提出了一种更简化的实现方法,通过实验验证了这种方法的有效性。     

小波变换的多尺度方法在边缘检测中的应用

提出了一种基于小波变换的多尺度边缘算法,与传统的Guass尺度空间算法相比,本算法具有定位准确计算量小的优点,并可利用多尺度空间信息,识别边缘的特性,作为一个例子,本文给出了一个实验。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于小波分析的边缘检测

中主要讲述了小波分析和边缘检测的基本理论，以及小波分析在边缘检测中的应用，力图反映出小波理论在边缘检测中的特点。     

边缘检测中B样条小波有效尺度的研究

在多尺度边缘检测方法中,滤波尺度的选取应有一个有限的范围,如何确定这个尺度范围,在以往的文献中没有进行明确的分析．文中通过对加噪图像中的边缘进行分析,确定可以检测出边缘的最小尺度,同时根据高斯白噪声在小波变换中的特点,确定了抑制噪声所需要的最大尺度,为多尺度边缘检测中定量调整滤波尺度提供了依据．文中给出了相应的实验结果．     

基于提升方案的小波边缘检测算法研究

通过构建一种提升小波来提取图像的边缘,根据小波的提升框架理论提出了一种基于线性提升小波的边缘检测。该方法首先构建一组小波预测函数,并推导了一个提升小波更新函数。通过对原始图像进行分裂、预测、更新运算,实现图像的小波分解。利用分解后的小波系数构成图像的小波梯度图和方向图,在小波方向图和梯度图的引导下实现了图像的边缘跟踪与准确定位,实验表明利用提升小波对图像进行边缘检测的方法是行之有效的。     

基于小波变换的钢球图像边缘检测

钢球表面缺陷是衡量钢球质量的重要指标,但是由于成像中的非人为噪声的特点,使得钢球图像的边缘检测比较困难.本文利用小波多尺度分析及小波变换系数模局部极大值来检测钢球图像的边缘,取得了较好的效果,为进一步实现计算机的自动检测提供了很好的依据.     

基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.     

Adaptive Dual-Threshold Edge Detection Based on Wavelet Transform

In order to solve the problems of local-maximum modulus extraction and threshold selection in the edge detection of finite-resolution digital images, a new wavelet transform based adaptive dual-threshold edge detection algorithm is proposed. The local-maximum modulus is extracted by linear interpolation in wavelet domain. With the analysis on histogram, the image is filtered with an adaptive dual-threshold method, which effectively detects the contours of small structures as well as the boundaries of large objects. A wavelet domain‘s propagation func-tion is used to further select weak edges. Experimental results have shown the self-adaptivity of the threshold to images having the same kind of histogram, and the efficiency even in noise-tampered images.     

基于小波高频分量的边缘检测方法

在对图像的小波变换原理讨论的基础上,提出了一种较为实用的图像多尺度边缘检测方法,同时对如何抑制噪声的干扰进行了讨论.由于该方法克服了以往使用单尺度提取边缘的局限性,并结合小波变换多尺度的特点,获得的边缘图像效果较好,而且算法简单实用,具有抗干扰能力强的特点.     

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.     

基于Marr小波变换的图象边缘检测

本文从Ｍａｒｒ小波函数与高斯函数的相互关系,分析了Ｍａｒｒ小波变换对信号奇异点的响应特性,得到Ｍａｒｒ小波变换的零交叉特性是检测图象边缘点的理论依据。通过构造二维Ｍａｒｒ小波,实现图象的二进小波变换分解,分解后的零交叉位置对应着图象边缘点,同时由粗至精的多尺度检测图象边缘的方法也得到实现。