共查询到19条相似文献,搜索用时 125 毫秒
1.
2.
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。 相似文献
3.
一种基于梯度和零交叉点的图像边缘检测新方法 总被引:3,自引:0,他引:3
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。 相似文献
4.
5.
基于小波边缘检测的图像去噪方法 总被引:10,自引:8,他引:10
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。 相似文献
6.
7.
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。 相似文献
8.
9.
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。 相似文献
10.
11.
12.
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。 相似文献
13.
基于小波定位及Facet模型的三维工业CT图像边缘检测 总被引:5,自引:0,他引:5
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。 相似文献
14.
15.
16.
计算机视觉中的边缘提取技术研究 总被引:1,自引:0,他引:1
谢捷如 《机械制造与自动化》2005,34(2):120-122
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。 相似文献
17.
脊波在工业CT图像裂纹边缘检测中的应用 总被引:10,自引:0,他引:10
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。 相似文献
18.
19.
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。 相似文献