一种新的图像边缘检测方法

针对基于空间域或小波变换域图像边缘检测算法提取的边缘只是具有有限方向的问题,该文提出使用具有抛物线型尺度和足够方向消失矩的Contourlet变换来更有效地表示自然图像中的奇异曲线。Contourlet子带比小波子带具有更强的方向性,在其子带上检测系数模极大值,运算复杂度更低。实验结果表明,与基于小波模极大值的图像边缘检测方法相比,该文算法有较低的计算复杂度,所提取的边缘更加逼近图像真实边缘。     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

一种改进的含噪图像边缘检测算法

数字图像边缘检测是图像分割、识别等图像分析和理解领域中的重要基础。针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种基于小波变换和数学形态学改进的含噪图像边缘检测算法。该算法对含噪图像分别采取小波变换法和数学形态学法进行边缘提取,将所得图像进行小波分解,对高低频系数分别采取不同融合规则进行融合,通过逆小波变换得到融合图像。通过实验对比不同算法对含噪图像的边缘检测效果图,结果表明,该算法提取的图像边缘轮廓信息连续完整,在较大程度上能够抑制噪声,较好地保留了图像的细节信息。     

基于方向小波变换的边缘检测算法

提出了一种基于方向小波变换的边缘检测算法.本文详细介绍了方向小波变换的原理、基于此的图像边缘检测算法,比较了方向小波变换和传统小波变换、Canny算子在图像边缘检测的效果.实验结果表明,方向小波变换更符合图像的方向、纹理特征,因此更能反映图像的边缘信息,对传统的小波变换、Canny边缘检测算法有一定程度的改进.     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

基于小波与阈值的图像分割

图像分割是图像处理和计算机视觉中的重要技术,并且已在工业、军事、医学图像以及机器人视觉领域有着广泛的应用。在此采用了基于小波变换边缘检测算法和阈值分割算法。小波变换边缘检测,即设置分解级数进行多次分解,并依次输出结果图像。阈值分割采用全局与局部阈值分割图像,但是局部阈值更能突出图像的信息点。     

基于小波变换的电磁线绕包图像边缘检测方法

基于机器视觉的电磁线绕包质量检测的关键技术是提取绕包图像的边缘,传统的边缘检测算子存在着定位精度不高或对噪声敏感的问题。为满足不断提高的工业要求,提出一种基于小波变换的电磁线绕包图像的边缘检测方法。首先利用小波函数求出图像的梯度模极大值,然后经过自适应阈值和非极大值抑制去除伪边缘点,归一化处理后得到电磁线绕包边缘图像。与Canny算法比较,该方法能够有效去除噪声影响且边缘提取连续准确,具有较好的适应性和鲁棒性。     

数据融合技术在图像边缘检测中的应用

提出了一种基于数据融合的图像边缘检测算法。此种方法对初始图像分别采用“Rob-erts”算子和“sobel”算子及小波变换三种方法进行边缘提取,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。实验结果表明,该方案所得到的边缘图像的效果优于单独采用“Sobel”或“Roberts”算子所获得的边缘图像,是一种行之有效的图像边缘提取算法。     

货车图像边缘检测与跟踪方法研究

针对图像法货车超限检测系统中采集的货运火车图像均以天空为背景,采用基于小波变换模极大值边缘检测技术检测货车边缘.阈值选取上,采用改进型最大方差自动取阈值法,阈值选取准确,减少了阐值选取时间及边缘检测所需时间,提高了算法效率.同时,针对所检测边缘不够连续,采用边缘跟踪技术,使得边缘检测结果更连续,准确有效.实验表明:该方法具有算法简单,计算速度快,抗干扰性及适应能力强,边缘检测效果好.     

基于“图像”分割的小波脊线提取算法

针对传统脊线提取算法不能同时兼顾速度和精度的问题,本文提出了一种新的基于“图像”分割的小波脊线提取算法。对渐近性信号进行连续小波变换以后,模值较大的小波系数往往集中在时间-尺度平面上几个分散的区域,将小波系数模值矩阵看作一个“图像”,对其分割,再对分割得到的每个区域确定其极值位置可得到小波脊线。仿真实验表明：本文算法不仅较传统脊线算法在精度和效率都有所提高,在信号去噪和信号分离中也表现良好。     

SC-FDE UWB系统WMMDT抗窄带干扰信道估计

针对单载波频域均衡超宽带无线通信系统信道估计中存在的窄带干扰问题,提出了一种基于小波模极大值动态阈值的信道估计方法。该方法在信道最小二乘估计的基础之上进行小波模极大值动态阈值(WMMDT)计算,检测到窄带干扰的位置,然后通过插值法恢复干扰处信道频响。仿真结果表明,在极度频选室内CM4信道模型下,所提出方法较传统方法信道估计性能得到明显改善且复杂度增加不多。     

基于小波变换的扩频系统PN码捕获研究

由于小波分析具有多分辨率的特点,使得利用小波分析的工具在对突变信号的检测上提取信息方面有着很强的优势。利用小波的这一性质提出了一种小波捕获的方法。通过实际仿真证明B样条小波对有噪声污染的调制信号和白噪声信号的检测更优越;并基于Harr小波提出了一种步进快速捕获方法,通过理论分析,证明该方法可有效减少捕获时间。     

