基于图像融合的年轮细胞边缘检测算法研究

提出一种基于图像融合的边缘检测算法。首先对源图像进行小波分解,在不同分解层用小波模极大值法对高频子图像进行边缘检测,用数学形态学对低频子图像进行边缘检测,然后采用一定的融合规则将这两个边缘检测图像融合在一起。实践结果表明,这种方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

融合小波变换与形态学的车身刮痕边缘检测

针对车身表面外部噪声干扰的影响,导致无法准确提取到车身刮痕边缘有效信息,提出一种融合小波变换和数学形态学的边缘检测方法。首先,为减弱车身刮痕边缘提取过程中受光照等外界噪声干扰影响,对刮痕源图像利用小波模极大值边缘检测方法,消除部分噪声干扰,提高边缘检测定位的准确性;然后,为了优化刮痕边缘的连续性,避免在多尺度小波检测下边缘有效信息的丢失,提出一种改进的数学形态学边缘检测算法;最后,将小波模极大值与数学形态学两种方法的检测结果进行小波分解,分别得到图像的高频和低频分量。两图像低频分量根据图像能量大小分配权重进行融合,对应的高频分量通过绝对值取大的方式融合,将融合后的高频和低频分量重构,获取最终的刮痕边缘。通过实验分析,该融合方法能保证在去噪的同时,获得更完善清晰的边缘特征信息,效果优于传统边缘检测算法,能为后续刮痕精确定位修复提供理论与技术支持。     

融合Canny算子和形态学的 齿轮图像边缘检测研究

针对含噪齿轮图像边缘检测中存在的难以有效抑制噪声和准确检测出更多真实边缘等问题,将改进的Canny算子和数学形态学算法应用到含噪齿轮图像边缘检测中,提出了一种融合Canny算子和数学形态学的含噪图像边缘检测算法。首先利用了改进的Canny算子边缘检测,接着运用了多尺度多结构数学形态学边缘检测;然后对两幅边缘图像进行了小波分解,得到各层子图像;最后分别对子图像采用了自适应加权融合,并使用小波逆变换重构图像得到了最终的边缘检测图像。实验及研究结果表明:融合算法比单独使用改进的Canny算子、数学形态学去噪效果好、定位精度高、边缘连续清晰,并且当噪声浓度升高时依然具有良好的去噪效果,是一种可行的无监督融合算法。     

基于小波变换和数学形态学的边缘检测法

提出一种基于小波变换和数学形态学的边缘检测算法.对于遥感图像的边缘检测,利用小波变换的特点,先对遥感图像进行分解,获取高频分量的详细细节.然后通过对遥感图像特点的研究,文中提出一种适于遥感图像的L形结构元素.利用小尺寸结构元素对边缘细节的检测能力,从而得到相对较好的图像特征和细节.     

基于NSCT的航拍绝缘子图像边缘提取方法

绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提,结合航拍绝缘子图像的特点,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform,NSCT)的航拍绝缘子图像边缘提取方法。先利用分段线性灰度变换实现预处理,然后进行NSCT分解,基于分块思想对系数进行分块并求局部阈值,得到边缘图像,最后对边缘检测结果进行形态学滤波使边缘图像更清晰。分别对Lena图像和现场绝缘子图像用Canny算子法、小波模极大值法和所提方法进行图像边缘提取,并对各方法进行性能指标的评价。实验结果验证了所提方法对绝缘子图像边缘检测的有效性,并表明了该方法优于基于Canny算子和小波模极大值的边缘提取方法。     

基于小波变换和数学形态学的足迹边缘检测算法

根据足迹图像的特点,提出了一种足迹边缘检测算法.本算法利用小波变换和数学形态学边缘检测的优点,确定了足迹边缘,并采用合理的融合规则融合边缘信息.实验结果表明,该算法能有效地抑制噪声,较好地再现足迹的边缘信息.     

基于数学形态学和小波阈值的红外温度图像去噪方法

针对普通小波阈值去噪方法不能较好地保留红外图像边缘信息的问题,提出一种数学形态学边缘检测和小波阈值去噪相结合的方法,即红外图像先经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。结果表明,与普通小波阈值去噪方法相比,该方法较好地保留了红外图像的边缘信息,去噪效果明显,且改善了均方误差和峰值信噪比,对摩擦副表面红外温度图像进行去噪,可获得较为准确的温度场。     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于图像处理的带线缝合针尾孔同轴度检测研究

针对带线缝合针尾孔同轴度检测问题,提出了一种对尾孔放大图像进行边缘检测并拟合的同轴度检测方法.首先根据小波变换原理,利用Db3小波基函数对尾孔放大图像进行了三层小波分解,高频部分利用小波多尺度积边缘检测方法抑制噪声,低频部分利用数学形态学边缘检测方法检测弱边缘信息.然后根据图像信息熵计算了单幅边缘图像的权重系数,进一步将多幅高频边缘图像和低频边缘图像融合,提取到了清晰的尾孔内外圆边缘图像.最后运用最小二乘圆拟合方法得到尾孔内圆与外圆圆心坐标,计算了同轴度.针对0.5 mm缝合针样本的实验结果表明该方法与传统检测方法的同轴度数据差值不超过0.2 μm,且具有良好实时性,能够满足尾孔的同轴度检测要求.     

