一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

基于邻域加权的多层次模糊边缘检测算法

针对目前边缘检测方法在低对比度图像、噪声图像中检测效果不理想的问题,本文结合微分算子和模糊边缘检测的优点,提出一种基于邻域加权的多层次模糊边缘检测方法。首先,利用微分算子计算图像梯度特征,依据图像梯度特征对图像进行自适应地分层;然后构造模糊函数,用模糊函数增强不同强度的图像梯度特征,取得了较好的边缘检测结果。仿真实验表明:基于邻域加权的多层次模糊边缘检测算法能较好地检测低对比度图像的边缘,同时能有效抑制椒盐噪声、高斯噪声对图像边缘检测的干扰。     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于同化核分割相同值区域特征融合的边缘检测

针对SUSAN(Smallest univalue segment assimilating nucleus)边缘检测算子在强噪声环境中容易产生虚假边缘的不足,提出了基于同化核分割相同值(Univalue segment assimi-lating nucleus,USAN)区域特征融合的边缘检测方法——FUSAN(Fusion-USAN)算子。该算子在利用USAN区域大小信息提取潜在边缘点的基础上,分别直接和间接利用USAN区域的形状信息计算边缘响应,并采用简单的融合策略融合这两种边缘响应得到最终的边缘响应。与SUSAN算子相比,FUSAN算子综合利用了USAN区域的大小和形状信息。利用合成图像和常用Cameraman图像并加入噪声对FUSAN算子进行评估,实验结果表明:FUSAN算子的检测性能优于SUSAN算子。     

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．     

改进的LOG算子与小波变换融合的边缘检测方法

传统的LOG算子在高斯滤波方差的选择上不具备自适应能力,方差的大小会直接影响到去噪和边缘保持效果.针对此问题给出了一种改进的LOG算子方法,并对原图像分别采用改进的LOG算子和小波变换两种方法进行边缘提取,最后将这两种方法检测出来的边缘图像进行融合.实验表明,融合后的图像结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果.     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

基于图像分频的边缘检测

针对传统Canny算子采用高斯滤波器容易丢失重要的边缘信息,提出一种能够保留边缘信息的图像分频的边缘检测方法,并对其性能进行实验验证。该算法通过高斯低通滤波器将图像分成高低频两部分,对低频模糊信息进行均衡化增强,对高频信息进行中值和形态学去噪,再将分别处理的图像进行叠加,最后对融合处理后的图像进行非极大值抑制和双阈值链接。实验图像及数据表明,本文的检测算法对图像边缘提取及抗噪能力有所很大的改善。     

双三次B-样条平滑滤波算子的研究

边缘检测一直是图像处理中的难题。常用是边缘检测算子有：Canny算了、Deriche算子、Sobel算子和Prewitt算子，它们将，边缘检测算子归结为一个恰当的平滑方法及计算滤波之后的梯度或求二阶导数的零交叉指纹图，没有很好地解决闰滑噪声和边缘的精确定位之间的矛盾。充分利用边缘信息的多尺度性及小波变换的特性，通过B-样小波变换，给出了双三次B-样条平滑滤波算子，并且利用该算子进行了大量的边缘检测实验。实验结果表明，文中所给的方法对边缘检测非常有效。具有良好的鲁棒性。     

一种改进的图像边缘检测算法

对传统的微分边缘检测算法的缺陷进行分析和评价,并针对微分边缘检测算法的缺陷,提出了一种改进 的边缘检测算法。新算法摈弃了传统边缘检测算法中将每个像素单独进行考虑的模式,而是将待检测像素及与 其相邻的像素作为一个整体来考虑,通过将待检测像素为中心的某个领域进行整体计算,得出能够反映这个领 域性质的某些参数,并以此作为边缘检测的判据,进行检测。此算法充分考虑到了中心像素与周围像素之间的 关系,从而增加了梯度运算的可靠性。实验表明:新算法能够检测到更细的边缘,并且在椒盐噪声的情况下要优 于常用的微分边缘检测算法。     

基于形态灰度边缘检测算法的一种改进

使用形态学的思想进行图像的边缘检测,提出了在一次形态处理中使用双结构元的一系列一般性形态边缘检测算子和抗噪型形态边缘检测算子的算法,并给出算子的性质。新算子在使用同一对结构元处理中既具有定位能力又具有细节保留功能,抗噪型算子能很好地检测出图像的单像素宽的边缘。     

一种基于小波和模糊逻辑的图像边缘检测方法

提出一种基于小波和模糊逻辑的图像边缘检测方法。基于图像高频分量和低频分量的特点,对细节信息和平均信息分别用二进小波变换和模糊逻辑进行边缘检测,再用逻辑运算合成边缘图像。实验结果表明,该算法能有效解决图像边缘的有效检出与精确定位之间的矛盾,具有很好的互补性,检测效果优于经典的Canny和Mallat等算法。     

图像边缘检测最佳算法的分析

本文主要对目前图像边缘检测理论中有代表性的一些边缘检测算子作一简要分析，对各自的特点进行横向的比较，提出了个人认为的最优边缘检测方法。     

三维动静组合加载下花岗岩能量耗散试验研究

利用改造的三维霍普金森试验系统(split Hopkinson pressure bar, SHPB),选取4个轴压水平(25, 50, 75和100 MPa)和4个围压水平(0, 5, 10和15 MPa),对应开展4种应变率(约70, 90, 110和130 s^-1)下花岗岩三维动静组合加载试验研究,分析静载轴压、静载围压和应变率对花岗岩受冲击过程中能量耗散的影响规律,并讨论其破坏模式。试验结果表明:轴压增大时,花岗岩破坏时单位体积吸收能逐渐降低;围压或应变率增大时,单位体积吸收能逐渐升高。岩石储能极限在能量耗散过程中发挥关键作用,且不同情况下具体表现不同:储能极限与初始储能的差值影响岩石受冲击时的吸能值;当岩石在静载下进入损伤阶段初期时,储能极限与初始储能的比值决定岩石受冲击时的释能值;当岩石在静载下进入损伤阶段后期甚至发生屈服时,储能极限值正比于岩石释能值。此外,岩石破坏模式与单位体积耗散能关系密切:应变率相似静载组合变化时,破碎程度与单位体积吸收能变化呈负相关;静载组合确定应变率梯度变化时,破碎程度与单位体积吸收能变化呈正相关。     

边缘检测算子分析与比较

边缘检测是图像分析与处理过程中一个重要的边缘特征提取过程。本文分析了7种经典的边缘检测算子的性能,在Matlab环境下用这7种边缘测算子分别对Lena图像进行边缘检测实验,对其性能进行比较。最后对边缘检测技术的发展趋势进行了展望。     

基于Canny算子的白酒显微图像边缘提取

文章提出了一种改进的Canny算子和数学形态学相结合的白酒显微图像边缘检测方法。首先采用二维高斯函数的一阶偏导数同时构造x和y方向滤波器计算梯度幅值,然后通过四阈值边缘检测方法进行边缘定位,最后引入了数学形态学对边缘进行融合。实验仿真表明,该方法对酒分子结构边缘检测精度较准、抗噪性能良好,能有效的克服图像边缘模糊与断点,提高了边缘的连续性。     

三维物体识别中密度和距离图象数据的融合

阐述了以实现机器人视觉为目的，基于规则的，通过对同时来自激光扫描测距装置的物体矩离图象数据及其密度图象数据进行融合，从而达到提高识别三维物体可靠性的一种方法，本文详细地介绍了在边缘检测及曲率分析两个层次上所进行的融合，具体包括边缘及其属性的提取，边缘属性一致性分析，曲率类型的猜测及分析等。