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．     

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。     

基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意．针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度．实验证明该方法可达到1／60像素的精确度。     

图像边缘提取的小波多孔算法及改进

边缘提取在图像处理中具有重要地位 ,Mallat等提出利用小波变换的局部极大值来表征信号奇异点 ,从而进行图像边缘的提取。但直接使用 Mallat算法进行边缘提取时需进行二抽取操作 ,图像将相应缩小。利用小波变换的多孔算法实现图像边缘提取 ,并提出一种更为简化的改进方法 ,实例测试验证了其有效性。     

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.     

基于多尺度提升小波的边缘检测

通过比较第一代和第二代小波的特点,研究了第二代小波在边缘检测中的方法.基于多尺度提升小波的边缘检测弥补了传统边缘检测算法的不足,有效地抑制了噪声并且提高了其边缘定位精度.提出了一种提升方案的边缘检测算法.最后,通过仿真验证了该算法的有效性和快速性.     

小波系数过零点的屋脊边缘亚像素检测算法

针对现有亚像素边缘检测算法在定位精度、抗噪性能和计算速度方面问题,提出一种新的基于小波变换系数过零点的屋脊边缘亚像素检测算法,证明了利用该方法对屋脊边缘进行亚像素检测不存在原理误差,且具有较好的抗噪性能和较快的计算速度.仿真实验证实理论的正确性.     

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．     

基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

图像小波边缘提取中阈值选取的一种自适应方法

文中对Ｍａｌｌａｔ的多尺度小波变换级提取算法中阈值的取了作了改进,提出了对整幅图像设置链平均幅度阈值的下限和锭长度阈值后,再采用矩形自适应法选取链平均幅度阈值来对局部有大值进行删取,在不同尺度上提取图像边缘,而后综合形成图像真正的边缘,实验表明,这种对链平均幅度阈值设定下限再采用矩阵选取阈值的方法,是一种更加有效的边缘提取方法。     

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。     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

基于B样条小波的图像边缘检测

提出了一种检测图像边缘的方法。该方法在满足Canny提出的边缘检测3个准则的基础上，构造二维可分离滤波器组，利用B样条小波对图像函数进行小波变换，提取图像边缘，较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾，并采用了多孔算法防止图像质量丢失。实验证明了B样条小波检测图像边缘的有效性、正确性。     

基于多尺度边缘提取的薄雾图像处理方法

雾天获取的图像,掩盖了部分需要的真实信息.针对这类图像,给出了应用强化边缘的方法进行处理,主要采用多尺度边缘提取方法获得图像边缘;用小波阈值去噪法对图像进行消噪处理;为了避免传统方法产生的块状现象,最后用三次样条插值对图像进行平滑处理.     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于小波变换的去噪方法

分析了信号与噪声在小波变换下的不同特点,提出了基于小波变换的去噪方法,且将该去噪算法用算子加以描述,给出了具体实例。小波变硬阈值去噪法和软阈值去噪法的性能比较及仿真实验,表明基于小波变换的去噪方法是非常有效的。     

基于Zernike矩亚像素边缘检测的改进算法

通过分析Zernike矩以及基于Zernike矩的亚像素图像边缘检测原理,针对Ghosal提出的基于Zernike矩的亚像素图像边缘检测算法检测出的图像存在边缘较粗及边缘亚像素定位精度低等不足,提出一种改进算法。推导了Zernike矩模板系数,提出一种新的边缘判断依据。改进的算法能较好检测图像边缘并实现较高的边缘定位。最后,设计两组实验,实验结果将各尺寸模板结果及与Ghosal算法进行比较,证明了改进算法的优越性。     

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。     

基于多方向小波模糊融合的SAR图像边缘提取

合成孔径雷达图像通常带有较强的相干斑噪声。传统的边缘检测算法难以兼顾噪声抑制，检测边缘的完整性和定位的准确性，针对合成孔径雷达自身的特点，利用多方向小波变换各尺度间边缘梯度信息的关联及各方向上边缘梯度信息的互补，提出一种将小波变换的多方向多尺度与模糊积分相结合的边缘特征提取算法．这种算法能在有效克服斑点噪声影响的同时保留弱边缘．融合边缘比较完整．边缘定位准确。     

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。