一种图像边缘特征提取算法

边缘作为一个重要特征是图像目标检测中基础而又困难的一个问题.用常规方法进行边缘检测时,噪声会影响到边缘特征提取的准确性.为了减小噪声对图像边缘特征的影响,改善边缘特征的定位精度,本文提出了一种新的图像边缘特征提取算法.该方法利用小波变换天生的多尺度特性,对小波变换各尺度下的细节图像用互能量交叉的方法进行噪声抑制和边缘识别.最后作了实例验证.     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

双阈值法在图像边缘检测中的应用

利用小波变换模极大值法进行图像边缘检测时,需选择阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,如果对变换后的图像取单一阈值,那么微弱边缘将会因为灰度不均匀、噪声等一并被滤除.针对这一问题,在上述算法中用双阈值法代替单阈值,使得图像边缘连续,同时也能很好地消除噪声,实验结果表明该算法简单实用,易于实现.     

小波理论在植物根系图像边缘检测中的应用

在植物根系的研究中,所提取出的植物根系图像往往噪声较大,而采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。针对这一问题,本文基于小波理论的知识,提出了运用小波多尺度变换检测植物根系图像边缘的方法。利用一个平滑函数,在不同的尺度下平滑所要检测的图像信号,根据平滑后信号小波变换系数模的一阶或二阶导数找出信号的突变点也即边缘点。一阶导数的极值点对应二阶导数的零交叉点和平滑后信号的拐点。因此可由小波变换模局部极大值检测图像边缘。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

基于多小波收缩与子带增强的图像去噪方法

边缘特征是图像最为有用的高频信息,因此在图像去噪的同时,应尽量保留图像的边缘特征,基于这一思想,提出了多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明与单一的阈值收缩方法相比,该方法不但保留了图像的边缘特征,而且提高去噪图像的峰值信噪比,实验结果优于普通的阈值收缩方法.     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

基于多小波的图像处理在电晕检测中的应用

提出了基于多小波变换的图像处理方法,该方法以多小波变换为基础,在一次多小波分解与重构之间完成双谱段图像处理.首先进行多小波变换,将变换系数进行软阈值收缩消去噪声;然后根据图像中需增强的信息,选择增强系数进行子带增强;最后提出一种新的自适应权值融合规则,采用这个规则融合变换系数,进行小波重构得到处理后的单幅图像.实验表明,这种方法不仅能提高图像的视觉效果,增强源图像的边缘信息,而且能很好地将源图像中列电晕检测有用的信息融合在一起,提高电晕检测系统的定位精度.     

MAS小波的钢板表面缺陷边缘检测的研究

针对钢板表面缺陷与背景的对比度差、边缘复杂、采光不均、噪声较大等特点,应用一种基于MAS小波变换进行钢板表面缺陷边缘检测。该方法由Lipschitz指数阐明了图像的边缘几何结构,通过分析图像中不同类型的奇异点,并结合尺度独立算法区分了目标图像中不同类型的边缘,有效的提取了钢板表面缺陷图像的边缘。实验结果表明,基于MAS小波算法可以有效提取图像中阶梯型边界,检测到的缺陷边缘轮廓较为清晰,且去噪能力较强,检测效果优于传统的同类方法。     

基于图像处理的带线缝合针尾孔同轴度检测研究

针对带线缝合针尾孔同轴度检测问题,提出了一种对尾孔放大图像进行边缘检测并拟合的同轴度检测方法.首先根据小波变换原理,利用Db3小波基函数对尾孔放大图像进行了三层小波分解,高频部分利用小波多尺度积边缘检测方法抑制噪声,低频部分利用数学形态学边缘检测方法检测弱边缘信息.然后根据图像信息熵计算了单幅边缘图像的权重系数,进一步将多幅高频边缘图像和低频边缘图像融合,提取到了清晰的尾孔内外圆边缘图像.最后运用最小二乘圆拟合方法得到尾孔内圆与外圆圆心坐标,计算了同轴度.针对0.5 mm缝合针样本的实验结果表明该方法与传统检测方法的同轴度数据差值不超过0.2 μm,且具有良好实时性,能够满足尾孔的同轴度检测要求.