基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

基于多尺度小波的Roberts边缘检测法

在Roberts交叉梯度算子边缘检测框架基础上,提出一种小波增强的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Roberts梯度算子对各子图像进行空间一次微分,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、融合及差影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,补偿弱边缘,可以有效获取多个尺度下的边缘信息,对边缘信息定位精度高,是一种可行、有效的图像边缘检测的方法。     

多尺度边缘检测技术的分类及比较

本文综述了多尺度边缘检测技术：介绍了基本概念及有关理论；归纳了现有的各种多尺度边缘检测方法；     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于尺度空域相关性的图像边缘检测

根据小波分析多尺度空间的相关性,在模极大值边缘检测的基础上提出一种新的图像边缘检测方法.该方法不需要对图像进行预处理就能较精确的检测出图像的边缘.取相邻尺度的小波系数相乘进行相关计算,在抑制噪声的同时提高边缘的定位精度.方法快捷,算法简便,克服了直接对图像进行模极大值边缘检测造成的误差.实验结果表明,该方法得到了满意的效果.     

图像的多尺度边缘抑噪算法的实现

本文提出了新的基于小波变换,根据多尺度信息提取去噪边缘的方法。并提出了用模糊数学形态学方法进行图像处理,最后本文展示了实验结果。     

基于多尺度数学形态学的边缘检测

提出了一种基于多尺度数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的优势,分析了在不同尺度下边缘提取的特点,采用非极大值运算方法提取边缘点,并与其他形态学边缘检测法进行了比较,给出了在含噪条件下边缘提取的实验结果。     

一种基于多小波算子的复合边缘提取方法

由于光照、遮挡以及投影等因素的影响，大量自然场景图像的边缘并不表现为简单的阶跃状边缘，而是几种简单边缘的复合。复合边缘的提取和准确定位是边缘提取中的一个难点。为此，应用图像复合边缘的数学模型，从一对分别为偶对称和奇对称的多小波尺度函数出发，构造出一种对复合边缘具有零系统定位误差的多小波边缘提取算子，相应的小波函数仍然分别为偶对称和奇对称的。理论上，应用这样的多小波边缘提取算子提取图像的复合边缘可以有任意高的边缘定位精度。实验结果表明，和常用的Canny算子相比，应用本文所构造的多小波边缘提取算子提取的图像边缘失真较小，定位更加准确。     

具有边缘保持特性的嵌入式图像压缩算法

针对小波变换图像压缩存在的边缘模糊问题,提出了边缘检测与压缩编码相结合的方案,首先利用小波变换的多尺度特性提取图像边缘,将其在高频子带内对应的小波系数乘上一个加权因子,然后利用本文提出的无表SPIHT算法进行编码。本文方案结构简单,无需链表,易于硬件实现,而且有效地克服了G ibbs效应,提高了恢复图像质量。     

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。     

改进的抗噪形态学边缘检测算法

噪声是影响图像的边缘检测效果的主要因素之一。形态学的各种运算可以有效地去除噪声,利用形态学对含噪图像进行边缘检测的算法已成为人们当今关注的问题。为了提高图像边缘检测的准确性,降低噪声对图像边缘检测的影响,提出了一种改进的抗噪形态学边缘检测算法,且利用两个不同的结构元素进行边缘检测。对于含有椒盐噪声的图像,改进的算法能很好地减弱噪声,得到的图像较平滑、轮廓清晰。边缘定位准确且很好地保留了边缘细节特征。实验结果表明,算法抗噪能力较强,客观评价与视觉效果均好。同时,该算法具有一定的实用性和可行性。     

量子衍生图像边缘检测方法

利用量子比特表示图像像素的灰度,用双量子位叠加态来描述两像素之间的关联,通过线性厄米算符在该量子叠加态中的平均值来判断像素的边缘特征,由此建立了一种新的图像边缘检测方法,并从概率论的角度对该方法的合理性给予解释。理论和计算机仿真结果均表明该方法具有视觉补偿功能,能检测出图像中高亮度和低亮度区域的灰度微弱变化引起的边缘效应。     

图像边缘检测技术的改进

比较了Roberts算子、Sobel算子、Gauss－Laplace算子、Canny算子等几种传统的边缘检测技术,指出这些算法在边缘检测精度和抗噪声性能方面存在一定的问题。在分析以上算子的缺陷后提出改进的方法。通过迭代算法寻找最佳阈值,增强了目标和背景的对比和目标边缘,准确提取目标区域,并结合形态学进行轮廓提取,有效减少噪声对灰度门限值的影响,通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度,抗噪能力和准确性。     

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.     

图像边缘检测算法的对比分析

对一些常用的图像边缘检测算法进行简单的介绍,并通过实验对各种算法进行比较,分析了这些算子边缘检测的优缺点,以及导致它们差异的具体原因.这对于进一步学习和寻找更好的数字图像边缘检测方法具有实用意义.     

A Multiscale Approach to Automatic Medical Image Segmentation Using Self-Organizing Map

In this paper,a new medical image classification scheme is proposed using selforganizing map(SOM)combined with multiscale technique.It addresses the problem of the handling of edge pixels in the traditional multiscale SOM classifiers.First,to solve the difficulty in manual selection of edge pixels,a multiscale edge detection algorithm based on wavelet transform is proposed.Edge pixels detected are then selected into the training set as a new class and a multiscale SOM classifier is trained using this training set.In this new scheme,the SOM classifier can perform both the classification on the entire image and the edge detection simultaneously.On the other hand,the misclassification of the traditional multiscale SOM classifier in regions near edges is graeatly reduced and the correct classification is improved at the same time.     

一种新的SAR图像边缘检测算子

Canny算子是边缘检测的重要方法之一,对于含有高斯加性噪声的图像非常有效.从SAR图像乘性噪声的特点出发,通过增加前处理和更改核函数的方法对Canny算子进行了改进,改进后的Canny算子可以应用到SAR图像边缘检测.实验结果表明该算子对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻.     

一种基于统计的图像边缘检测方法*

提出了一种基于统计的图像边缘检测方法.它首先通过计算图像中每一点的梯度向量以及方差-协方差矩阵,然后对每一点的梯度向量进行非极大值抑制,最后使用统计的方法求出局部标准化梯度阈值来检测图像的真实边缘.通过与经典的边缘算子相比较,该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了虚假边缘的产生,取得了良好的效果.     

基于边缘检测的噪声图像压缩编码方法

基于小波变换的图像压缩算法在含噪图像和较低码率时出现的边缘模糊现象多年来一直未能得到很好的解决,为了解决这一问题,提出一种基于边缘检测的噪声图像压缩编码方法。首先,对图像进行小波边缘检测,确定哪些小波系数是图像的边缘特征,将其保护起来;然后,对小波变换域系数采用软阈值收缩方法实现去噪;最后,利用等级树集合分裂算法(SPIHT)算法对图像进行压缩编码。实验结果表明,本文提出的方法不仅能获得较高的图像压缩率、较好地去除噪声,而且能在一定程度上解决边缘模糊问题。