基于改进小波变换的多方向图像边缘检测算法

在对图像的小波变换原理讨论的基础上,针对传统小波变换在图像边缘检测中的不足,提出了基于改进小波变换的图像边缘检测算法.该算法从多个方向对图像进行多尺度小波变换;采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点;将这多个方向上的极大点进行融合,形成图像的边缘.仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法.     

小波变换技术在图像边缘检测中的应用

边缘检测是计算机图像处理中的一个重要环节,而常用的Sobel算子、Prewitt算子等方法存在一些缺点.本文先介绍了小波边缘检测的原理,在此基础上,针对尺度的选取提出了一种自适应的方法,并做了实验.检测结果表明,以尺度自适应为基础的小波变换方法在边缘检测中优于Sobel算子、Prewitt算子.总之,该算法能有效地从噪声图像中检测出边缘.     

采用子图像抽取尺度变换的边缘检测方法

针对工业尺寸检测中现场采集图像模糊但目标占有空间尺度较大这一特点,利用低分辨率采样下图像高频特征失真较大而低频特征失真较小的原理,提出了一种通过图像抽取获得多幅不同尺度子图像分别进行边缘检测后,综合各子图像边缘与原图像边缘来提取大尺度弱边缘的算法。试验结果表明,本算法能有效地检测出图像中的大尺度弱边缘。     

基于多尺度特征融合网络的多聚焦图像融合技术

多聚焦图像融合技术是为了突破传统相机景深的限制,将焦点不同的多幅图像合成一幅全聚焦图像,以获得更加全面的信息。以往基于空间域和基于变换域的方法,需要手动进行活动水平的测量和融合规则的设计,较为复杂。所提出的方法与传统的神经网络相比增加了提取浅层特征信息的部分,提高了分类准确率。将源图像输入训练好的多尺度特征网络中获得初始焦点图,然后对焦点图进行后处理,最后使用逐像素加权平均规则获得全聚焦融合图像。实验结果表明,本文方法融合而成的全聚焦图像清晰度高,保有细节丰富且失真度小,主、客观评价结果均优于其他方法。     

遥感图像云检测的多尺度融合分割网络方法

在进行可见光遥感图像高精度云检测时,云自身特征的多变性,以及地物与云之间的特征相似性,会降低检测精度。因此,提出一种带权重的多尺度融合分割网络云检测方法。首先,通过有云区域和无云区域的特征学习,降低对云状的敏感性,同时利用全卷积网络进行端到端训练,实现对每个像素点分类。该方法能够自动提取深层特征,并可将云的深层语义特征与浅层细节特征结合,不但有利于区分下垫面中与云特征相似的地物,还可提高云边缘检测效果,从而提升云量值的检测精度。与其他深度学习分割网络的实验比较分析表明,所提方法可以实现95. 39%的像素分类准确度,云量值检测误差优于1%,为解决遥感图像云污染问题提供了新的思路。     

基于变尺度形态学的遥感图像边缘检测算法

针对遥感图像的噪声问题,在数学形态学的基础上提出了一种利用结构元素尺度变换的边缘检测算法。首先利用腐蚀运算对图像降低噪声,然后利用膨胀运算填补腐蚀产生的空穴,在这个过程中采用不同尺度的结构元素,最后通过检测算子得到图像的边缘图。实验结果表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素的尺度能明显降低噪声对检测结果的影响,准确检测出大多数遥感图像的边缘。     

DSP技术在图像边缘检测中的应用

本文分析了目前图像边缘检测的一些算法和实现方法,并以TMS320DM642EVM作为数字图像处理硬件平台,通过摄像头提取视频序列,利用DM642中IMG_SOBEL库函数进行边缘检测。     

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。     

基于多尺度降采样规范化割的图像裂纹检测

针对多尺度规范化割在边缘检测时精度低以及求解特征向量耗时长等缺陷,提出一种基于多尺度降采样规范化割的图像裂纹检测方法。该方法首先利用反对称双正交小波变换的半重构特性对待测图像的多个尺度进行边缘特征提取;其次结合各尺度的强度和位置特征构建多尺度相似矩阵和多尺度规范化相似矩阵;然后对多尺度相似矩阵进行降采样并利用谱分割方法实现降采样特征向量求解;最后利用多尺度规范化相似矩阵对降采样特征向量进行上采样的乘法运算并离散化后得到最终结果。在3个数据集的单一目标图像上进行文中方法与多尺度规范化割等方法的实验结果表明,不仅提高检测精度,而且减少运算时间。     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量.本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法.该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图...     

基于Kirsch理论的彩色图像边缘检测

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围象素灰度有阶跃变化或屋顶变化的那些象素的集合。图像边缘化可以采用多种算子进行处理。例如Roberts算子、Sobel算子、Kirsch算子、Prewitt算子、Laplace算子和Canny算子等。这里采用的是Kirsch算子,它带有特定八方向边缘信息的图像增强模板。能对图形的八个方向作边缘提取．从检测结果中可以看出．基于Kirsch理论的彩色图像边缘检测能够较全面地提取边缘信息。这说明,用该方法检测彩色图像的边缘是有效的。     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

基于数据融合的小波变换漏磁异常边缘检测

漏磁内检测是目前管道无损检测的重要手段。在进行漏磁无损检测评估中,异常边缘检测是十分重要的环节,异常边缘的精确程度直接影响到后续的反演评估环节。由于数据噪声的存在,使得边缘检测精度大大下降,特别是复杂异常区域。同时,面对庞大的漏磁数据,一般机器学习算法耗时较多。因此,针对漏磁内检测中异常边缘检测问题,本文提出一种基于数据融合的小波变换漏磁异常边缘检测算法。该算法基于小波多尺度变换与分解,将数据层融合、特征层融合以及决策层融合相结合。首先,原始数据经过多色彩空间变换,并将变换结果进行数据融合。然后,融合数据进行小波多尺度变换。其次,针对每一尺度下变换数据进行小波多层分解,并对每一层级进行小波模极大值边缘检测,将边缘检测结果加入到细节分解系数融合中,并重构数据。最终将多尺度下的边缘检测效果进行融合得到最终检测边缘。实验分别在仿真数据集和真实管道数据集上进行,并和其他边缘检测算法,如Sobel、Canny、Roberts、Prewitt、Log进行了比较,实验结果显示,本文提出的异常边缘检测算法效果优于传统边缘检测算法,边缘指标OA高于70%,能够满足实际工程需要。     

基于图像的模切机纸张边缘检测定位技术研究

为进一步提高模切纸张精度,在模切机叼纸机构前加装一套纸张定位装置.该装置基于机器视觉原理,在模切机的前规、侧规处安装3部微型相机,运用图像处理的方法粗略定出纸张边缘点位置,然后采用一维灰度矩法对边缘点进行亚像素级边缘检测,再通过最小二乘法直线拟合出纸张边缘所在直线的方程,计算出3幅图像中各纸张偏离零位位置的距离值.根据3个偏移值指导叼纸机构进行适当微调,可使模切精度达到0.02mm.     

基于改进LOG算子的图像边缘检测方法

针对传统基于LOG算子的边缘检测算法中高斯系数σ不确定性的问题,提出了一种改进的LOG算子边缘检测方法,该算法通过引入极坐标参数θ,计算不同方向θ的1阶导数,并求得导数最大值所对应的θ,进而确定图像边缘点。研究结果表明,利用该改进算子对图像进行边缘检测时,边缘信息丰富,细节体现明显,伪边缘较少,相对传统LOG算子其具有更好的检测效果,同时与Prewitt算子、Canny算子等算法相比较,所提算法也具有明显的优越性。