基于二代小波提升算法的快速图像边缘检测

利用小波多尺度特性提取图像边缘是目前研究热点之一;通过比较第一代和第二代小波算法特点,引入二代小波提升结构的概念,提出了一种基于二代小波提升结构的快速图像边缘检测算法;对三次B样条小波基实现提升格式,通过计算大尺度下分解子图的模值和幅角来确定边缘;经过实验比较,能比经典的边缘检测算法得出更精确的边缘图像,同时通过与基于第一代小波算法的边缘检测比较,基于二代小波提升格式的边缘检测算法计算更快速,更高效.     

小波变换和Canny算子相结合的图像边缘检测算法

提出一种基于小波变换和Canny算子相结合的图像边缘检测算法.由于传统Canny算子在进行边缘检测时,会丢失边缘细节信息,产生伪边缘,因此,论文提出在进行Canny算子边缘检测前,首先使用二维最大类间方差算法将图像分为四幅子图,然后对各子图分别进行小波阈值去噪,对去噪图像进行图像融合后,使用Canny算子检测边缘,最后进行边缘连接,得到连续边缘线.实验结果表明,该算法可以在去除噪声的同时有效保留边缘细节,达到较好的检测效果.     

织物纹理疵点快速检测方法

根据小波在奇异信号分解中的特点,提出了一种疵点快速检测新方法.首先通过对被检测图像进行小波提升分解,获得相应的子图.然后把高频子图分割成若干子窗口,统计子窗口能量的标准差与均值加权和作为提取的特征.最后把高频子图中的特征均值与正常子图特征均值相比较,判断疵点是否存在.实验结果表明,该检测方法能快速有效的检测疵点.     

基于小波多尺度变换和模糊聚类的图像边缘检测研究

在分析了小波理论和模糊聚类基础上，本文提出了一种基于小波多尺度变换和模糊聚类的图像边缘检测算法。通过这个算法，不仅可以对整个原始图像进行边缘检测，还能对原始图中满足某种特征的不规则的子图进行边缘检测。最后，把这种算法与一些经典的图像边缘检测做了对比分析，实验结果表明该算法具有较好的图像边缘检测性能。     

小波提升变换边缘检测算法的DSP实现

提出了基于小波提升变换的改进图像边缘检测算法的DSP实现过程。本算法对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取;基于高速DSP的实现克服了传统小波变换存在的问题,很好地满足了实时性要求。实验结果表明,该方法具有运算速度快、能有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘检测实现方式。     

提升小波变换在边缘检测中的应用

针对图像边缘集中在图像的高频系数中,该文利用小波变换的性质,将提升小波变换应用于边缘检测中。通过提升小波变换将图像进行分解,首先对低频系数进行Canny算子提取边缘,再分别对三个高频系数进行阈值处理,最后对边缘图和高频系数进行逆变换。实验结果表明:该算法运算速度快,可以形成图像双边缘,使图像的边缘更加清晰、完整。     

基于小波模极大值和形态学的图像边缘检测算法

提出一种基于小波变换和形态学的图像边缘检测方法.通过对源图像进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的边缘,最后采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法.     

基于小波变换与改进的——Roberts算子融合的图像边缘检测

本文提出了一种改进的Roberts算子,并在此算子边缘检测框架基础上,采用了一种小波多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过改进的Roberts算子对子图像进行空间微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合运算得到最终的边缘图像.实验结果表明,该算法实现简单,能有效地抑制噪声,补偿...     

基于自适应提升方案的图像边缘检测

图像边缘是由于灰度的不连续所致,是图像信息的一个最基本特征,也是图像处理中探讨的热点问题之一.分析传统的图像边缘检测算法及其存在的问题.通过采用自适应提升小波分析,根据处理图像信息的局部特征自适应地调整预测滤波器和更新滤波器,从而实现与处理信息的准确匹配;同时,改进了小波边缘检测算子,实现了一种适用于自适应提升小波分析的图像边缘检测的算法,并将此算法应用于医学图像的边缘检测.仿真结果表明,该算法比传统的图像边缘检测算法效果更优.     

基于多尺度小波的Roberts边缘检测法

在Roberts交叉梯度算子边缘检测框架基础上,提出一种小波增强的多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过Roberts梯度算子对各子图像进行空间一次微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合及差影运算得到最终的边缘图像。实验结果表明,该算法实现简单,能有效地抑制噪声,补偿弱边缘,可以有效获取多个尺度下的边缘信息,对边缘信息定位精度高,是一种可行、有效的图像边缘检测的方法。     

基于离散小波变换的织物疵点检测方法

提出了一种基于离散小波变换的织物疵点检测新方法。首先通过对采集织物图像进行小波变换,然后把子图分割为相互连接、互不交叠的子窗口,计算每个子窗口小波系数的标准差作为特征值,最后对这些特征值再次计算标准差与极差,以此作为依据与正常织物进行比较,实现对织物疵点的检测。通过对不同疵点进行检测实验,证明了该算法是可行有效的,检测的正确率平均可达90%以上。     

基于小波变换的多聚焦彩色图像融合新方法

给出了一种基于小波变换的多聚焦彩色图像融合方法。首先对待融合图像的R、G、B三分量进行小波变换,将其分成不同频率的子图像。然后对于低频和高频子图像采用不同的算法进行融合,得到融合图像的小波系数。最后利用小波逆变换重构融合图像。实验结果表明,融合图像具有较小的颜色失真和较高的峰值信噪比。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

A novel method of medical image enhancement based on wavelet decomposition

The efficiency of image enhancement algorithms depends on the quality and processing speed of image enhancement. There are many algorithms to implement image enhancement using wavelet theory. These algorithms have one thing in common: they all capture image details by decomposing low frequency sub-images. In fact, a lot of details in high-frequency sub-images are also found. Enlightened by the above-mentioned facts, a novel medical image enhancement method based on wavelet decomposition is proposed by adding details from the high-frequency sub-images and decomposing the image specially with ant-symmetric biorthogonal wavelet instead of some traditional wavelets. It not only improves the image enhancement, but also overcomes the shortcomings of large computation with faster computational speed and satisfies the real-time requirement in edge detection. Simulation experiments of mammographic images are implemented by Matlab with several different methods, the results show that the proposed method is superior to some popular methods, such as histogram equalization and wavelet nonlinear enhancement.     

一种基于静态小波变换的图像融合算法

给出了一种基于静态小波多尺度边缘检测的图像融合算法,是一种适用于微光和红外图像融合的多分辨率方法。该方法选择á trous多孔算法为基础,并选取不同尺度参数的LOG算子作边缘检测,利用了图像的多尺度边缘信息确定图像的边缘位置进行融合。在小波域中,对高频信息依据边缘检测的边缘点进行融合,对低频信息利用取加权法进行融合,再进行小波逆变换重构融合图像。通过红外和微光图像的融合实验结果表明,该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

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。     

基于二层自适应正交小波的疵点检测

本文提出了基于二层自适应正交小波的织物疵点检测方法。首先介绍了织物纹理图像的二维正交小波变换．在此基础上借鉴Daubechies小波构造过程，阐明了二层自适应正交小波的构造方法，然后对图象进行二层小波分解。分别比较无缺陷图像与待检测图像二层分解后的纬向和径向子图像，得到纬向和径向疵点信息，最后将两个方向上的疵点信息融合．得到检测结果。实验证明该方法是有效的。