基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测。实验表明,该检测方法抗噪声更强,定位更准确。     

基于有限脊波变换的边缘检测算法

拉普拉斯(Laplace)边缘检测算子对噪声非常敏感。为了解决这个问题,在有限脊波变换(finite ridgelet transform,FRIT)域提出了一种边缘检测算法。首先用拉普拉斯分布模型分析FRIT系数,给出了FRIT系数的最大后验概率(maximum a posteriori,MAP)估计,同时结合边缘检测模型,得到了用于边缘检测的最优阈值,实现了图像的边缘检测。该算法抑制了噪声对图像边缘的影响,同时保护了图像的边缘。实验结果表明,在抑制噪声和边缘定位之间该方法能够达到更好的平衡,得到良好的边缘检测效果。     

一种基于脊波变换的数字水印算法

该文针对脊波变换能有效表示二维图像线性奇异性的特点,提出了一种脊波域鲁棒数字水印算法。对图像进行分块有限脊波变换,有选择地在脊波域最大能量方向上的中频系数中嵌入水印,采用奇异值分解方法提取水印提高了检测性能。实验结果表明,算法对噪声、压缩、不规则剪切、亮度、对比度等攻击有较强的鲁棒性。     

基于小波变换的钢球图像边缘检测

钢球表面缺陷是衡量钢球质量的重要指标,但是由于成像中的非人为噪声的特点,使得钢球图像的边缘检测比较困难.本文利用小波多尺度分析及小波变换系数模局部极大值来检测钢球图像的边缘,取得了较好的效果,为进一步实现计算机的自动检测提供了很好的依据.     

基于小波变换的人体图像边缘检测

根据人体图像的特点 ,利用三次样条二进小波 ,采用Mallat快速算法进行小波分解 ,提取了人体图像的正面和侧面边缘 .结果显示 ,提取图像的边缘连续性较好 ,弯曲部分边缘也能准确提取 ,为人体着装图像的边缘检测提供一种新的方法     

基于B样条小波的图像边缘检测

提出了一种检测图像边缘的方法。该方法在满足Canny提出的边缘检测3个准则的基础上，构造二维可分离滤波器组，利用B样条小波对图像函数进行小波变换，提取图像边缘，较好地解决了图像边缘的提取精度与图像噪声的抑制能力之间的矛盾，并采用了多孔算法防止图像质量丢失。实验证明了B样条小波检测图像边缘的有效性、正确性。     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

基于非抽取Curvelet变换的图像去噪算法

原始的Curvelet变换在Radon域用正交小波变换得到Curvelet系数,然而正交小波不具有平移不变性,所以会产生Gibbs震荡现象.提出用非抽取小波变换代替原始的Curvelet变换中的正交小波变换.非抽取小波的平移不变性和Curvelet变换的高度方向敏感性使得新算法成为图像去噪的一个很好的选择.使用数字非抽...     

基于脊波变换的SAR与可见光图像融合研究

脊波(R idgelet)作为一种新的多尺度分析方法比小波更加适合分析具有直线或超平面奇异性的信号,而且具有较高的逼近精度和更好的稀疏表达性能。将脊波变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息,在融合过程中抑制噪声的能力也比小波变换更强。因此,提出了基于脊波变换的SAR与可见光图像融合方法,并采用偏差指数与等效视数指标对融合效果进行评价。实验结果表明,该方法在保留合成孔径雷达SAR(synthetic apertureradar)与可见光图像重要信息、抑制噪声能力方面均优于小波变换方法。     

基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.     

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。     

Image Edge Detection Based on Wavelet Transform

ＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍＺＨＡＮＧＹｅ；ＳＨＩＭｅｎｇ；ＲＥＮＧｕａｎｇｈｕｉ（张晔）（时萌）（任广辉）（Ｄｅｐｔ．ｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ．ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅ...     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

Adaptive Dual-Threshold Edge Detection Based on Wavelet Transform

In order to solve the problems of local-maximum modulus extraction and threshold selection in the edge detection of finite-resolution digital images, a new wavelet transform based adaptive dual-threshold edge detection algorithm is proposed. The local-maximum modulus is extracted by linear interpolation in wavelet domain. With the analysis on histogram, the image is filtered with an adaptive dual-threshold method, which effectively detects the contours of small structures as well as the boundaries of large objects. A wavelet domain‘s propagation func-tion is used to further select weak edges. Experimental results have shown the self-adaptivity of the threshold to images having the same kind of histogram, and the efficiency even in noise-tampered images.