基于小波包和数学形态学结合的图像特征提取方法

提出了一种基于小波包和数学形态学相结合的图像特征提取方法,应用于车牌字符等的图像提取及边缘检测。采用了小波包对图像进行分解并重构其近似部分,用形态学膨胀和腐蚀等形态学基本运算以及形态学梯度对图像进行边缘检测,并应用形态学重构填充了车牌字符的空隙,以便后续的字符识别。仿真实验表明与Edge边缘检测算子相比较,该方法能够更好地提取图像特征,检测出的边缘更清晰,并更好地填充了车牌字符的空隙。     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

一种基于小波变换的照明无关边缘检测和模糊增强方法

提出了一种基于小波变换的照明无关边缘检测和模糊增强算法,用于从不均匀的弱照明图像中提取目标边缘。依据照明反射图像形成模板和CCD相机成像公式,推导出图像的小波变换公式。对图像局部区域中边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。给出一种同时考虑小波模值大小和梯度方向的模糊算子来增强边缘并抑制噪声。最后,采用仿真和真实的图像对该算法进行验证,利用此算法检测阶梯边缘,得到该算法的边缘检测评价标准F系数值为0.984 3,边缘定位精度评价系数E_d值为0.126 5,通过被检测的特征球边缘计算得到的交比值误差为3.72×10^-3。实验结果证实,该边缘检测方法能够很好地工作于非均匀的弱照明图像。     

方向小波变换在直线轮廓物体的边缘检测中的应用

直线轮廓物体的图像边缘往往呈现出一定的方向性规律,若采用能够突现方向性的边缘检测方法,则可以得到比较好边缘效果.随着小波变换在图像处理方面的应用日益广泛,小波变换也被更多地用于图像的边缘检测.但传统的小波变换没有反映出图像的方向特性,而方向小波变换既具有小波变换在信息处理中的优势也能反映出图像信号的方向性,因此,文中将其应用于实验图像的直线轮廓物体的边缘检测,得到了比较好的边缘图像.     

Underwater cable detection in the images using edge classification based on texture information

In this paper, a new approach is proposed for detection of an underwater cable, which makes an Autonomous Underwater Vehicle (AUV) capable for automatic tracking. In this approach instead of traditional image segmentation, first, edges of the images are extracted. Then they are classified using Multilayer Perceptron (MLP) neural network and Support Vector Machine (SVM) using texture information. Then the edge points belonged to the background information are removed and the remaining ones are used for the next processes. Finally, the filtered edges are repaired by morphological operators and are fed into the Hough transform for cable detection. Some texture information methods are used for feature extraction but the results confirm that the 2D Fourier transform in combination with MLP network is the best method for edge classification in this environment. Hough transform, is used in two strategies, which in the first one, the whole information of the edges in the image, are used for line detection, and in the second approach because of curve like shape of the cable, a center part of the image, is used for line detection. In the experiments, many different scenes was used for testing the cable detection algorithm, which first method, resulted to good accuracy but the second one, provided better recognition rate for the cable detection task.     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于Curvelet变换的遥感图像融合研究

Curvelet变换是继小波变换之后,更适合图像处理的一种新的多尺度变换分析方法,相比小波而言,它更加适合分析二维图像中的曲线或直线状边缘特征,而且具有更高的逼近精度和更好的稀疏表达能力,同时也具有很强的方向性.本文论述了Curvelet变换的理论和实现算法,基于考虑图像中的那些弱的边缘,提出了一种利用Curvelet变换进行遥感图像融合的方法.实验结果分析表明:将Curvelet变换引入图像融合,能够更好地提取原始图像特征,为融合图像提供更多信息,使融合图像在较好地保留光谱信息的同时,空间细节信息得到增强,优于典型的IHS变换、主分量变换及小波变换图像合方法.     

基于小波定位及Facet模型的三维工业CT图像边缘检测

进行三维图像边缘检测时,利用Facet模型能够获得较精确的边缘信息,但耗时较多;而利用小波变换可获得较快的检测速度,但得到的边缘依赖于阈值的大小。综合上述两种方法的特点,提出了一种基于小波定位及Facet模型的三维边缘检测方法。首先,对工业CT三维图像进行三维小波变换,设定较小阈值,得到三维粗边缘,即对图像边缘进行粗定位;然后,针对粗边缘点逐个进行三维Facet拟合,得到实际边缘点,从而完成图像边缘的精确定位。该方法通过小波变换粗定位这一前处理过程减少了Facet拟合的体素点数,加快了Facet模型三维边缘检测的速度。实验结果显示,本文方法不仅能得到与直接Facet模型效果相当的边缘,还能使Facet模型三维边缘检测的速度提高3.51～7.39倍,而且图像边缘越简单加速比越高。实验结果表明,基于小波定位和Facet模型的边缘检测方法可满足工业CT三维图像边缘检测对精度和速度的要求。     

基于小波神经网络和证据理论的零件图像识别的研究

从零件图像的小波分解系数和相对图像边缘像素系数作为零件特征的方法出发,提出了基本概率分配构造和多源零件图像特征识别的方法。首先,对多源零件图像分别进行小波分解,获取零件图像的小波分解系数。对零件图像进行小波多尺度边缘检测,将被检测的零件边缘轮廓图像分成若干个区域并分别统计各区域的相对边缘像素系数。然后,多源零件图像的小波分解系数和零件边缘轮廓图像的相时像素系数作为零件图像的特征并作为神经网络的输入,获取多源零件图像识别的基本概率分配。最后,依据证据理论的合成规则得到零件的识别结果。实验结果表明,基本概率分配构造和多源零件图像特征识别的方法是有效的。