基于尺度空域相关性的图像边缘检测

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.该方法不需要对图像进行预处理就能较精确的检测出图像的边缘.取相邻尺度的小波系数相乘进行相关计算,在抑制噪声的同时提高边缘的定位精度.方法快捷,算法简便,克服了直接对图像进行模极大值边缘检测造成的误差.实验结果表明,该方法得到了满意的效果.     

全方向M型心动图中带Contourlet变换的检测算法

为了提高全方向M型心动图运动曲线检测效果,根据多尺度分析的思想,提出一种基于Contourlet变换的边缘检测算法.首先利用基于局部熵的算法对图像进行检测尺度的划分,然后在单一尺度空间上借鉴小波模极大值检测思想对图像边缘进行提取,最后利用补偿连接方法融合不同尺度空间下的边缘曲线,以得到最佳的运动曲线.实验结果表明,该算法可以对心动图运动曲线从粗分辨率到细分辨率进行连续逼近,检测效果良好.     

能量回归尺度空间滤波法在图像去噪中的应用

如何有效地增强图像边缘信息,消除图像的噪声是图像处理和计算机视觉研究中的基本问题。利用多尺度二进小波变换,对2维噪声图像进行了研究,提出了能量回归尺度空间滤波方法。利用一些图像进行了数值实验,实验结果表明,能量回归尺度空间滤波法可以较好地保留图像边缘特征,较多地去除噪声。与典型的小波萎缩去噪方法：“硬阈值”滤波法、“软阈值”滤波法相比较,能量回归滤波算法的峰值信噪比（PSNR）提高了2~3dB,从而证实了能量回归尺度空间滤波方法具有良好的去噪性能。     

一种基于小波多尺度边缘表示的图像滤波方法

该文首先介绍了信号小波变换的模极大值点和过零点的特性以及信号的多尺度边缘表示方法,然后介绍了一种在尺度空间基于小波多尺度边缘表示的图像非线性滤波方法。实验结果表明,这种滤波方法能取得令人满意的结果。     

基于变差函数和方向小波的噪声图像边缘检测方法

为了检测受噪声污染图像的边缘,提出了一种基于变差函数和方向小波的多尺度边缘检测新方法.首先,在我们前期研究成果的基础上,基于变差函数理论,提出了图像中45度和135度方向边缘的判别准则.然后根据图像中边缘的方向性,选择合适的方向小波旋转参数,再利用方向小波对各个子区域进行不同尺度小波变换.仿真实验表明,对于受高斯白噪声污染的图像,所提出的边缘检测方法无论在边缘定位的准确性还是在去除伪边缘点方面,均优于传统的小波边缘检测方法.     

基于小波变换模极大值的煤矿岩层图像边缘检测处理

针对煤矿井下岩层监视监控系统中图像边缘检测的问题,提出了采用小波变换进行煤矿井下岩层图像的边缘检测处理.综述图像边缘检测的方法,分析了基于小波变换模极大值的图像边缘检测方法.即首先将图像进行多尺度分解,以获得对图像不同结构特征的描述,进而在各个尺度下通过观测其小波系数模的变化规律检测出不同细节成分的边缘特征.研究结果表明,基于小波变换的图像边缘检测算法能够较好地检测煤矿井下锚杆钻孔内图像中的细节特征,取得了明显的效果.     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,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多源图像数据融合.应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘.     

基于形态学和小波的遥感图像边缘检测

针对遥感图像噪声含量大、边缘细节丰富等特点,提出了一种基于形态学和小波分析相结合的遥感图像边缘检测方法,即利用小波变换将遥感图像分解为低频和高频两部分分别进行处理,低频采用形态学锐化算法改善低频边缘清晰度后构造全方位多结构元素进行形态学边缘检测,高频引入小波阈值去噪算法进行预处理后利用小波模极大值进行边缘检测,最后进行边缘图像融合.实验结果表明:该方法在有效抑制噪声的同时,实现了边缘的精确定位,细节提取效果好.     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

基于B样条小波的图像边缘检测

研究图像边缘优化检测问题.针对图像边缘信息被噪声污染影响定位精度,经典的边缘检测方法Canny算法中的高斯平滑函数边缘定位精确度较低,导致图像缓变边缘信息丢失和假边缘的现象.为去除虚假边缘,在Canny最优边缘检测准则下,提出引入了渐进最优的B样条小波函数,采用小波变换应用于图像边缘检测中的基于模极大值的方法,并结合Kmeans聚类的自适应双阈值方法进行图像边缘检测仿真.仿真结果表明,改进的算法改善了噪声干扰情况下图像边缘提取效果,有效提高了边缘检测的准确性,得到较高的边缘检测图像质量,可为设计提供依据.     

3-D B-spline Wavelet-Based Local Standard Deviation (BWLSD): Its Application to Edge Detection and Vascular Segmentation in Magnetic Resonance Angiography

Extracting reliable image edge information is crucial for active contour models as well as vascular segmentation in magnetic resonance angiography (MRA). However, conventional edge detection techniques, such as gradient-based methods and wavelet-based methods, are incapable of returning reliable detection responses from low contrast edges in the images. In this paper, we propose a novel edge detection method by combining B-spline wavelet magnitude with standard deviation inside local region. It is proved theoretically and demonstrated experimentally in this paper that the new edge detection method, namely BWLSD, is able to give consistent and reliable strengths for edges with different image contrasts. Moreover, the relationship between the size of local region with non-zero wavelet magnitudes and the scale of wavelet function is established. This relationship indicates that if the scale of the adopted wavelet function is s, then the size of a local region, from which the standard deviation is estimated, should be 2s−1. The proposed edge detection technique is embedded in FLUX, namely, BWLSD-FLUX, for vascular segmentation in MRA image volumes. Experimental results on clinical images show that, as compared with the conventional FLUX, BWLSD-FLUX can achieve better segmentations of vasculatures in MRA images under same initial conditions.     

