使用小波变换的图象边缘检测算法

将小波变换理论应用于图象边缘提取，提出了一种新的图象边缘检测算法。一种相对于（ｃ０，ｃ３）＝（０．０５，０．０５）的对称尺度函数被用于二进小波变换，得到原图象的一个多分辨率表达式，再提取图象的边缘特征。     

基于小波分析的仪表板质量检测

仪表质量检测的关键技术是提取边缘和定义指示误差。为了有效地去除噪声并进行边缘提取,采用了小波变换模极大值方法提取仪表图象特征。为了获取仪表板指示误差,提出了一种新的指示精度评判准则。在此基础上,已成功地研制出一种机器视觉检测系统。     

基于小波变换的红外图象多尺度边缘检测

本文讨论了小波变换及其应用于多尺度图象边缘检测的原理，对一幅红外图象给出其多尺度边缘检测的计算机仿真结果，而且与传统的边缘检测方法进行比较，从而得出基于小波变换的多尺度边缘检测是一种较好的方法     

基于小波分解红外雷场目标提取方法的研究

为提取低信噪比红外雷场图象中的目标,采取了一种基于小波分解和能量特征的目标提取方法.根据目标与环境背景在图像小波变换域能量分布特性的不同而对小波分解得到的各变换域通道能量特征值进行计算,并以此为依据提取出目标.实验结果表明,该方法对红外雷场图象有较好的处理效果.     

直接基于灰度图象的多尺度角点检测方法

在计算机视觉领域中角点特征的提取具有相当重要的地位，因为角点包含了丰富的信息。本文提出了一种新的利用微分几何和小波变换的多尺度角点检测方法，它具有以下特点：一是无须提取边缘图象，而是直接在灰度图象上提取角点。二是由于利用了小波变换技术从多个尺度上进行角点的提取，所以它既较为有效的抑制了由于噪音等原因造成的诸多错误角点位置的出现，又能得到较为精确的有用角点位置。最后通过实验证明了本算法有效性。     

反对称双正交小波应用于多尺度边缘提取的研究

本文对反对称双正交小波所具有的多尺度边缘提取能力进行了理论分析，提出了一种反对称双正交小波变换域内的多尺度边缘提取算法，并通过实验进行了验证。该结果为在基于小波变换的压缩数据域内利用边缘信息实现图像检索提供了依据。     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

基于小波变换的红外图像边缘提取研究

红外图像的边缘提取是其判读和识别的重要技术基础。红外图像背景复杂、噪声较为严重。针对这一特点，利用小波变换易于消除噪声、运算方便的特点，提出了一种基于小波变换的红外图像边缘提取算法。首先利用小波算法对红外图像进行滤噪，然后利用高斯函数作为平滑函数对图像进行水平和垂直方向的小波变换，提取红外图像边缘特征。给出了仿真实例，证明了该算法的科学性和可靠性。     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

基于小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,将小波变换看作是用小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的小波分维数.应用小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子.     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

基于多方向小波期望最大融合的图像边缘检测算法

针对传统图像边缘检测算法抗噪能力差,定位准确性不高的缺点.提出了一种基干多方向多尺腰小波变换的图像边缘检测算法.该算法利用小波变换各尺度间边缘梯度信息的关联及备方向上边缘梯度信息的互补,首先从多个方向对图像进行多尺度小波变换.然后将各个方向上小波系数根据期望最大规则进行融合,再通过最大墒阈值处理,形成图像的边缘。宾验结果表明,由于算法省去了求模值过程,使计算更加简单.同时通过多方向小波变换能尽可能地搜索各方向的图像边界,使边缘定位更加准确.     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

基于全向小波和Hausdorff距离的边缘检测

针对传统小波变换对含噪图像边缘检测的不足,结合全向小波和Hausdorff距离的知识,提出了一种改进的边缘检测算法.首先,对图像做全向小波变换,同时做改进的灰度图形态学处理;然后在一定的窗口下求处理后图像间的Hausdorff距离,并将其大小作为图像边缘检测的像素值.最后将该算法与Sobel算法、Canny算法做比较,实验结果表明该方法提取的边缘清晰度优于其他方法,且可以很好地抑制噪声.     

基于方向小波变换的边缘检测算法

提出了一种基于方向小波变换的边缘检测算法.本文详细介绍了方向小波变换的原理、基于此的图像边缘检测算法,比较了方向小波变换和传统小波变换、Canny算子在图像边缘检测的效果.实验结果表明,方向小波变换更符合图像的方向、纹理特征,因此更能反映图像的边缘信息,对传统的小波变换、Canny边缘检测算法有一定程度的改进.     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

基于区域和边缘分开编码可伸缩彩色图像编码

提出了一种基于区域和边缘分开编码的可伸缩彩色图像编码算法,该算法采用按各区域重要性程度分别进行不同精度的编码,并采用MEZW方法组织码流。算法分三步：一是将图像分割为纹理均一或表示独立意义的区域,并按重要程度分别排序;二是对各区域边缘像素进行DCT和小波变换;三是采用MEZW对小波系数进行处理并复合为输出码流。     

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。     

传输图像的子波域插值恢复算法

在丢包信道中传输子波编码图像时,存在图像重构问题.本文提出了一种新的图像恢复算法—树恢复子波域插值算法,可以用于恢复丢失的子波树系数.该算法利用二维子波变换具有的水平和垂直方向边缘检测能力,采用数学形态学膨胀运算,恢复已丢失的表示边缘信息的高频系数.为了保持图像边缘的尖锐性和方向性,本文采用了高频系数指导下的低频系数恢复技术.文章最后给出的仿真结果验证了该算法的有效性.