基于多重分形的图象边缘检测

给出了一种基于多重分形的图象边缘检测方法,并对维数范围的选取及对边缘检测结果的影响进行了研究.该方法通过计算图象中每个像素点的局部Hoelder指数和它的多重分形频谱,然后根据多重分形频谱选取适当的维数范围提取图象边缘信息.实验证明,通过选取适当的维数范围该方法能得到良好的边缘检测效果,并能突出主要的图象边缘细节信息.     

分形多重相关方差X线颅颌影像边缘检测

针对X线颅颌影像片边缘检测十分困难的问题,提出一种基于多重相关方差的计算多重分形谱的算法.构建一个X线图像的五邻域多重相关空间,定义图像的多重分形谱的概率测度,对数字X线头影侧位片进行多重分形性质的分析.通过图像的多重分形谱与权重因子相关性的分析,进一步判定线形区间及适当的权重因子,得到X线头影片图像的多重分形的线性区间,验证X线头影片图像的多重分形的几何性质,实现对X线头影侧位片的整体轮廓的边缘提取.该算法具有保持和加强图像的局部特性,突出图像的细微处的特点,克服了多重分形谱对噪声敏感的缺点,能有效抑制图像中的噪声.     

图象边缘检测技术概述

阐述了微分、基于小波与分形理论和基于形态学等多种图象边缘检测方法，分析了以上各种方法在图象边缘检测应用中的发展状况及优势与缺陷，分析结果表明，对于图象边缘检测这样一个非良态问题，寻求算法较简单、能较好解决边缘检测精度与抗噪性能协调问题的算法，一直是图象处理与分析研究的主要问题之一，还有许多工作有待进一步探讨。     

图象边缘检测技术概述

阐述了微分、基于小波与分形理论和基于形态学等多种图象边缘检测方法,分析了以上各种方法在图象边缘检测应用中的发展状况及优势与缺陷.分析结果表明,对于图象边缘检测这样一个非良态问题,寻求算法较简单、能较好解决边缘检测精度与抗噪性能协调问题的算法,一直是图象处理与分析研究的主要问题之一,还有许多工作有待进一步探讨.     

基于分形截距特征多尺度图像边缘检测技术及应用

分形概念的提出及分形几何学的创立,为人们描述客观世界提供了更准确的数学模型,引起了自然科学领域和社会科学领域的普遍关注,并在化学、生物学、天文学等诸多领域中得到了广泛的应用。由于分形集可以用简单的迭代方法生成复杂的自然景物、用分数维有效度量物体的复杂性,因此分形与图像之间存在着一种自然联系,而正是这种联系,奠定了分形理论用于图像处理的基础,开辟了分形理论在图像处理中应用的新领域。目前分形在图像中的应用大致可以概括为两类;一类是利用分形的自相似特征,采用映射变换的方法对自然界景物进行仿真,对图像进行压缩编码;另一类是根据分形及分数维的特征参量来建立模型,通过对模型参数的研究,有效地进行图像分析和处理。     

基于Marr小波变换的图象边缘检测

本文从Ｍａｒｒ小波函数与高斯函数的相互关系,分析了Ｍａｒｒ小波变换对信号奇异点的响应特性,得到Ｍａｒｒ小波变换的零交叉特性是检测图象边缘点的理论依据。通过构造二维Ｍａｒｒ小波,实现图象的二进小波变换分解,分解后的零交叉位置对应着图象边缘点,同时由粗至精的多尺度检测图象边缘的方法也得到实现。     

基于视觉模型的自适应图象边缘检测

本文提出了一个用于图象边缘检测的视觉模型和对数域的最大块梯度算法。     

基于多重分形分析的SAR图像消噪增强研究

根据SAR图像中原始信号与噪声的多重分形谱的不同，提出了一种基于奇异性分析的雷达图像消噪新方法。在图像经过多重分形分析后，通过对多重分形谱相关的Holder指数进行特征化处理来实现图像消噪。经过实验确定当变化后的Holder指数略大于1．7时，最终恢复的图像消噪效果最佳。这种方法可以在尽量保留信号奇异性(如边缘，纹理等)相关信息情况下，使得图像平滑，噪声消除。     

