一种模糊篡改图像的盲鉴别算法

针对篡改造假图像中常用的模糊操作,提出了一种模糊篡改图像的盲鉴别算法。该方法首先根据图像的边缘特征对图像取对数运算,分离入射分量和反射分量;然后把同态滤波应用到小波域,对多尺度分解的高频信息和低频信息进行同态滤波处理;最后采用数学形态学运算对边缘进行定位,检测图像是否经过模糊篡改。实验表明,该算法能够有效地检测经过模糊篡改的图像,并能对模糊操作痕迹进行准确定位。     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

基于多方向小波模糊融合的SAR图像边缘提取

合成孔径雷达图像通常带有较强的相干斑噪声。传统的边缘检测算法难以兼顾噪声抑制，检测边缘的完整性和定位的准确性，针对合成孔径雷达自身的特点，利用多方向小波变换各尺度间边缘梯度信息的关联及各方向上边缘梯度信息的互补，提出一种将小波变换的多方向多尺度与模糊积分相结合的边缘特征提取算法．这种算法能在有效克服斑点噪声影响的同时保留弱边缘．融合边缘比较完整．边缘定位准确。     

一种消除重建图像边缘振荡的图像压缩方法

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法。该方向将提升算法与传统的非线性ENO小波变换相结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡。仿真实验表明该方法计算简单、存储空间小。     

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。     

基于小波变换与二阶差分的低对比度图像增强

针对传统小波增强算法在处理光照不均或光照不足图像时出现的图像细节丢失、图像噪声增大以及信息熵降低问题,提出了新的基于小波变换与二阶差分的图像增强算法。根据小波变换的特性,首先将图像信息分解为高频分量和低频分量,然后通过二阶差分来控制图像细节成分在输出图像中占的比例,对图像信息的高频分量进行了小波重构。实验表明,所提出算法在图像增强效果和抗噪性能上均优于AHE算法、CLAHE算法、HE算法、Laplace算法等传统的图像增强算法,在有效抑制噪声的同时能够突出图像细节信息,具有良好的适用性。     

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。     

基于遗传算法阈值优化的模糊边缘检测

针对Pal和King提出的模糊边缘检测算法易导致图像灰度信息丢失的问题,提出一种改进的图像模糊边缘检测算法。算法先使用遗传算法和Otsu得到最佳阈值参数,通过阈值定义一个新的隶属函数将原始图像映射到模糊特征平面;然后利用模糊增强提高区域之间的层次,加强边缘两侧的对比度;再对图像进行灰度增强;最后用Min算子提取出图像的边缘。实验结果表明,改进算法提高了边缘检测质量。     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

基于小波模极大值的磁瓦裂纹缺陷边缘检测算法

为了准确提取磁瓦表面缺陷的边缘信息,提出一种基于图像加权信息熵和小波模极大值相结合的磁瓦表面裂纹缺陷的边缘检测算法。针对磁瓦表面缺陷对比度低、背景纹理对边缘提取干扰大等特点,设计了一种自适应改变截止频率的BHPF滤波器。利用图像梯度方差加权信息熵对背景纹理的清晰程度和复杂程度进行定量描述,拟合出信息熵同截止频率的非线性函数关系,自适应改变滤波器参数。为避免在多尺度下将缺陷的边缘信息丢失,采用分解尺度判别函数获取小波变换的最优分解尺度。为保证裂纹缺陷边缘连续性和定位准确性,采用双阈值对小波模极大值进行判定求得边界点。实验结果表明,该方法对磁瓦裂纹缺陷边缘的检测优于传统的Canny和Sobel边缘检测算子,可用于磁瓦其他缺陷的提取,为实现缺陷的自动识别奠定了基础。     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

应用模糊逻辑的车道线检测方法

为了实现受大片阴影干扰或强光照等条件下的车道线边缘增强与车道线检测,提出了一种应用模糊逻辑的图像处理方法检测车道线,通过最大信息熵求取直方图的谷底作为隶属度函数的参数值,利用模糊逻辑增强了车道线像素与柏油路像素之间的对比度.在车道线检测过程中,对预处理后的图像利用HT检测直道,利用3次曲线方程拟合弯道.为了节省数据处理时间,根据上一帧的车道线参数,利用Kalman滤波器动态建立感兴趣区域,并且预测当前帧的车道线拟合参数,实现道路的实时检测.对比分析表明,该算法提高了受大片阴影干扰或强光照等条件下的车道线边缘像素和柏油路像素之间的对比度,强化了车道线边缘信息.车道线检测结果表明,经过模糊逻辑处理能准确提取大片阴影干扰或强光照等条件下的车道线参数,稳定检测多种光照条件下的车道线.     

基于小波系数相关性和模糊理论的声纳图像处理

针对声纳图像在生成和采集过程中产生大量的混响,提出了一种改进的基于小波系数相关性与模糊理论的声纳图像混响抑制与增强算法.该算法通过在计算过程中考虑下一个尺度中对应部位局部特性,构造局部相关性系数矩阵,提高边界定位精度.在滤波的同时,该算法采用基于模糊理论的增强算法对有用信息进行增强.实验结果表明,与其他常规算法相比,该算法明显降低了声纳图像的平均均方误差（MSE）和平均绝对误差（MAE）,提高了峰值信噪比（PSNR）,更适合于处理声纳图像.     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

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。     

Image Edge Detection Based on Wavelet Transform

ＩｍａｇｅＥｄｇｅＤｅｔｅｃｔｉｏｎＢａｓｅｄｏｎＷａｖｅｌｅｔＴｒａｎｓｆｏｒｍＺＨＡＮＧＹｅ；ＳＨＩＭｅｎｇ；ＲＥＮＧｕａｎｇｈｕｉ（张晔）（时萌）（任广辉）（Ｄｅｐｔ．ｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ．ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅ...