基于自动确定阈值的小波边缘检测技术研究

小波作为图像处理的一个重要工具,以其具有的多尺度特性而在图像边缘检测领域受到了广泛的应用。该文在小波模极大值边缘提取算法的基础上,提出了一种采用模式识别中的聚类技术进行自动确定消噪阈值的边缘检测方法,且利用B样条小波和改进的K-means聚类算法对图像进行了实际的检测,实验结果证明该方法是正确和有效的。     

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.     

基于小波变换和KFCM的彩色图像分割

提出一种将小波变换和核模糊C均值聚类算法相结合的快速彩色图像分割算法。利用小波变换的多分辨率特性,在分辨率最大尺度上的LL子带进行均值漂移聚类,快速获得初始粗分割结果,在其基础上进行模糊核聚类分割,将上一层的结果用于下一层的初始化,重复至最低分辨率后用最小分类器对原始图像进行最终分割。实验结果证明,该算法分割速度快,对自然彩色图像的分割结果优于模糊C均值算法和均值漂移算法。     

基于均值聚类多小波图像融合算法研究

研究图像融合精度优化问题.针对传统的图像融合质量不高,由于图像中边缘信息丢失,使图像的清晰度和分辨率降低.为了提高图像的分辨率,给出了一种新的均值聚类多小波图像融合算法.针对多小波变换的优点,对融合图像采取分段式的多小波分解,并根据不同的融合规则对分解后的小波的不同高低频率重构,对融合后的边缘模糊图像区域采用均值聚类方法进行融合,可有效解决图像融合后边缘细节丢失等问题,对多组多聚焦图像进行验证实验,仿真结果表明,改进的方法能够更好的保留图像边缘信息,融合效果明显优于传统的图像融合方法.     

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。     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

基于提升小波变换的图像融合新算法

给出了一种基于提升小波变换的图像融合方法,并对小波分解的不同频率域,分别采用不同的融合规则。选择低频系数时,是基于边缘的方法,选择高频系数时,把小波系数的方差与绝对值综合起来考虑来决定融合小波系数。实验结果表明,提出的方法融合效果要优于一般融合方法。     

基于改进的提升小波变换的图像融合算法

研究图像融合精度问题,由于光学传感器的光谱分辨率不同,在图像融合中易丢失信息,影响图像质量。传统的图像融合算法计算量大、实时性差的缺点,同时没有细致考虑低频分量融合规则以及高频分量邻域特征对融合的影响,因而得到的融合效果不理想。为了解决上述问题,提出了一种改进的提升小波变换图像融合新算法,算法引进了图像对称概念策略,仿真结果表明,改进的图像融合算法计算量明显减少,实时性也明显提高,与传统的标准小波变换图像融合算法以及拉普拉斯金字塔融合算法相比,较有效地提高了图像融合的精确度。     

提升小波变换在边缘检测中的应用

针对图像边缘集中在图像的高频系数中,该文利用小波变换的性质,将提升小波变换应用于边缘检测中。通过提升小波变换将图像进行分解,首先对低频系数进行Canny算子提取边缘,再分别对三个高频系数进行阈值处理,最后对边缘图和高频系数进行逆变换。实验结果表明:该算法运算速度快,可以形成图像双边缘,使图像的边缘更加清晰、完整。     

一种基于三进制小波变换的纹理分割方法

提出了一种基于三进制小波变换的纹理特征提取方法，多纹理图像经过三进制小波滤波器组后得到九个子带图像，采用小波系数的标准差作为纹理测度以生成特征向量，利用常规的C-均值聚类算法进行纹理分割，实验结果表明了该特征提取方法的有效性。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

一种基于提升小波变换的快速图像融合方法

目前,多尺度分解的方法已开始应用于图像融合．针对基于传统的多尺度分解的融合方法运算速度慢、对内存的需求量大,不适于实时应用的局限性,提出了一种新的基于提升小波变换的快速图像融合算法．多个源图像分别进行提升小波分解,使用恰当的融合规则合并各尺度对应的分解系数,通过提升小波逆变换得到复合图像,实验结果表明,提出的算法无论在执行时间还是融合后的图像质量上都优于传统的方法,有广泛的应用前景,特别适用于实时系统。     

基于二维提升小波变换的图像融合

将图像进行提升小波变换,分别对高低频采用不同的融合方法,得到融合后图像。并引入信息熵、相关系数和清晰度等性能指标对融合后的图像进行分析。实验结果表明,此提升方法在融合图像质量上优于传统小波变换。     

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。     

一种基于提升方案的边缘检测方法

提升方案是构造双正交小波的新方法,本文把这种提升的思想用于图象边缘提取上,提出了一种基于提升方案的边缘检测算法;最后,通过仿真验证了该算法的有效性和快速性。     

基于提升算法的图像小波特征提取分析

讨论小波变换以及提升小波变换的基本原理和变换过程。利用2种变换分别实现了对同一图像库的特征提取,并利用支持向量机（SYM）进行分类。结果表明,与传统的小波变换相比,提升小波变换对于图像特征的提取同样是有效的,另外由于其独特的变换构造,使得计算量大大降低,计算时间显著减少,具有很大的实用价值。     

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.