多尺度下的噪声图像边缘检测

针对传统Canny边缘检测算法对噪声鲁棒性较差的问题,根据Canny算子滤波器的尺度较小可以检测较小的边缘,但对噪声的抑制能力较差,反之检测较大的边缘对噪声的抑制能力较强的特点,提出了一种多尺度下的噪声图像边缘检测方法。运用Canny算子在不同尺度下检测边缘的优点,对含噪图像进行不同尺度的Canny边缘检测,对不同尺度边缘检测结果进行跟踪实现噪声图像的边缘检测。仿真实验结果表明,与传统的方法相比,改进的算法能较清晰地提取出图像的边缘,降低高斯噪声对图像边缘的影响。     

基于尺度空域相关性的图像边缘检测

根据小波分析多尺度空间的相关性,在模极大值边缘检测的基础上提出一种新的图像边缘检测方法.该方法不需要对图像进行预处理就能较精确的检测出图像的边缘.取相邻尺度的小波系数相乘进行相关计算,在抑制噪声的同时提高边缘的定位精度.方法快捷,算法简便,克服了直接对图像进行模极大值边缘检测造成的误差.实验结果表明,该方法得到了满意的效果.     

基于小波包分析的图像边缘检测

通常,图像的边缘为频率域的高频分量。小波分析是一种信号的时间-频率分析方法,而小波包分析是在小波分析的理论基础上,将信号的高频成分分开且可对高频成分继续分解,为信号提供更加精细的分析方法。该文采用基于共轭正交滤波器的小波包分解算法对图像进行边缘检测,实验表明,这种方法能够清晰地检测出图像的边缘。     

基于尺度相关性的小波变换边缘检测

图象边缘检测的任务进就是检测和定位图象平面亮度的不连续,但夹杂在图象信号中的噪声,因其奇异性使得边缘检测成为一个既要保留边缘又要去除噪声的病态问题。本文利用多尺度小波变换对图象边缘及噪声的奇异性行了探讨。并根据小波变换的尺度相关性提出了一种新的边缘检测算法,通过试验验证本方法对保留边缘去除噪声有很好的效果。     

基于小波系数层间相关性的图像噪声方差估计

噪声的方差估计是含噪图像处理中的常见问题之一,其基本思想是通过某种方法寻找含噪图像中的"纯"噪声子图像来估计原噪声方差.传统方法是通过空域或频域采样,得到该子噪声图像,然后直接对其估计方差,它对图像信息的分布有要求.在传统频域采样方法的基础上,提出一种结合图像小波变换系数层间相关性的新方法.其过程是:对第一级有效小波分解的斜向子块进行分析,利用小波变换系数的层间相关性,去除其中的图像信息,得到更"纯"的子噪声块,再估计其方差.通过仿真实验和实际4f系统输出图像实验证明,该方法比传统方法的估计结果更准确,更适合带宽较低的系统图像和图像本身高频信息较丰富的场合.     

基于变差函数和方向小波的噪声图像边缘检测方法

为了检测受噪声污染图像的边缘,提出了一种基于变差函数和方向小波的多尺度边缘检测新方法.首先,在我们前期研究成果的基础上,基于变差函数理论,提出了图像中45度和135度方向边缘的判别准则.然后根据图像中边缘的方向性,选择合适的方向小波旋转参数,再利用方向小波对各个子区域进行不同尺度小波变换.仿真实验表明,对于受高斯白噪声污染的图像,所提出的边缘检测方法无论在边缘定位的准确性还是在去除伪边缘点方面,均优于传统的小波边缘检测方法.     

基于小波域内层间系数反向相关提取图象边缘

为了更好提取出边缘,提出利用小波层间系数之间的相关性通过反向移位构建滤波器从而提取图像边缘.首先对含噪图像进行小波分解,将相邻各层小波系数进行反向移位相关,阈值化后作为滤波器对平滑小波系数有选择地进行滤波操作,去除噪声影响,得到图像的边缘图.利用此方法对256 ×256×8 bit/像素的Rice 图像做了边缘提取,边缘提取准确,具有更好的降噪性能同时也降低了计算量.     