LOG算子边缘检测方法的改进方案

本文对LOG算子边缘检测方法的性能进行了分析和评价。针对LOG算子的缺陷，提出了选择性平滑方式清除图像中的椒盐噪声；提出了依据图像灰度的一阶导数极大值和二阶导数零穿相结合的边缘检测方法，抑制了图像中的大部分其它噪声，并保持了边缘定位精度；还通过用图像灰度共生矩阵的惯性矩特征值自适应调整高斯空间系数和边缘检测阈值，实现了图像边缘的自动提取。实践证明该方法具备有效性和实用性。     

A new edge detector integrating scale-spectrum information

This paper presents a new scale space-based method to extract edges in gray level images. The method is based on a novel representation of gray-level shape called the scale-spectrum space. The scale space representation is used to describe an image at different scales. In order to obtain the original image edges, an edge detector is applied to each simplified image on the corresponding scale. At best, some form of compromise among the edges at different scale levels may be sought. To overcome this problem, we present a stability criterion to combine edges obtained at different scales. Usual problems in edge detection such as displacement, redundancy and error are analyzed and solved using a realistic estimation of displacement of points across scale space. The proposed approach suppress the finer details without weakening or dislocating the larger scale edges (the usual problems of edge detection using an isotropic diffusion procedure) in an improved manner compared to anisotropic diffusion procedures because a tuning function is not required. The proposed methodology is biologically inspired by the behavior of visual cortex neurones as well as retinal cells.     

Reasoning about edges in scale space

Explores the role of reasoning in early vision processing. In particular, the problem of detecting edges is addressed. The authors do not try to develop another edge detector, but rather, they study an edge detector rigorously to understand its behavior well enough to formulate a reasoning process that allow appliance of the detector judiciously to recover useful information. They present a multiscale reasoning algorithm for edge recovery: reasoning about edges in scale space (RESS). The knowledge in RESS is acquired from the theory of edge behavior in scale space and represented by a number of procedures. RESS recovers desired edge curves through a number of reasoning processes on zero crossing images at various scales. The knowledge of edge behavior in scale space enables RESS to select proper scale parameters, recover missing edges, eliminate noise or false edges, and correct the locations of edges. A brief evaluation of RESS is performed by comparing it with two well-known multistage edge detection algorithms     

基于曲率估计的Canny边缘检测算法

为了解决传统Canny边缘检测算法对噪声敏感的问题,针对噪声边缘弯曲度大且弯曲空间范围小的二维空间特性,构造了基于曲线曲率估计的边缘曲度算子,并利用大尺度Canny算法边缘检测结果对边缘曲度算子进行修正,使该算子能够准确地表征噪声强度在二维空间中的分布情况,在此基础上,提出了一种在边缘检测过程中加入边缘曲度算子进行噪声衰减的边缘检测算法. 实验结果表明,算法在有效抑制噪声的同时,保留了变化丰富的细节边缘及变化缓慢的轮廓边缘,检测结果较好地反映了图像的原始结构特征.     

Bounded diffusion for multiscale edge detection using regularizedcubic B-spline fitting

This paper shows that in edge detection the regularization factor alpha is a better scale parameter than the standard deviation (sigma) of the Gaussian pre-filter. The alpha scale space, which exhibits the evolutionary behaviour of an edge in various scales, is the basis for the design of a multiscale edge detector (MRCBS). In MRCBS, the scale is determined adaptively according to the local noise level; the thresholds which control the amount of edge details are adjusted according to the scale; and the anisotropic diffusion is applied in the finest scale to further suppress noise.     

基于矢量Prewitt算子的多尺度彩色图象边缘检测方法

在矢量Ｐｒｅｗｉｔｔ算子的基础上,引入多凡度组合正则化处理,提出了一种新的彩色图象边缘检测方法,实验表明,若对检测精度,边缘完整性,抗噪性等方面进行综合评价,该方法优于标量算子和单一尺度下的矢量算子。     

基于改进外部力的多尺度蛇算法

通过融入方向信息修改了仅基于梯度幅值的蛇模型定义，从而产生了新的动态轮廓线模型．新模型可以明显地削弱虚假强边缘的影响；基于动态规划方法，给出了基于小波分解的多分辨率能量极小化算法．由于结合了Mallat的小波边缘检测理论，该算法可以明显地降低时间消耗，在选择滤波器方面更具有柔性，而且降低了初始位置和参数敏感性，从而扩大了目标捕获区域并使得参数的调整得以简化．     

基于重心的一种灰度图像边缘检测算法

本文提出一种基于重心的灰度图像边缘检测算法,将灰度图像中每一像素的灰度值,作为该像素的“质量”、三维空间中的Z坐标。判断某像素是否为边界点,取决于在以该像素为中心点的矩形区域内重心偏移量的大小。该算法具有一定的抗噪性,与采用canny算子的边缘检测算法相比较,本文算法对B超灰度图像的实际检测效果更好。     

小波域基于层内和层间系数约束的边缘软判决与图像去噪

在提出依概率对边缘系数软判决的基础上,运用图像小波分解后在尺度和空间方向的相关性,引入调谐函数,对边缘发生概率增加邻域约束,以进一步提高边缘发生概率的估计精度。应用于图像去噪的仿真结果表明,引入层问和层内约束后,在较好滤除噪声的同时,图像边缘也得到了明显加强。该方法也可用于边缘检测和图像分割。