基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于小波变换的目标检测关键算法研究

图像去噪和边缘检测都是目标检测中至关重要的过程。结合半软阈值法和比例萎缩法,提出了一种改进的小波局部自适应阈值图像去噪算法,给出了一种高斯小波模极大值算法进行图像边缘检测。实验证明,去噪算法优于传统的半软阈值算法,较好地保留了图像的细节信息。边缘检测算法与经典的Canny算子相比得到了更多细节信息,使图像变的更真实。     

带边缘增强的双树复小波阈值去噪方法

针对现有的高斯噪声去除方法的边缘保持能力差、去噪图像对比度低等缺陷，提出一种带边缘增强的双树复小波阈值去噪方法。充分利用双树复小波的平移不变性和多方向选择性等优秀特性，根据高斯噪声的数学模型，由假设推导出一种自适应的双树复小波阈值去噪模型；提出一种多向梯度算子，对由阈值去噪模型得出的去噪图像进行边缘提取；最后对边缘图像与去噪图像进行线性有参叠加，得到边缘增强的去噪图像。实验结果证明，所提方法具有良好的去噪性能、边缘保持能力和快速的计算效率。     

基于改进Canny算子的垃圾图像边缘检测

为提高垃圾识别分类的准确率,文中在垃圾图像预处理过程中提出了一种基于改进Canny算子的垃圾图像边缘检测方法。该方法从传统Canny算子滤波方式、梯度方向及阈值自适应3个角度实现了垃圾图像边缘检测的优化。针对Canny算子高斯滤波仅适用于高斯噪声和边缘细节易丢失的问题,采用改进的梯度倒数加权法进行滤波。针对Canny算子易检测出伪边缘的问题,通过在计算图像梯度方向的过程中增加方向梯度模板实现了边缘的精确化。同时采用最小误差法解决人工设定阈值的局限性,实现阈值自适应。实验结果表明,该方法在去噪性能和边缘细节两方面得到了改进,获得了更好的边缘检测效果,为后续垃圾图像的识别分类提供了技术保障。     

基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

基于小波和灰度形态学的红外图像增强方法

针对红外图像对比度差、信噪比低的特点,提出了一种基于小波变换和灰度形态学的红外图像对比度增强的算法,对红外图像进行小波分解后,利用灰度形态学对低频系数进行对比度增强,同时计算局部阈值,并利用确定的阈值对小波系数进行去噪处理,最后重构得到去噪后的增强图像。实验结果表明,本文算法有效的提高了目标的对比度,同时突出了目标的细节信息,算法在性能优于传统的中值滤波与直方图均衡法相结合、维纳滤波与灰度变换法相结合的对比度增强算法。     

基于纹理抑制的磁环表面缺陷检测方法研究

针对磁环表面缺陷图像具有对比度低、纹理背景复 杂、缺陷种类多和亮度不均匀等问题,提出了一种基于改进自适应Canny算法和掩模技术的 磁环表面缺陷提取方法。首先,在分析磁环表面图像中不同 区域灰度特征和梯度特征的基础上,通过拟合磁环内外轮廓构造掩模图像,以便屏蔽磁环背 景区域的干扰; 然后,利用提出的基于8邻域各向异性滤波的改进自适应Canny边缘检测算法,抑制磁环表面 纹理的干扰;最后, 利用图像数字形态学增强边缘连通域,并利用构造的掩模图像提取磁环表面缺陷。利用开发 的样机 进行了大量的在线实验。实验结果表明,本文缺陷提取算法稳定性好,鲁棒性强,能够准确 、快速地提取 出磁环表面图像各区域的缺陷,表面缺陷检测的准确率为97.3%。     

基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

基于改进Canny算子的CT图像边缘检测

结合CT图像的特点,在传统Canny算法的基础上提出了改进的Canny算法。该算法先用基于GCV准则的阈值函数平滑去噪,在得到非极大值抑制图像后用Otsu法自适应设定高低阈值,并用形态学结构元素细化边缘。实验证明,该方法能有效解决常见边缘检测算法对去除噪声和获取精细边缘之间的矛盾,使伪边缘现象大为减少,从而获得了比较理想的边缘检测效果,为提高医生诊断病情的准确率打下了良好的基础。     

小波阈值去噪法的深入研究

针对以往小波阈值图像去噪法在去除图像噪声的过程中会出现的去噪不彻底、噪声残留、和噪声误判的问题,对小波阈值去噪方法中两个重要因素阈值选取方式和阈值函数进行改进,以达到更好去除噪声的目的。在以往的统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,减少小波系数和原系数之间的偏差;对传统的软阈值和硬阈值的优点予以保留,改进它们各自的缺点,产生一种新的阈值函数,使它在处理小波系数时更加灵活。通过Matlab的仿真实验和对算法的精度分析表明,用改进后的小波阈值去噪法处理加高斯噪声的lean图像可以很好的去除图像噪声,使图像的信息熵,对比度和信噪比均得到很大的提高,图像质量和视觉效果也得到提升。     

一种改进的基于Otsu算法的Canny红外边缘检测方法

在红外图像的分割处理中,阈值的选取一直是研究的热点.针对传统Canny边缘检测算法需要人为设定阈值的情况,从图像灰度的相似性和不连续性原理出发,提出了一种自适应图像边缘检测方法.该方法首先用中值滤噪代替Canny算法中的高斯滤噪,以去除图像中的背景噪声.在此基础上,采用改进的最大类间方差法来优化Canny算法双阈值中高阈值的设定原则,以保证双阈值的自适应性,再利用Canny多尺度空间边缘检测技术完成图像的分割处理.实验表明,与传统的单一算法相比,该算法提高了信噪比,简化了运算过程,可达到比较理想的边缘检测和分割效果.     

