一种基于分数阶导数的边缘检测算法

传统的边缘检测算法多采用整数阶的一阶或二阶微分算子锐化,通过求取图像的一阶导数局部极大值或二阶导数过零点得到边缘点.本文将基于分数阶导数的边缘检测算子应用于图像边缘检测中,通过对含噪图像g(x)采用合适尺度函数的高斯滤波函数h(x)去噪处理,后对得到的图像f(x)采用阶数为q(q∈(1,2))的左右方向微分的合成分数阶导数算子提取边缘点.结果表明该方法在抗噪声干扰和提取更多边缘细节方面取得了很好的平衡,具有较好的边缘检测效果.     

多尺度小波在图像测量中的应用

在图像测量中,图像的边缘检测是关键。基于信号和噪声在不同尺度下小波系数模值的变化特征,利用小波变换系数模的局部极大值提取图像的边缘。在对前、后孔配准图像的测量中,能够降低噪声,并能比较精确的得到图像的边缘。     

一种基于梯度和零交叉点的图像边缘检测新方法

本文提出了一种基于一阶导数局部极大值和二阶导数零交叉点的图像边缘检测方法。许多传统的边缘检测方法，尤其是一些基于二阶导数零交叉点的方法，对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来，而本方法可以较好地解决这些问题。本文提出的算法是先计算出像素一阶导数的局部极大值以及二阶导数对应的零交叉点，将两者进行比较，删除那些二阶导数是零交叉点但一阶导数不是局部极大值的像素点，最后把剩下像素连接起来，即是图像边缘。实验研究结果表明该方法具有良好的边缘检测效果和鲁棒性。     

基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

小波变换模极大值多尺度边缘检测

以Canny边缘检测框架为基础,分析小波变换模极大值边缘检测算法.给出了一种快速二进离散小波变换实现多尺度边缘检测方法.给出了简便计算小波模方向和模极大值阈值门限选定方法.实验表明给出的算法可以有效获取多个尺度下的边缘信息.     

小波奇异性分析在煤厚探测信号处理中的应用

小波变换为信号的多尺度瞬态分析提供了较好的方法。笔者将小波分析在模极大值处理中的优势应用到煤层厚度探测的信号分析中,根据信号小波变换模极大值和信号奇异性之间的关系,由小波变换模极大值沿尺度变化趋势分析出信号的奇异点,得到反射波的初始到达时刻,从而计算出煤层的厚度,取得了比较理想的效果。为信号处理提供了一种新颖的方法。     

基于小波模极大值的工件图像边缘检测

为给数控机床上下料机器人提供准确定位信息,实现机械手准确抓取工件,需要对工件进行图像抓取并处理图像,同时为了获得抓取信息,对工件进行边缘检测以提取出清晰的轮廓。在工件实际图像采集中,噪声往往比较多,本文采取小波模极大值边缘检测算法,将图像进行小波变换后计算模值及相角,求出模的极大值点并判断是否为边缘点后对边缘进行提取,最后对实际工件进行边缘检测。该方法抗噪性良好,并具有一定的实用性。     

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。     

双阈值法在图像边缘检测中的应用

利用小波变换模极大值法进行图像边缘检测时,需选择阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,如果对变换后的图像取单一阈值,那么微弱边缘将会因为灰度不均匀、噪声等一并被滤除.针对这一问题,在上述算法中用双阈值法代替单阈值,使得图像边缘连续,同时也能很好地消除噪声,实验结果表明该算法简单实用,易于实现.     

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.     

尺度空域相关性在机械零件形貌检测中的应用

为了能准确快速的提取机械零件的边缘信息,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,此种方法不需要对零件的视觉图像进行预处理就能较精确地检测出图像的边缘,在抑制噪声的同时提高边缘的定位精度,克服了直接对图像进行模极大值边缘检测造成的误差。结果表明,使用该方法对边缘进行检测可获得满意的结果。     

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M带小波变换的焊接熔池图像边缘检测

利用M带小波变换理论对CO2焊图像进行处理。基于Mallat小波模极大值边缘检测技术，研究了熔池边缘和焊缝位置的M带小波检测方法及算法实现，对边缘检测结果进行了分析。对CO2焊图像处理结果表明，用M带小波变换理论构造的小波基对提取熔池边缘和焊缝位置效果较好，可用于熔深控制、焊缝跟踪等领域。     

一种非均匀光照图像字符二值化小波分析法

图像二值化阈值的选取是灰度图像二值化处理中的关键，本文提出一种基于小波边缘检测的图像二值化方法。通过对图像进行二进小波变换，在最佳尺度上寻找出图像字符的边缘点，再根据边缘点处的灰度值来确定出二值化的阈值。应用于光照不均匀的多噪声车牌图像二值化，取得了良好的效果。     

计算机视觉中的边缘提取技术研究

在计算机视觉应用中,低层模块中图像边缘提取检测通常是一个必要的过程。介绍了对计算机视觉中所应用的各种图像边缘提取技术;讨论了它们各自的优缺点及其适用范围;阐述了以小波变换为代表的多尺度方法;对具体选取哪种方法提出了自己的见解。     

脊波在工业CT图像裂纹边缘检测中的应用

在分析工业CT图像本身特点及小波变换检测点状奇异性的基础上，研究改进了一种基于脊波变换的边缘检钡0方法，并将其应用于实际工业CT图像裂纹检测中。首先利用脊波变换获得裂纹方向和大致范围，然后通过区域灰度均值比较定位裂纹区域，最后采用梯度算子检测出裂纹边缘并对其进行多项式拟合，得到定位准确、连续、独立的裂纹边缘图像。CT图像的旋转实验验证了该算法的鲁棒性，而与Earlace算子、Canny算子和Mallat小波方法的对比实验则证实该算法具有较强的抗噪声能力。     

输入图像尺寸和伸缩因子对二维Morlet子波变换的影响

简述了二维光学子波变换理论,用计算机模拟方法研究了伸缩因子对子波变换的影响,发现伸缩因子过大会使变换后的图像的边缘变模糊。得出了合适的伸缩因子值,用计算机模拟和光学实现方法研究了输入图像尺寸对子波变换的影响,实验结果与计算机模拟相一致,认为合适的输入图像尺寸应保证输入图像的频谱范围与子波匹配滤波器的频谱范围相一致,才能使二维Morlet子波变换提取清晰的图像边缘特征。     

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。