基于小波变换的双色红外图像融合检测方法

针对复杂背景中/长波红外图像的特点,提出了一种基于小波变换的中/长波红外图像融合检测方法。首先,对原始中/长波红外图像分别进行小波变换,提取出两幅图像的低频和高频信息;然后,分别对图像的低频和高频信息采用不同的融合准则进行融合,并用小波逆变换重建成融合图像,自适应选取阈值,获得最终的目标检测结果。在实验中,采用相同的方法分别用融合图像、单波段红外图像进行目标检测,实验结果证明,用文中提出的融合检测算法优于仅用长波或中波红外图像的目标检测。     

利用小波分解和顶点成分分析的高光谱异常检测

针对高光谱图像复杂背景影响异常检测结果的问题,提出了一种新的抑制背景的异常检测算法。首先对高光谱图像采用小波分解,将高光谱图像分解成高频图像和低频图像;然后使用顶点成分分析(VCA)方法提取高频图像的端元光谱图;最后使用光谱角匹配(SAM)技术对高光谱图像进行异常检测。实验结果表明,KRX算法相比,本文算法像素目标个数增加32.35%;虚拟个数减少12.12%,计算时间少2个数量级;本文方法的ROC曲线一直位于KRX、PCA-KPX算法的异常检测方法之上,有利于高光谱图像的实时异常检测应用。     

基于小波变换的激光干涉微位移变化量测量方法

为了克服传统快速傅里叶频谱分析方法不适用于非平稳信号的缺点,实现基于全光纤激光干涉微位移信号变化量的精确测量,研究了基于连续小波变换(CWT)非平稳信号分析的相位解调算法。分析了在信号的频带上如何利用小波脊提取数字信号的瞬时特征,并在提取的特征基础上,得到小波脊的相位,完成对信号相位的提取,进而得到物体的位移信息。根据处理方法,进行了理论分析、计算机模拟和相关的验证性实验,对采集的位移干涉信号进行处理得到待测位移量,并与傅里叶变换相位提取方法的测试结果进行了比较分析,证明该方法具有更高的精度,对各种信号处理都具有很强的稳健性。实验结果表明此算法精确度高、复杂度低,具有广泛的应用前景。     

基于全向小波和Hausdorff距离的边缘检测

针对传统小波变换对含噪图像边缘检测的不足,结合全向小波和Hausdorff距离的知识,提出了一种改进的边缘检测算法.首先,对图像做全向小波变换,同时做改进的灰度图形态学处理;然后在一定的窗口下求处理后图像间的Hausdorff距离,并将其大小作为图像边缘检测的像素值.最后将该算法与Sobel算法、Canny算法做比较,实验结果表明该方法提取的边缘清晰度优于其他方法,且可以很好地抑制噪声.     

一种新的Morlet小波及其在雷达信号特征提取中的应用研究

为准确估计雷达信号的瞬时频率,文中提出了一种基于新Morlet小波原子提取信号小波脊线的方法。通过分析小波脊线原理,使用新Morlet小波原子提取雷达辐射源信号的小波脊线特征。同时,针对不同调制类型的雷达信号,根据小波分解时—频约束关系,分析了正确提取信号脊线特征的条件。仿真实验表明,与普通Morlet小波原子相比,基于改进的Morlet小波提取信号脊线特征具有较强的检测概率和抗噪性能,其方法的有效性为实验结果所证实。     

一种改进的小波脊提取算法

针对基于模极大值和基于相位信息的小波脊提取算法的缺点,提出了一个改进的小波脊提取算法。该算法利用小波系数的相位信息提取所有可能的脊点,利用小波系数模的最大值以及脊线的连续光滑性甄别出信号的脊点,排除掉噪声的脊点,从而加快了脊点的搜索速度,提高了脊点提取的有效性。相比于基于模极大值和基于相位信息的小波脊提取算法而言,该算法更适用于低噪声信号的小波脊线的提取。     

基于解析图像的小波变换光学载频干涉全息图相位重建方法

将解析图像和实数小波变换(WT)相结合应用到光学载频全息图分析中。首先对载频全息图进行希尔伯特变换构造解析图像,然后对解析图像进行WT,提取小波脊处对应的WT系数的相位信息即可得到载频全息图的相位信息。由于母小波优秀的空域局部化能力,使得因全息图边缘不连续引入的误差被限制在局部区域。同时,由于不需要人工滤波操作,所提方法一定程度上解决了载频全息图的频谱混叠问题。给出了严格的理论公式推导、计算机模拟和实验验证。     

基于Contourlet变换的图像消噪处理

文中提出了一种基于区域和Contourlet变换相结合的图像融合新方法,新方法利用小波Contourlet变换良好的多尺度性和多方向性特征,结合Contourlet变换的多聚焦图像融合算法,得到高频和低频图像。小波Contourlet由于变换缺乏平移不变性而产生图像失真,弱边缘具有几何信息,而噪声却不具备这个性质。为了在去噪声的同时更多地保留弱边缘信息,再次利用到循环平移的方法。实验结果表明,该文方法不仅在客观评价指标上优于小波变换法,而且从主观评价上来看,文中所提方法得到的图像更加清晰。