基于小波变换的多尺度边缘检测

基于Ｍａｒｒ边缘检测算子，以高斯函数的一险峰 ２阶导数作为小波，提出具有２个可变参数的多尺度图象边缘检测方法。本文所提出的多尺度边缘检测方法适应于计算机视觉分级识别中边缘检测的需求。     

基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

基于有限邻域EMD和小波分析的图像边缘检测

提出了一种基于有限邻域EMD(Neighborhood Limited Empirical Mode Decomposition)与小波分析相结合的图像边缘检测方法。首先将图像信号进行有限邻域EMD分解,将其分解成n个IMF(Intrinsic Mode Function)函数,再对每个IMF函数进行小波变换。将该方法应用于图像的边缘提取,较好地得到了图像的边缘信息。     

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。     

基于多尺度小波变换的边缘检测

边缘是图像的基本特征之一,提出了一种多尺度的图像边缘检测方法。实验表明,该方法能够有效地对图像边缘进行检测、抑制噪音,同时具有较好的多方向性。     

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。     

小波变换三阈值多尺度融合边缘检测算法

充分利用边缘点和噪声点在梯度方向特征上的差异,提出了边缘点的梯度方向特征的概念。在不同尺度上对图像进行小波变换,得到每个像素点的梯度信息,利用双阈值的非极大值抑制法和边缘点的梯度方向特征提取每一尺度上的边缘点,最后用第三个阈值融合各尺度下的检测结果,得到图像边缘。实验结果证明,该算法与经典的Canny算子和Mallat小波算子相比,在保证边缘定位能力的同时,具有更强的抗噪声性,在强噪声干扰下仍可获得满意的边缘检测效果。     

图像多尺度边缘检测算法研究

通过检测二维小波变换的模极大值线可以确定图像的边缘点.由于小波变换在各尺度上都提供了图像的边缘信息,所以称为多尺度边缘检测.沿着边界方向将任意尺度下的边缘连接起来,可形成该尺度下沿着边界的模极大线.小波变换能够把图像分解成多种尺度成分,并对大小不同的尺度成分采用相应的时域或空域取样步长,从而能够不断地聚焦到对象的任意微小细节.小波变换具有的多尺度特性,正好可以用于图像的边缘检测.     

基于小波多尺度积的边缘检测算法

在分析小波变换对噪声和边缘点影响规律的基础上,结合多尺度乘积的特性,提出了一种基于小波变换的多尺乘积边缘检测新算法。通过边缘检测性能评测计算和实验验证表明,该算法能有效增强边缘、抑制噪声,且定位精度高。     

基于BEMD和自适应阈值的多尺度边缘检测

利用了一种称为经验模式分解(Empirical Mode Decomposition,EMD)的技术,在多尺度下对图像进行分解,得到了多尺度信息并结合自适应阈值提取不同尺度下的边缘.将此技术应用于图像过滤和边缘检测中,发展了一种基于二维经验模式分解(BEMD)的算法,在多尺度下或空间频率中提取信号特征.这些特征,称为内蕴模函数,可通过一个过滤过程得到.在二维过滤过程中,利用形态学算子来检测区域极大值并通过径向基函数(RBFs)进行曲面插值运算,然后利用边缘信息的多尺度特征合成多尺度边缘,得到了单像素宽边缘.通过计算机仿真实验,结果表明这种方法不仅能准确地检测出图像边缘,而且还有效地抑制了噪声,这种算法的性能优于传统的边缘检测算法.     

基于小波分析的边缘检测技术研究

边缘检测是图像检索的关键技术之一。边缘检测方法比较多,但这些算法各有自己的特点和特定的应用领域。现在提出一种新的边缘检测算法,该算法以小波分析为基础,通过对原始图像进行小波变换实现边缘检测,具有良好的检测效果。     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

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。     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

基于小波变换的图象边缘融合检测

传统的边缘检测算法虽然实现简单,计算较快速,但是被检测图像较为复杂或含有噪声污染时,那些传统的边缘检测算法就很难得到理想的边缘结果。利用多尺度小波变换来检测图像的边缘是最近几年比较流行的方法,而且检测复杂图像或含噪图像的边缘比传统算法要好得多。该文提出一种在金字塔分解体系结构下利用多尺度小波变换的局部模极大值算法检测图像的边缘,并将图像分解的各层边缘信息利用小波融合算法逐个融合,以得到最终的图像边缘结果。实验结果表明,该文方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点,也能较准确地提取图像的边缘及降低计算量。     

基于小波提升变换的边缘检测及应用

在分析了小波提升格式的基础上,提出了基于小波提升变换的图像边缘检测新算法.首先,通过小波提升分解获得水平、垂直、对角线细节子图和近似子图.然后,根据子图特性分别采用不同的算子进行边缘检测.最后,利用小波逆变换重构图像.通过在交通车流量检测的实验表明了该方法有效性.