基于分形理论的边缘检测算法

图像边缘检测在图像分析以及图像理解中是十分关键性的一项技能,采取多种分形方式来提取图像边缘,并对几种分形方式进行对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长,而利用图像的分形特征以及统计特征来进行测度,并选择多种测度方式,可提高图像边缘区域的精细程度,得到更多的图像信息资源。     

基于多重分形分析的图像边缘检测算法

本文提出了一种基于多重分形分析的边缘检测算法。该算法通过定义在图像灰度级上的测度,计算图像中每一个象素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息。经试验表明,该算法具有良好的边缘检测效果,并能突出主要的图像边缘细节信息。     

基于分形特征的目标检测算法概述及仿真

对目前比较常用的基于分形特征的目标检测算法进行了概述,并给出了相应的仿真结果.从仿真结果我们看出基于多尺度分形参数的目标检测算法是一种比较精确的算法,但是计算量太大.从计算量和精确度双方面考虑快速的基于分维数和分形拟合误差的目标检测算法是一种不错的算法.     

基于局部模糊分形维度的图像边缘检测算法

介绍了一种局部模糊分形维度,并将该技术应用到图像边缘检测中.将像素覆盖方法推广到N维模糊离散集分形维度的计算就得到了局部模糊分形维度.给出了局部图像的LFFD计算流程和基于LFFD的图像边缘检测方法.采用实例验证了本文的算法,实例结果显示,本文的算法是正确的、可行的和有效的.     

分形方法用于有噪图像边缘检测的研究

本文研究了加性高斯白噪声对于基于离散分数布朗随机场模型图像分形维数估计的影响，并将分形方法用于图像边缘检测，指出在加性高斯白噪声的情况下，分形方法用于图像边缘检测较之经典的基于梯度运算的边缘检测方法有好的抗噪性能，同时又能检测比较丰富的图像边缘细节。     

基于分形技术的目标检测算法研究

分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论。分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法。对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究。     

基于分形理论的红外目标检测算法

通过计算红外图像的分形特征参数可以达到区分红外目标和自然背景的效果.计算了基于多尺度分形参数总体表现的新的多尺度D维面积K(即MMK),并提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(即MKD)的目标检测算法.实践证明,在红外图像中,基于分形理论的目标检测算法效果优于以往的基于分形理论的目标检测算法.     

基于分形理论的目标检测

军事目标检测一般是由自然背景和少量的人造目标所组成．现有的图像目标检测方法大多是基于对目标本身特性进行分析，不适用于目标特性未知的军事目标检测．本文根据人造目标和自然背景在分形特征上的固有差异，在利用分形维数提取人造目标边缘特征的基础上，结合小波分析方法提取的目标边缘特征，对自然背景中的人造军事目标进行检测．实验证明该方法具有较好的适应性．     

基于分形理论的红外图像边缘检测

提出了利用分形理论进行红外图像边缘检测的方法,比较了根据单一分形维数和根据多尺度分形维数两种方法的边缘检测结果,从而得出：分表理论可以用于红外图像的边缘检测,并且根据多尺度维数的方法能获得较好的边缘检测结果。     

一种新的基于分形特征的人造目标快速检测算法

从分形布朗模型出发,通过对自然背景和人造目标图像不同的灰度相关性分析,提出 一种新的分形特征提取算法,根据新算法得到的分形特征分布规律,进而形成一种简单有效的自然背景中人造目标的检测算法。实验结果说明了该算法的性能。     

基于小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,将小波变换看作是用小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的小波分维数.应用小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子.     

基于全向小波的图像边缘检测算法

 针对现有边缘检测算法难以提取图像任意方向的边缘特征,提出基于全向小波的图像边缘检测算法.首先,定义了全向小波的概念、构造其模型并推导了全向小波的最大值与梯度模值相等的关系.理论分析表明本文算法始终沿小波变换值的最大值方向提取边缘.然后,选择二维高斯函数实例化模型,以8方向和3×3变换窗为例进行算法设计.标准图像对比试验表明本文算法能提取更多方向的边缘特征、边界清晰度也比SADD算法、Canny算子分别高出约2.17%、8.66%.     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

分形理论在目标检测中的应用

对分形理论在雷达目标检测领域中应用的相关研究进行整理与总结,以传统雷达目标检测方法中存在的不足为切入点,按照分形模型由简单到复杂的顺序,从常规雷达目标检测与图像(SAR图像)目标检测2个方面介绍了分形理论在目标检测领域的发展,并对分形理论在目标检测领域的研究前景进行展望。     

An Improved Algorithm for Image Edge Detection Based on Lifting Scheme

Wavelet transform is an ideal way for edge detection because of its multi-scale property, localization both in time and frequency domain, sensitivity to the abrupt change of signals,and so on. An improved algorithm for image edge detection based on Lifting Scheme is proposed in this paper. The simulation results show that our improved method can better reflect edge information of images.     

一种改进的模糊边缘检测快速算法

比较全面的分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法.该算法不仅克服了Pal.King模糊检测算法定义的不足,简化了复杂的变换和逆变换运算,而且针对Pal.King算法中对隶属度阈值设置为固定值的不足,提出了确定模糊增强变换中最佳隶属度阈值的自动算法;并在此基础上实现模糊增强函数中增强阈值的自动获取.仿真结果证明,该算法效率高、提取边缘精细、适用面广,是一种很有实用价值的图像处理算法.     

基于局部分形维数的多目标检测算法

在以自然景物为背景的图像中,分形维数是一种能有效地将目标从自然背景中检测出来的纹理特征.将图像的局部窗转化为一维序列的形式,在研究R/S分析法的基础上,提出了一种局部分形维数估计算法.将一维最大熵的检测结果与分形特征图的检测结果进行逻辑与运算,从而实现目标边缘的精确定位.实验表明该算法不仅可以有效地实现多目标检测同时具有较好的抗噪性能.     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。