双正交小波滤波器构造及其应用于图像边缘检测

本文在总结边缘检测小波基选取原则的基础上,利用滤波器组技术,提出了具有对称性和正则性的双正交小波滤波器的构造方法,给出了滤波器的构造公式;进行了图像边缘检测实验,结果表明按本文方法构造的滤波器具有很好的图像边缘检测性能。     

双正交小波滤波器构造及其应用于图像边缘检测

本文在总结边缘检测小波基选取原则的基础上,利用滤波器组技术,提出了具有对称性和正则性的双正交小波滤波器的构造方法,给出了滤波器的构造公式;进行了图像边缘检测实验,结果表明按本文方法构造的滤波器具有很好的图像边缘检测性能.     

基于LOG滤波器的图像边缘检测算法的研究

边缘检测是图像处理技术研究中的一个重要领域。本文在深入分析LOG滤波器边缘检测方法及多尺度特性的理论基础上,提出了一种改进的算法,实验结果表明,该算法在计算量增加不大的基础上提高了检测精度。     

基于a'trous小波分解的图像边缘检测

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重要作用。本文对小波变换进行了研究,并且分析了小波变换提取图像边缘的原理。为了高质量地进行图像边缘检测,提出了一种基于二阶B样条小波变换的多孔算法提取图像边缘。算法利用B样条小波对图像函数进行小波变换,提取图像边缘,并采用多孔算法防止图像信息丢失。实验结果表明,和传统的边缘检测算法相比,在边缘精度和噪声抑制方面,该算法是有效的。     

基于小波多尺度边缘的图像归档和查询

通过对基于图像内容的查询以及医学图像数据库领域知识的研究，提出了基于小波多尺度边缘的尺度综合和模拟人类视觉心理学特点的医学图像归档及查询方法。对基于内容的查询的检验标准进行了讨论。构造了一个基于日常临床医学图像数据库的图像归档与通信系统(PACS)的原型系统。在此系统上对上述算法进行了试验，结果证明了该算法的有效性和可行性。     

基于模糊增强的小波多尺度边缘特征提取

分析了当前Pal. King模糊边缘检测算法缺点,结合其思想提出一种新的较好的改进方法;该算法采用新的隶属函数,能简化运算提高速度;运用最大均方差法能自适应求解分割阈值;利用小波变换良好的局部性能和多尺度分析特性,能较完整地提取边缘信息,并且具有较强的抑制噪声能力;实验证明该方法能准确检测图像中的目标边缘,较好地保持目标边缘的连通性,边缘提取清晰,细节丰富,抗噪性强。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

融合小波变换和新形态学的含噪图像边缘检测

针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。     

一种基于第2代曲波变换的尺度相关图像去噪方法

从第2代曲波变换为基础,提出了一种利用尺度相关性进行自适应阈值收缩的图像去噪方法。通过实验比较小波与第2代曲波图像去噪,采用峰值信噪比对去噪结果进行了客观评价,实验结果表明,本文提出的图像去噪方法明显优于小波图像去噪方法,并且相对于单纯的阈值收缩去噪也有很大提高。     

检测噪声图象边缘的概率集群识别方法

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人手,将概率谱分为两个等面积的集群,通过判定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噪声抑制能力和边缘提取能力.     

基于小波尺度相关的图像清晰度判别方法①

为提高图像清晰度判别函数的单峰性和抗噪性,提出了一种基于小波变换尺度相关的清晰度判别方法。该方法利用信号的小波系数幅值随尺度增大而增大,噪声的小波系数幅值随尺度增大而减小的特性,取相邻尺度间小波系数乘积构造清晰度判别函数,实现了增强信号抑制噪声的目的。通过CCD采集的图像数据对该方法与传统方法进行对比实验,结果表明提出方法具有较好的单峰性和较强的抗噪性,能够准确地评价数字图像聚焦程度。     

基于相关系数的快速分形图像编码算法

自Jacquin提出的分形块编码以来,各种改进算法不断出现,不同程度地减少了编码时间.该文基于相关系数的快速分形图像编码算法,从理论上研究了图像块匹配误差度量和图像块相关系数之间的关系,论证了极小化图像块的均方误差等价于极大化图像块的相关系数,提出了基于相关系数的分形图像编码算法,实现了在解码图像不降质的情况下大大地缩短了编码时间.