融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

基于Wavelet snake的SAR图像中水岸边缘检测算法

利用àtrous小波变换、图像块生长和wavelet snake算法相结合,提出了一种检测SAR图像中河岸边缘的新算法.为了检测河流的边缘,首先利用小波变换对SAR图像进行小波分解,得到较低分辨率的图像,降低闪烁和噪声的影响;然后用图像块生长提取河流的初始边缘;最后把初始边缘作为Snake算法的起始点,利用wavelet Snake算法提取河流的精确边缘.在实验中,利用该算法提取了淮河SAR图像中的一段水岸边缘.     

基于X射线炮弹图像边缘检测技术的研究

在深入研究边缘检测技术和小波理论的基础上,结合X射线图像及炮弹内部弹药缺陷的特征,与传统的边缘检测算法相比较,找到了一种适用于X射线炮弹弹药图像的缺陷边缘检测方法———小波模极大值多尺度边缘检测方法.实验结果表明,该方法能够较准确地提取X射线炮弹弹药缺陷的边缘特征.     

基于小波分析边缘检测技术研究

边缘检测是图像分割的基础,小波分析技术可以进行图像的边缘检测。本文提出利用模极大值与自适应阈值相结合的算法进行图像的边缘检测,并仿真得到边缘检测图像。与传统的方法比较,本文采用的方法效果较好,能够检测较弱的图像边缘。     

基于小波变换的Canny检测算法

在图像处理中, 边缘检测具有很重要的作用, 它可作为模式识别、图像分割及图像场景分析的基础. 传统的图像边缘算法具有算法简单, 方向适应性强的优势, 然而由于图像边缘具有多样性(方向的不一致性、边缘强弱的不相同等), 这些传统算法不能很好地体现出优越性.论文提出利用小波变换对图像进行分解,增强和重构后,再利用传统的Canny算子对变换后的图像进行边缘检测,以缓解图像处理中噪声抑制与精细边缘检测的矛盾.结果证明,该方法提取的图像边缘失真小,能有效地拟制噪声,对多边缘特征的图像具有良好的适应性.     

最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方...     

二阶B样条小波在车牌定位中的应用

构造出具有最小支集特性的二阶B样条小波来检测汽车图像边缘 ,边缘图像是由小波变换后的模局部极大值构成 ,这样得到的边缘图像不但含有边缘的模值信息 ,还可以求得相应的相角信息 .该算法根据实际情况 ,通过调整多分辨率分析尺度的大小来获得相对清晰的边缘图像 ,同时又很好地抑制了噪声 .通过对试验结果的分析可以得出 :根据此算法得到的边缘图像来定位车牌比用传统的Sobel算法更准确、更精确     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

一种基于小波和模糊逻辑的图像边缘检测方法

提出一种基于小波和模糊逻辑的图像边缘检测方法。基于图像高频分量和低频分量的特点,对细节信息和平均信息分别用二进小波变换和模糊逻辑进行边缘检测,再用逻辑运算合成边缘图像。实验结果表明,该算法能有效解决图像边缘的有效检出与精确定位之间的矛盾,具有很好的互补性,检测效果优于经典的Canny和Mallat等算法。     

基于小波变换的近红外图像特征提取方法

提出用二次样条小波对近红外数字图像进行特征边缘提取,与传统边缘检测算子进行比较,并在Windows 平台的VC ＋ ＋6.0集成开发环境下编程实现.实验结果显示,当目标对比度下降到一定程度时,常规算子无法提取出弱目标,利用二次样条小波变换能够将近红外图像中弱目标的特征边缘提取出来,效果较好,且算法简单,效率较高.     

基于MAS小波的噪声污染图像边缘检测方法

提出了一种基于MAS小波变换多尺度相关的噪声污染图像边缘检测方法.该方法采用二进MAS小波对图像进行多尺度分析,由于小波变换的模极大值充分刻画了图像的奇异点,利用模极大值得到所有的奇异点包括边缘和噪声的图像;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声,得到边缘轮廓不太光滑的图像;将两幅图像进行融合,得到最终检测结果.实验结果表明,该方法能够有效地对噪声污染的图像进行边缘检测.     

基于小波域的图像增强算法

针对图像边缘增强和滤噪的矛盾,提出了符合视觉特性的基于小波域的图像增强算法.将图像的小波变换结果看成一幅图像,则在空域中的阶跃边,在小波域的高频通道中表现为屋脊边,而空域中的屋脊边,在小波域高频通道中表现为成奇对称的屋脊边缘对.在高频通道中,用高斯函数或升余弦函数拟合屋脊边,用正弦函数拟合屋脊边对.通过修改拟合函数的参数来改变其形状,从而使反变换回来的图像的边缘斜率提高,进而达到图像增强的目的.由于在对屋脊边的识别中采用了方向信息测度,使算法能很好地处理边缘增强和滤噪的矛盾.分别对测试图像和实际图像进行处理,并与传统的高通滤波方法进行了对比,实验结果表明,本文提出的方法具有更好的视觉效果.     

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.     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

基于小波和Contourlet的改进的图像复原算法

不同的数学变换工具能够有效表示图像的不同细节结构,小波变换能够有效表示图像中的奇异点,而con-tourlet变换能够有效表示奇异线,为了更好地利用不同变换工具的优势,文中提出一种基于小波和Contourlet的改进的图像复原算法。算法首先分别应用不同的小波基和不同的Contourlet基,基于正则化方法求解出复原图像;然后,将经过不同的滤波器组得到的复原图像通过加权平均的方式融合,得到一幅效果较好的恢复图像。实验结果表明,加权平均之后的图像相比使用单一滤波器的复原图像,其改善的信噪比提高0.1～0.5dB。