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。     

一种改进的小波多尺度相乘目标边缘提取方法

传统的小波边缘检测算法在处理边缘定位精度和检测能力方面存在不足,对其进行优化和折衷是提高检测性能的关键,深入研究了小波变换在图像边缘提取中的应用,分析了小波变换时频域分辨率可调和多尺度分析的特性,提出了一种改进的基于相邻尺度小波系数相乘的边缘检测方法和改进的阈值构造方法,通过具体实验数据分析了小波分解尺度和阈值选取与边缘定位精度、边缘漏检误检的关系,以及对抗噪性能的影响。并通过算法仿真,与传统的小波边缘提取方法进行了效果对比。实验表明,针对典型的参考图片取得了较好的边缘检测效果。     

基于多尺度小波变换的x射线图像去噪

根据X射线数字图像本身的特点,文章提出了一种新的去噪方法,这种方法利用小波变换模极大值(WTMM)在各尺度上的不同传播特性对图像进行边缘检测同时结合小波包去噪算法实现对图像的去噪方法.实验结果表明,该方法不但具有较高的峰值信噪比,而且很好的保留了图像的边缘信息,能满足X射线图像后续处理的要求.     

基于反对称双正交小波重构的图像增强方法

详细给出了基于反对称双正交小波重构的多尺度边缘检测方法的相关理论基础, 即推导了反对称双正交小波变换所具有的卷积运算性质; 分析了反对称双正交小波变换的微分算子功能; 提出了一种针对图像多尺度边缘提 取的小波重构算法. 在此基础上, 提出了基于反对称双正交小波重构的图像锐化增强方法. 首先对图像进行多尺度小波分解; 然后在小波重构中, 计算模值图和相角图, 提取各尺度边缘图像, 并根据边缘图像, 增强半重构图像的对应边缘点; 最后继续逐级重构,实现图像增强. 该方法在小波塔式分解数据的重构过程中有针对性地实现对图像边缘的锐化增强, 对图像增强和图像滤噪增强提供了一种新的解决问题的思路. 实验结果验证了 该方法的有效性.     

基于相邻尺度小波变换乘积的镜头渐变检测

镜头边界检测是进行视频内容分析的首要步骤。提出一种基于相邻尺度小波变换乘积的镜头边缘检测方法。对镜头内的每帧视频图像进行小波变换,求出各帧图像相邻尺度小波变换尺度积的模和方向。计算连续帧图像尺度积与模之间的绝对距离,得到2帧图像间的不连续值。通过自适应阈值分割,检测出镜头边界。     

基于小波变换的图象边缘融合检测

传统的边缘检测算法虽然实现简单,计算较快速,但是被检测图像较为复杂或含有噪声污染时,那些传统的边缘检测算法就很难得到理想的边缘结果。利用多尺度小波变换来检测图像的边缘是最近几年比较流行的方法,而且检测复杂图像或含噪图像的边缘比传统算法要好得多。该文提出一种在金字塔分解体系结构下利用多尺度小波变换的局部模极大值算法检测图像的边缘,并将图像分解的各层边缘信息利用小波融合算法逐个融合,以得到最终的图像边缘结果。实验结果表明,该文方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点,也能较准确地提取图像的边缘及降低计算量。     

双向扩散耦合阈值的小波边缘检测算法

为了准确的提取含噪图像在边缘点处所对应的小波系数,根据偏微分方程一步迭代扩散的结果等价于平移不变Haar小波去噪的一步收缩,结合前向-后向的双向扩散的特点,提出双向扩散耦合阈值的小波边缘检测新方法.该方法对噪声图像进行小波变换,得到的高频部分进行双向扩散耦合阈值.该阈值有效地去除噪声同时增强了边缘信息,利用阈值后各高频以及低频部分的细节信息,采用多尺度小波变换模极大值检测方法得到最终的边缘图像.实验表明,新方法在滤除图像噪声、保留细节边缘和保持边缘连通性方面都有不错的效果,具有实用性.     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

融合小波变换和新形态学的含噪图像边缘检测

针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。     

基于小波变换的拓片文字边缘检测*

针对拓片得到的文字图像具有模糊细节多、效果差等特征,以及传统算法对其边缘检测的精度不高,根据拓片文字边缘独立于尺度传播的特性,提出了一种基于二进小波变换的拓片文字图像边缘提取和增强算法。首先用二进小波对拓片文字图像进行多尺度分解,再结合小波变换模值跨尺度传递的不同特性,进行多尺度下的图像边缘提取、增强和细化。实验表明,该算法克服了传统算法的不足,弱化了单尺度下噪声抑制与边缘细节提取精度之间的矛盾,从而具有更好的实用性。     

一种改进的小波自适应边缘检测算法*

为合理选择小波变换尺度,解决抑制噪声和边缘定位之间的矛盾,提出了一种基于局部熵的自适应尺度选择方法,采用局部熵预处理图像,根据熵值大小自适应地选择小波变换的尺度,各区域分别按照相应的尺度进行小波变换检测图像边缘。实验结果表明,此方法比基于均方差的小波自适应算法检测到的边缘更清晰,定位更准确。     

小波变换阈值选取的博弈与图像边缘点检测

介绍了小波变换的理论，从一维空间小波变换故障信号检测实例出发，分析应用小波变换进行信号突变点检测时，阈值选取对消除噪声和信号真实突变点检测的影响，引出小波变换阈值选取的博弈观点；通过软件编程实现小波变换和模极大阈值法图像边缘点的提取，对比选取不同阈值时边缘点图像实例的效果，进一步讨论了阈值优化的博弈结论和相关技巧；认识和应用此结论不仅可以有效减小噪声，而且可以更加准确地提取图像边缘点,实验证明效果很好。     

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...     

小波变换三阈值多尺度融合边缘检测算法

充分利用边缘点和噪声点在梯度方向特征上的差异,提出了边缘点的梯度方向特征的概念。在不同尺度上对图像进行小波变换,得到每个像素点的梯度信息,利用双阈值的非极大值抑制法和边缘点的梯度方向特征提取每一尺度上的边缘点,最后用第三个阈值融合各尺度下的检测结果,得到图像边缘。实验结果证明,该算法与经典的Canny算子和Mallat小波算子相比,在保证边缘定位能力的同时,具有更强的抗噪声性,在强噪声干扰下仍可获得满意的边缘检测效果。     

结合边缘信息的多尺度MRF图像分割

针对采用多尺度马尔可夫随机场分割图像后还存在误分类的特点，提出了结合边缘信息进一步减少误分类，并设计了一种基于平稳小波变换、两个相邻尺度相乘的边缘提取算法。分析和实验结果表明，该边缘提取算法达到了既能提取出较完整、真实的边缘，又较好地抑制噪声，计算量少的要求。在分割算法中结合提取出的边缘信息，使图像在均匀区域中的误分类大大减少，得到了更好的分割结果，而增加的计算量只是由边缘提取带来的．该边缘提取算法和结合边缘的图像分割算法更适合于强的噪声图像。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

一种新的基于小波变换的边缘检测方法

本文根据经典的基于小波变换的多尺度边缘检测方法,提出了关于一维信号和二维信号的基于相邻尺度上小波变换乘积的边缘检测方法,该方法可以有效地增强边缘和抑制噪声,对一维和二维信号的计算机仿真实验表明该方法是正确的和有效的。