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.     

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。     

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。     

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。     

脊波在工业CT图像裂纹边缘检测中的应用

在分析工业CT图像本身特点及小波变换检测点状奇异性的基础上，研究改进了一种基于脊波变换的边缘检钡0方法，并将其应用于实际工业CT图像裂纹检测中。首先利用脊波变换获得裂纹方向和大致范围，然后通过区域灰度均值比较定位裂纹区域，最后采用梯度算子检测出裂纹边缘并对其进行多项式拟合，得到定位准确、连续、独立的裂纹边缘图像。CT图像的旋转实验验证了该算法的鲁棒性，而与Earlace算子、Canny算子和Mallat小波方法的对比实验则证实该算法具有较强的抗噪声能力。     

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。     

实时图像自适应阈值边缘检测FPGA实现

传统的Sobel边缘检测算子对噪声变化抑制能力较差,并且其使用固定阈值导致适应性差.该方法利用中值滤波思想来确定图像的每一像素点局部边缘阈值来实现自适应阈值Sobel边缘检测,并在FPGA平台实现.实验结果表明,该算法检测出的实时图像边缘更加精细,并且能很好地抑制背景噪声.     

小波变换在齿轮图像边缘检测中的应用

齿轮的齿形检测是用来检测齿轮的主要特征,边缘检测的质量直接影响检测的精度,根据齿轮检测的特点,利用小波变换对目标图像进行降噪和边缘特征处理,经过实验对比该方法明显好于其它方法,说明小波变换对提高齿轮边缘检测精度有很大意义.     

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。     

CT图像表面重建技术中的边缘检测和跟踪补偿

在 CT图像表面重建技术中 ,需要进行边缘检测和轮廓跟踪。本文应用改进的小波变换对 CT图像进行边缘检测 ,并充分利用原 CT图像的信息 ,对得到的边缘图进行跟踪和补偿。通过在与边缘方向垂直的小直线邻域内寻找局部峰值 ,可以弥补在边缘检测中丢失的弱边缘。实验结果证明了该算法的可行性     

基于经验模态分解与改进自适应阈值的边缘检测

经验模态分解(Empirical Mode Decomposition)是一种新的自适应的信号分解方法。文中利用二维经验模式分解的算法,通过过滤过程得到固有内模函数,然后利用多尺度分析提取不同尺度下的边缘,并与改进的自适应阈值方法结合对图像进行降噪处理。通过仿真实验,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,其性能优于传统的边缘检测算法。     

基于Canny理论的自适应阈值彩色图像边缘检测

传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性.     

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。     

计算机视觉中的边缘提取技术研究

在计算机视觉应用中,低层模块中图像边缘提取检测通常是一个必要的过程。介绍了对计算机视觉中所应用的各种图像边缘提取技术;讨论了它们各自的优缺点及其适用范围;阐述了以小波变换为代表的多尺度方法;对具体选取哪种方法提出了自己的见解。     

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。     

高速摄像环境下航天电连接器分离边缘提取算法

为了准确测量航天电连接器的分离距离,以深入研究其分离特性,提出了一种高速摄像环境下电连接器分离边缘的提取算法。该算法主要通过划分感兴趣区域选定待测量位置区域,经滤波处理后,利用小波变换算法增强图像的弱边缘信号,然后通过两次自适应阈值分割图像,并利用SUSAN算子进行边缘检测,进而提取边缘,获得准确的边缘信息。     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。     

图像测量中快速边缘亚像素定位研究

研究了一种图像测量中边缘点的快速亚像素定位的方法,采用先阈值分割再边缘提取进行粗定位,确定边缘点的像素级精度位置和边缘的方向,沿边缘点的边缘方向拓展像素,得到一定长度的灰度值向量,对向量进行处理实现边缘的亚像素定位。分别采用三次多项式拟合法、二次曲线拟合法和灰度矩法三种亚像素定位算法进行了理论分析和实验对比,结果表明,灰度矩算法具有较短的运行时间和较高的定位精度。