基于自适应提升方案的图像边缘检测

图像边缘是由于灰度的不连续所致,是图像信息的一个最基本特征,也是图像处理中探讨的热点问题之一.分析传统的图像边缘检测算法及其存在的问题.通过采用自适应提升小波分析,根据处理图像信息的局部特征自适应地调整预测滤波器和更新滤波器,从而实现与处理信息的准确匹配;同时,改进了小波边缘检测算子,实现了一种适用于自适应提升小波分析的图像边缘检测的算法,并将此算法应用于医学图像的边缘检测.仿真结果表明,该算法比传统的图像边缘检测算法效果更优.     

一种新的彩色图象边缘检测方法

通过对HSV彩色视觉模型的分析,充分利用边缘信息的多尺度特性、小波变换和多尺度基本形式的特性,提出了基于HSV色度空间的,应用小波多尺度基本形式对彩色图象进行多尺度边缘检测的新方法.实验结果表明,该方法能准确检测出彩色图象的边缘,效果较好.     

基于提升方案和浮动阈值的含噪图像边缘检测

分析了传统图像边缘检测算法。在激光探测系统中,微弱的回波图像淹没在强背景噪声中,为更好地检测这类含噪图像的边缘信息,首先应用特征方向非线性中值滤波技术,滤去高斯噪声;其次,选择(3,1)双正交样条小波作为原始小波滤波器,采用提升方案构造最优双正交小波滤波器,应用构造的双正交小波进行多尺度小波边缘检测;同时,通过定义浮动阈值,并应用于图像边缘检测,较准确地定位了边缘位置。仿真结果表明,该算法应用于图像边缘检测,检测速度较快,检测效果较好。     

基于冗余提升不可分离小波的图像边缘检测方法

根据“五株排列”的不可分离小波构造方法,把基于矩形栅格的数字图像进行冗余提升,从而构造了“最大-提升”小波,由此提出了图像边缘检测的新方法,并将其与传统的B样条小波边缘检测方法进行比较,通过数据试验证明了新方法的优越性。     

一种基于小波的SAR图象边缘检测方法

边缘检测是遥感图象处理中很重要的一步。因ＳＡＰ图象通常带有较强的噪声,用传统的边缘检测方法效果不理想。本文采用小波方向检测技术并结合顺序统计滤波的方法,设计了一级方向可调滤波器,根据方向滤波和信息,对ＳＡＲ进行边缘检测。实验证明本算法计算有效,边缘定位准确,并对噪声有抑制作用,从而取得了良好的检测效果。     

基于小波提升变换的边缘检测及应用

在分析了小波提升格式的基础上,提出了基于小波提升变换的图像边缘检测新算法.首先,通过小波提升分解获得水平、垂直、对角线细节子图和近似子图.然后,根据子图特性分别采用不同的算子进行边缘检测.最后,利用小波逆变换重构图像.通过在交通车流量检测的实验表明了该方法有效性.     

基于提升算法的边缘检测方法的研究

1.引言图像边缘是图像的重要特征,是一种重要的视觉信息,图像的边缘检测在图像处理和计算机视觉中占据着重要地位,边缘检测的定位准确度和精度直接影响到整个系统的性能好坏。然而图像边缘检测的本质问题尚未得到圆满解决,至今没有一个通用而且有效的检测方法能够满足不同目的的需要,究其原因就是该过程不是独立于整个图像处理任务的,并且物体的某些部分(如边界)并不总是可见的。一个更好的解决办法就是多分辨率分析法,以局部极大值点为边缘点,由粗到精地确定图像的边缘,给出边缘的空间——尺度联合信息,从而可以更加精确地描述图像场景中的物体。本文正是基于这种思路,提出一种基于提升算法(Lifting Scheme)的多分辨率边缘检测方法,可以得到不同分辨率上的边缘信息从而描述图像场景中的物体。     

具有边缘局部化的边缘检测小波研究

小波变换能够有效地检测出图象的边缘。为了使检测出的图象边缘局部化，本文在构造边缘检测小波的基础上，通过对小波迭代滤波且的特性分析，给出了边缘检测小波迭代滤波器组的选择原则，并通过实例进行了验证。     

一种基于小波变换的SAR图像边缘检测方法

边缘检测是遥感图像处理中很重要的一步。因合成孔径雷达图像通常带有较强的噪声,用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合顺序统计滤波的方法,设计了一组方向可调滤波器,根据方向滤波的信息,对其进行边缘检测。实验证明本算法计算有效,边缘定位准确,并对噪声有抑制作用,从而取得了良好的检测效果。     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

基于二代小波提升算法的快速图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一;通过比较第一代和第二代小波算法特点,引入二代小波提升结构的概念,提出了一种基于二代小波提升结构的快速图像边缘检测算法;对三次B样条小波基实现提升格式,通过计算大尺度下分解子图的模值和幅角来确定边缘;经过实验比较,能比经典的边缘检测算法得出更精确的边缘图像,同时通过与基于第一代小波算法的边缘检测比较,基于二代小波提升格式的边缘检测算法计算更快速,更高效.     

基于PCNN的灰度图像边缘检测方法

脉冲耦合神经网络(PCNN)最初由Eckhorn根据猫大脑中视觉皮层神经元的同步脉冲(SynchronousBurst)现象而提出。由于具有一系列良好的特性,PCNN在图像处理、模式识别等领域获得了广泛的应用。文献[6]根据PCNN的传播特性提出了一种利用PCNN检测二值图像边缘的有效方法,但这种方法并不能直接用于对灰度图像的边缘进行检测。由于实际处理的图像大部分为灰度图像,因而其方法的适用性是很有限的。该文提出了一种基于PCNN的灰度图像边缘检测方法,从而直接对256色灰度图像的边缘进行提取,具有较好的适用性。实验结果表明该方法是有效的。     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

小波提升变换边缘检测算法的DSP实现

提出了基于小波提升变换的改进图像边缘检测算法的DSP实现过程。本算法对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取;基于高速DSP的实现克服了传统小波变换存在的问题,很好地满足了实时性要求。实验结果表明,该方法具有运算速度快、能有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘检测实现方式。     

多尺度形态学图像边缘检测方法

在深入地探讨数学形态学在边缘检测领域中的应用的基础上,提出了一种形态边缘检测算子,并用该算子提取图像边缘。然后进行形态结构元素尺度调整,综合各尺度下的边缘特征,得到了噪声存在条件下较为理想的图像边缘,实验证明了该算法的可行性和有效性。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

基于小波提升框架的图像序列中运动目标检测算法

图像序列中运动目标的检测和跟踪是智能监测系统中的重要问题，为了提高运动目标识别的效率和准确性，同时解决日标运动中的形变造成的检测困难，首先针对传统的运动日标检测算法所存在的局限．把小波提升框架运用到运动目标的检测中，然后充分利用小波的多分辨率特性和提升框架可以直接在时空域内设计的优点，再结合可变模板方法，提出了一种新的基于小波提升框架的运动目标检测算法。实验结果表明，新方法较好地解决了目标运动中因形变造成的检测困难，并提高了检测效率和速度。     

一种基于能量准则的平滑滤波器

本文提出一种基于能量准则的平滑滤波器,它可以用于滤除噪声、检测纹理结构和检测边缘.和高斯函数的拉普拉斯算子相比较,这种平滑滤波器用于边缘检测时,具有更好的定位精度以及同样的噪声抑制效果,对于各种图象所进行的实验,其结果是令人满意的.