基于多重分形的舰船噪声特征提取

提出了舰船噪声功能谱的多重分形特征,研究了多重分形的小波变换分析方法,给出了康托三分集上多重分形分析结果,并进一步用于舰船噪声功率谱,在功率谱子带划分的基础上定义了舰船噪声的奇异测度,对实际测船舶噪声数据的处理结果表明可以由此提取新的舰船目标特征。     

检测噪声图象边缘的CPR法

本文提出一种噪声图象中检测边缘的新方法，该方法从图象的灰度概率域入手，将概率谱分为两个等面积的集群。通过判定集群间距离检测图象的边缘，理论分析与实验结果表明这种方法具有较强的对噪声图象的边缘提取能力。     

基于Riesz变换的图像边缘检测

针对传统边缘检测算法易受光线变化影响的问题,提出一种基于Riesz变换空间下的相位一致性边缘检测方法。用Riesz变换替代Hilbert变换对图像进行处理,通过Riesz变换的不同尺度因子构造计算相位一致性所需要的变换空间,根据相位一致性计算方法在新的Riesz变换空间获得特征图像;使用非极大值抑制检测出图像边缘信息;与传统相位一致特征提取方法、2DLog-Gabor变换以及Canny边缘提取算法对比实验。仿真实验结果说明,该边缘检测方法在不均匀关照条件下可用于图像的边缘特征提取,相比在Hilbert变换空间下的相位一致特征提取方法运算速度快,算法可行有效。     

基于小波分析的边缘检测

中主要讲述了小波分析和边缘检测的基本理论，以及小波分析在边缘检测中的应用，力图反映出小波理论在边缘检测中的特点。     

基于统计估计的图像边缘检测

针对传统的基于微分边缘检测算法的噪声鲁棒性较差这一问题,分析了图像边缘形成机理,依据统计估计评价准则,提出一种基于统计估计的边缘检测算法.该算法将像素点的圆形邻域沿θ方向分割成2个半圆,分别计算出2个半圆内像素样本的均值和方差,分析2个半圆内样本统计估计的有效性,进而排除噪声和纹理对边缘检测的影响.根据边缘两侧像素样本的统计估计偏度呈屋脊形分布的特点,对边缘进行细化和连接,以无噪声Canny算子检测得到的边缘作为先验知识,运用条件概率建立边缘检测评价函数.实验结果表明,基于统计估计的图像边缘检测方法具有较好的检测精度和噪声鲁棒性.     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于小波变换的屋脊边缘亚像素检测

工业图像检测中,许多待检目标边缘是屋脊边缘,而现有亚像素边缘检测算法都是假设边缘模型为阶跃边缘,并且现有算法在定位精度、抗噪性能和计算速度方面还不尽人意．针对上述问题,提出一种使用小波变换系数的屋脊边缘亚像素检测算法,将小波分析和概率统计理论引入到亚像素边缘检测问题中,该方法具有较好的定位精确度、抗噪能力和较快的计算速度．实验证明该方法可达到1／60像素的精确度。     

基于方向信息的多尺度边缘检测方法

对噪声图像进行不同方向的滤波，根据方向滤波的信息，定义了方向信息测度作为判定噪声点与边缘点的度量．使用了二次Ｂ样条小波进行边缘检测，根据方向信息测度调整边缘检测中的滤波尺度，实现了多尺度边缘检测的自适应尺度调整．最后给出了实验比较结果，表明该方法对于方向特征明显的一类图像是比较有效的     

图像边缘检测的Prewitt算子的改进算法

本文对图像边缘检测经典算子Prewitt算子和该算子模板匹配方法进行了分析,根据模板排列规律,建立矩阵变换关系,提出一种改进算法.经实验证明,在一定配置环境中,将改进算法应用在某图像连续处理系统中,图像处理效果保持不变,较好的平滑了噪声,且目标物体的边缘检测轮廓清晰.和经典Prewitt算子比较,改进后的算子处理时间显著缩短,处理358张大小为184×184的图片所用时间为2.563s,而改进前所用处理时间为19.685s.处理速度提高了8倍,满足了图像连续处理系统对处理时间的要求.     

基于小波边缘检测理论的在线跟踪算法设计与分析

首先分析了小波特性和小波边缘检测理论,定义了局部Lipsehitz指数,然后利用局部Lipschitz指数设计了长序列的在线跟踪算法,实现了对奇异点的判断和定位,最后利用3-样条小波进行了跟踪仿真实验,结果表明该算法能够准确地判断与定位误跟踪,保证了住线跟踪的实时性和准确性。