激光主动成像图像边缘检测

针对激光主动成像图像的特点,分析了Canny边缘检测算子存在的不足。应用小波多尺度分解算法对激光主动成像强度图像进行小波变换,应用Bayes Shrink自适应阈值法对小波系数进行滤波,把滤波后的图像按照Canny三条检测标准进行边缘检测,并给出衡量图像边缘检测效果的指标。通过比对各种实际激光主动图像的边缘检测算法的结果可以看出本文的算法达到了很好的效果。     

一种改进的基于小波变换的图像边缘提取方法

基于现有的小波去噪方法和边缘提取方法,提出了一种通过自适应阈值设定的小波边缘提取算法,从而改进了传统方法中通过固定阈值进行小波边缘检测中存在的问题,通过对相关图像的分析结果可以看出,该方法能够较好地对图像边缘进行自适应检测,达到了较好的效果.     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

基于Hessian矩阵的边缘检测方法

边缘是一幅图像最基本也最重要的特征,边缘检测是机器视觉和图像处理的关键环节和经典课题。本文结合人眼的视觉特性,利用彩色图像自身梯度方向信息,对彩色图像进行多通道边缘检测,得到图像的伪色彩边缘图。对边缘信息增强和去相关后提取亮度分量,用OTSU法二值化,最后利用Hessian矩阵提取边缘图像的中心路径,去除边缘毛糙和冗余的背景纹理,使图像边缘光滑连续。通过实验验证了本文算法的有效性,实验通过与两种经典算子Canny和Sobel以及基于小波的边缘检测方法做比较,结果表明,本文算法能够提高边缘检测的有效性和清晰度。     

改进小波阈值去噪在PCB图像检测中的应用研究

应用自动光学检测仪检测印刷电路板图像的过程中,图像去噪是至关重要的一个步骤,针对PCB板图像对比度差、动态范围小、图像模糊等问题,提出了一种改进的小波阈值去噪算法。该算法对含噪声的PCB图像进行小波分解,在对分解后不同尺度下的小波系数按照改进的阈值方法进行处理的基础上,进行PCB图像重构。实验结果表明,该方法的均方根误差以及峰值信噪比值均优于传统的软硬阈值去噪方法,是一种有效的图像滤波算法。     

基于改进Canny算子的铁轨边缘检测方法

边缘检测是铁轨异物入侵检测的关键技术,针对铁轨图像边缘检测效果不佳的问题,设计了一种基于改进Canny算子的边缘检测算法.通过极值中值滤波平滑图像,提出加权系数梯度幅值和方向计算方法,并采用改进的迭代式阈值分割方法来确定Canny算子的最优高、低阈值,从而实现铁轨边缘的精确检测.对检测结果进行定性定量分析,结果表明,该方法提高了边缘检测定位精度,有较好的连续性、抗噪性能和清晰度.     

基于改进Canny算子的铁轨边缘检测方法*1

边缘检测是铁轨异物入侵检测的关键技术,针对铁轨图像边缘检测效果不佳的问题,设计了一种基于改进Canny算子的边缘检测算法。通过极值中值滤波平滑图像,提出加权系数梯度幅值和方向计算方法,并采用改进的迭代式阈值分割方法来确定Canny算子的最优高、低阈值,从而实现铁轨边缘的精确检测。对检测结果进行定性定量分析,结果表明,该方法提高了边缘检测定位精度,有较好的连续性、抗噪性能和清晰度。     

灰度遥感图像去云技术及其质量的分析

为了尽可能地呈现灰度遥感图像的信息,对灰图遥感图像分别用小波变换法、改进型多尺度Retinex算法、同态滤波法进行了图像增强处理,分别采用亮度、对比度、亮度与对比度乘积、图像信息熵和变换后的图像与原始图像相比较的保真度等指标对增强后的图像进行分析。结果表明,以采用多尺度Retinex算法增强后,在亮度平均值附近1倍标准差截断、拉伸后得到的图像亮度、对比度、亮度与对比度乘积最高,图像质量最好;小波变换后得到的图像对比度和信息熵最高,去云效果较好;取参量n=1的同态滤波法增强后得到的图像其保真度最高,与原图像最接近,去云效果一般;改进型多尺度Retinex算法和小波变换分别对乌云和白云去除效果最佳。     

改进的小波变换算法在图像融合中的应用

为了改善传统图像融合方法在精确制导武器系统中对目标检测模糊、识别率低与实时性差等缺陷,采用了一种将小波变换与Canny算子相结合的图像融合的新方法。该方法的具体改进在于首先对源图像在垂直和水平方向上进行了适合图像重构的3层小波分解,并依据各分解层不同频率分量的自身特性,采用独特的融合规则,即对低频分量采用加权平均融合算法,对高频分量采用Canny算子与局部区域均方差准则结合法改变图像的小波系数,最后对融合后的小波系数进行逆变换,得到重构的目标图像。结果表明,利用该方法不仅降低了融合图像的边缘模糊性,突出了目标色彩,达到良好的视觉效果,而且计算效率高、实时性好,特别有助于伪装目标的检测与识别,具有较好的应用价值。