改进的基于小波变换的图像边缘检测方法的研究

本文介绍一种基于小波变换模极大值进行图像边缘检测的方法。对图像进行二维小波变换,其梯度模值反映了图像的边缘,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点。本文采用图像分块方法确定阈值,并用该阈值来限定模值,与传统边缘检测方法相比,可以得到更好的边缘检测效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础 ,传统的边缘检测方法对噪声非常敏感。讨论一种基于小波变换的图像边缘检测方法 ,仿真结果表明 ,该方法明显优于传统的边缘检测算法 ,对噪声的抑制能力强     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础,传统的边缘检测方法对噪声非常敏感.讨论一种基于小波变换的图像边缘检测方法,仿真结果表明,该方法明显优于传统的边缘检测算法,对噪声的抑制能力强.     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础,传统的边缘检测方法对噪声非常敏感.讨论一种基于小波变换的图像边缘检测方法,仿真结果表明,该方法明显优于传统的边缘检测算法,对噪声的抑制能力强.     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

一种基于图像融合的含噪图像边缘检测方法

针对含噪声图像在边缘定位、噪声抑止、弱边缘保留及边缘细节的视觉感知等方面难以兼顾的具体情况,提出了一种基于图像融合的含噪图像边缘检测方法。首先,讨论了基于小波变换模极大值的图像边缘检测法;结合数学形态学基本运算与信息熵理论,提出了改进的灰值数学形态学图像边缘检测法,并分析了其基本原理。然后,结合两种方法的优点,采用叠加运算进行图像融合最终检测到的图像边缘连续完整。最后,与传统边缘检测法、小波变换模极大值法、改进的灰值数学形态学法进行了实验对比,结果表明,本文算法优质系数最大,所花时间最少。     

基于小波变换的陆轨两用车铁轨图像边缘检测

为了能够实时采集铁轨图像以实现陆轨两用车在站台与铁轨之间顺利切换,介绍了一种基于多尺度小波变换和自适应阈值的图像处理方法,选用二次B样条小波对图像传感器采集到的铁轨图像进行多尺度边缘检测,结合了非极大值抑制方法和自适应阈值方法提取最终边缘图像.对比几种经典的边缘检测算子,小波变换的图像边缘检测对铁轨图像的处理结果较好,实现了路轨两用电动车陆/轨转换的准确定位.     

基于小波变换和形态学的医学图像边缘检测

针对传统边缘检测算子对噪声敏感的缺点,结合小波阈值去噪和形态学边缘检测提出一种改进方法。首先对含高斯噪声的图像进行小波分解,然后再通过小波阈值法对高频系数进行处理,采用新设计的双结构形态学边缘检测算子对低频系数进行处理,最后用新系数重构出图像。实验结果表明:这种方法在去除噪声的同时较好地保留了边缘轮廓信息,是一种有效的边缘检测方法且具有实际参考价值。     

基于小波变换和数学形态学的遥感图像边缘检测

由于遥感图像一般带有较大的噪声，通过实验表明，用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合数学形态学的方法，提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法。实验表明本算法计算有效，边缘定位准确，对噪声有一定的抑制作用，边缘检测效果明显。     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。     

应用小波变换的频谱边缘检测技术研究

频谱感知是认知无线电实现的首要步骤。作为分析奇异点和边缘检测的强大数学工具,小波变换被用于探测和估计局部频谱的不规则变化。针对小波变换实现频谱边缘检测的局限条件,提出一种带内非平稳变化,边界连续变化的频谱边缘检测方法。通过对原始频谱信号进行数据预处理和结果峰值变化特性分析,利用小波变换实现频段的边缘划分,最后进行仿真验证。仿真结果表明:本算法能够将带内不光滑且边界连续变化的频谱有效的划分成若干独立频段,从而实现信号频谱边缘检测。     

Adaptive multiscale edge detection based on vision feature of edge and wavelet transform

A new rnultiscale edge detection method is presented, which is based on an effective edge measure. The effective edge measure, used to adaptively adjust the scales of wavelet transform, is defined using the novel features of image edge obtained from human being vision characteristics. Finally, two experiments show that the proposed algorithm appears to work well.