基于二进小波多分辨率逼近的层析三维数字化图像边缘检测研究

采用Ｂ样条小波来提取层析图像的边缘轮廓,用高斯函数为平滑函数,用Ｍａｌｌａｔ快速算法进行小波分解,分解出的局部极值就是层析图像多尺度边缘。这两种算法在不同的尺度下有不同的提取边缘细节的能力和抑制噪声的能力。做到了抑制噪声和提取边缘细节之间有机的统一。结果证明这种方法比传统的基于微分算子的边缘提取方法更适合于层析图像边缘轮廓的提取     

基于小波定位及Facet模型的三维工业CT图像边缘检测

进行三维图像边缘检测时,利用Facet模型能够获得较精确的边缘信息,但耗时较多;而利用小波变换可获得较快的检测速度,但得到的边缘依赖于阈值的大小。综合上述两种方法的特点,提出了一种基于小波定位及Facet模型的三维边缘检测方法。首先,对工业CT三维图像进行三维小波变换,设定较小阈值,得到三维粗边缘,即对图像边缘进行粗定位;然后,针对粗边缘点逐个进行三维Facet拟合,得到实际边缘点,从而完成图像边缘的精确定位。该方法通过小波变换粗定位这一前处理过程减少了Facet拟合的体素点数,加快了Facet模型三维边缘检测的速度。实验结果显示,本文方法不仅能得到与直接Facet模型效果相当的边缘,还能使Facet模型三维边缘检测的速度提高3.51～7.39倍,而且图像边缘越简单加速比越高。实验结果表明,基于小波定位和Facet模型的边缘检测方法可满足工业CT三维图像边缘检测对精度和速度的要求。     

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。     

基于小波模极大值的工件图像边缘检测

为给数控机床上下料机器人提供准确定位信息,实现机械手准确抓取工件,需要对工件进行图像抓取并处理图像,同时为了获得抓取信息,对工件进行边缘检测以提取出清晰的轮廓。在工件实际图像采集中,噪声往往比较多,本文采取小波模极大值边缘检测算法,将图像进行小波变换后计算模值及相角,求出模的极大值点并判断是否为边缘点后对边缘进行提取,最后对实际工件进行边缘检测。该方法抗噪性良好,并具有一定的实用性。     

基于图像融合的年轮细胞边缘检测算法研究

提出一种基于图像融合的边缘检测算法。首先对源图像进行小波分解,在不同分解层用小波模极大值法对高频子图像进行边缘检测,用数学形态学对低频子图像进行边缘检测,然后采用一定的融合规则将这两个边缘检测图像融合在一起。实践结果表明,这种方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

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.     

基于梯度锐化和小波变换的图像边缘检测

小波变换是近几年发展起来的集数学、信息处理于一体的新理论，具有良好的局部化分析性能和多分辨率分析特性，比较适合图像处理。实际图像常常含有噪声而变得模糊，故采取先对图像进行梯度锐化预处理，然后进行小波多分辨率分析的方法进行边缘检测，实验表明该方法是有效的。     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于M带小波变换的焊接熔池图像边缘检测

利用M带小波变换理论对CO2焊图像进行处理。基于Mallat小波模极大值边缘检测技术，研究了熔池边缘和焊缝位置的M带小波检测方法及算法实现，对边缘检测结果进行了分析。对CO2焊图像处理结果表明，用M带小波变换理论构造的小波基对提取熔池边缘和焊缝位置效果较好，可用于熔深控制、焊缝跟踪等领域。     

基于提升小波的颤振图像边缘检测方法研究

这里基于提升小波理论重点研究了图像边缘检测问题，提出了一种新的图像多尺度边缘检测方法，该检测方法适用于多种线性或非线性双正交小波，具有运算速度快、检测精度高等特点；并基于此边缘检测技术，研究了飞机结构颤振的边界预测问题，给出了一种新的稳定性参数估计方法。     

基于小波变换的亚像素边缘检测

提出一种基于小波变换的亚像素边缘检测方法,从理论上证明该方法不存在原理误差,同时具有较强的抗噪能力。实验表明,在对光源等无特殊要求的情况下,该方法的精度优于0.02个像素,从而验证了理论的正确性。     

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.     

小波域内基于尺度乘法的边缘检测

提出一种基于小波的二尺度乘积边缘检测方法,用两个临近尺度的二进小波变换相乘作为乘积函数,将边缘定义为确定阈值下乘积函数的局部最大值。尺度相乘增强了图像结构识别能力,并可抑制噪声。试验表明, 通过所提出的尺度乘积技术对边缘进行检测,其应用结果优于单尺度的情况,提高了局部检测精度,有效地解决了边缘错位问题,并减少了邻边的影响。     

基于多分辨率小波的鱼刺图像检测

针对鱼刺图像的特点和检测目的,提出了一种结合小波变换与canny算子的检测方法.该方法结合了小波变换与canny算子各自的特点,有效地抑制了鱼肉厚度、鱼块边缘等无用信息.实验结果表明,该算法能准确检测出残留鱼刺的位置.     

小波变换在螺纹边缘检测中的应用

螺纹牙型图像的边缘是检测螺纹的主要特征，边缘提取的质量将直接影响检测精度。根据螺纹图像边缘的特点，利用小波变换对目标图像进行降噪和边缘特征处理。其效果明显好于用经典的边缘检测算子，实验说明，小波变换对于提高螺纹的检测精度有重要价值。     

一种基于小波变换的煤矸石图像边缘检测方法

针对煤矸石在线识别与自动分选系统中的图像处理问题,采用小波变换的多尺度方法,研究了煤矸石图像的轮廓提取与边缘检测,通过图像消噪和边缘加强,对煤矸石图像进行了处理.研究结果显示,采用小波变换的边缘检测方法,可以有效地抑制噪声,准确提取煤矸石图像的边缘特征,有助于提高煤矸石的识别率.     

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。     

图像边缘检测技术研究现状

本文首先回顾了经典的边缘检测算子,主要分析了各种算法的特点和处理性能,并对它们自身的优缺点进行了论述。接着对近年来出现的新的边缘检测方法进行了介绍,较全面地阐述了图像边缘检测技术的研究现状。     

基于小波变换和数学形态学的边缘检测法

提出一种基于小波变换和数学形态学的边缘检测算法.对于遥感图像的边缘检测,利用小波变换的特点,先对遥感图像进行分解,获取高频分量的详细细节.然后通过对遥感图像特点的研究,文中提出一种适于遥感图像的L形结构元素.利用小尺寸结构元素对边缘细节的检测能力,从而得到相对较好的图像特征和细节.     

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。