一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数摸不同的变化特征。提出了一种边缘检测方法。该方法通过对图像的小波变换域中由噪声引韦的小波变换系数摸进行处理,再利用小波变换系数模局部极大值来撮图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提娶出图像的边缘。     

利用小波变换进行水下图像边缘提取的一种方法

采用小波变换进行水下图像的边缘提取。采用一种简单的小波，利用滤波器组实现了图像的小波分解。并利用相邻尺度间小波系数的相关性和一种非线性函数进行噪声抑制，同时利用小波系数的模极大值来提取边缘点。通过真实水下图像的实验证明了利用小波系数间的相关性进行噪声抑制的可行性和利用小波在噪声抑制的同时进行边缘检测的有效性。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。     

基于小波变换多尺度的边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值提取图像的边缘特征。实验结果说明这种特征提取方法不仅有效地降低了噪声，而且也能较准确地提取图像的边缘及降低计算量。     

小波模极大值边缘检测算法研究

边缘包含图像的本质信息.通过分析具有不同特性的小波模极大值边缘检测结果,给出了小波高通滤波器序列的构成、长度以及对称性对小波细节系数在方向、强度和形状方面产牛的影响;提出了用于模极大值边缘检测的小波高通滤波器应具有单调方向性和偶对称性.对小波模极大值边缘检测算法中的阈值选择、多尺度边缘融合进行了改进,仿真测试验证了该方法的有效性.     

基于小波奇异性的滚动轴承故障检测方法研究

在滚轴故障诊断中,故障通常表现为振动信号的突变,因此检测信号奇异点意义重大。文章介绍了小波变换理论和小波变换奇异性检测原理,研究了奇异性检测方法在滚动轴承故障诊断问题中的应用。采用小波门限消噪法处理繁杂的滚轴振动信号,对消噪后的振动信号采用小波变换模极大值奇异性检测方法进行多尺度小波分析,得到故障点的位置。仿真结果表明,该方法下振动信号奇异程度以及奇异点的位置明显。     

对称小波变换用于非平稳信号检测和去噪

根据信号与噪声在小波变换下表现出截然不同的性质,提出了一种基于对称小波多层系数乘积的信号去噪算法,该算法首先对信号进行多尺度小波变换,通过相邻尺度小波系数乘积提取小波变换模极大值,归一化和去除噪声小波系数;再利用归一的模极大值与相邻低层小波系数再次相乘作为对应层次的小波系数,逆变换得到去噪后的信号。实验仿真表明:该算法在有效去除噪声的同时,还能突出信号中的突变点。     

二阶B样条小波在车牌定位中的应用

构造出具有最小支集特性的二阶B样条小波来检测汽车图像边缘 ,边缘图像是由小波变换后的模局部极大值构成 ,这样得到的边缘图像不但含有边缘的模值信息 ,还可以求得相应的相角信息 .该算法根据实际情况 ,通过调整多分辨率分析尺度的大小来获得相对清晰的边缘图像 ,同时又很好地抑制了噪声 .通过对试验结果的分析可以得出 :根据此算法得到的边缘图像来定位车牌比用传统的Sobel算法更准确、更精确     

基于小波模极大值的火灾图像边缘检测方法

目的 提出一种基于小波模极大值和自适应阈值的火灾图像边缘检测方法 .方法 计算火灾图像小波变换后的梯度模极大值,采用自适应阈值法去除伪边缘,从而实现火灾图像的边缘检测.结果 实验结果 表明,笔者算法可以从带有噪声的火灾图像中有效地进行边缘检测,并且算法计算量小,具有良好的鲁棒性与实时性.结论 能够提高边缘检测的准确性,并且能够满足火灾图像边缘检测的实时性要求.     

激光光幕破片测速信号的特征点检测方法

激光光幕破片测速系统中,破片过靶信号穿过激光光幕时特征点时刻检测的准确度影响测速的准确度与精度.针对传统的特征点检测方法中对信号直接进行数值微分会误检测起伏较大的噪声点、峰值检测会受噪声影响而引起信号误判的问题,提出了基于小波变换的模极大值特征点检测法.该算法利用小波模极大值和尺度、李氏指数与破片信号的奇异性之间的关系,选取合适的小波基对破片信号进行小波模极大值处理,从而实现特征点检测与去噪,可以准确识别破片,并检测到其特征点时刻.经大量测试数据处理表明,小波模极大值法检测破片识别率为96.9%,相比传统峰值检测法,提高了特征点检测的准确率.     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

三维图像测量中单像素级边缘的检测

在三维图像测量技术中，目标物体边界识别需要得到准确的单像素级的图像边缘．本文在采用小波变换进行检测图像边缘的方法上，首先根据像素邻域的灰度直方图自适应地选取小波变换的尺度，并存基于Mallat小波模极大值边缘检测方法的基础上借用双阈值操作技术的原理，对结果进一步细化，并将边缘点链接，从而最终得到单像素级的边缘图像，以满足下一步实验的要求．     

一种基于小波变换的运动估计方法

提出了一种基于运动边缘检测与连续小波变换相结合的运动目标检测与跟踪方法。通过多尺度运动目标边缘检测．提取出运动目标图像能量集中的边缘，得到抗噪性好、边缘连续清晰的运动目标。利用连续小波变换把目标边缘图像序列映射到运动状态参数空间进行分析。实验表明，该算法是对有噪、旋转和遮挡等复杂运动目标进行运动估计的有效方法。     

最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方...     

双阈值法在文字轮廓提取中的应用

在图像的边缘检测中,利用模角分离的小波变换,结合尺度独立的算法区分了阶梯型边界和跳跃型边界,从而提取了阶梯型边界．上述算法中需选择峰值阈值,将小波变换系数较小的点滤掉,但是一幅图像中边缘的奇异性并不均匀,对变换后的整幅图像取固定阈值时,那么微弱边缘将会随着因灰度不均匀、噪声等一并被滤除．针对这一问题,在上述算法中用双阈值法代替固定阈值,在文字图像轮廓提取中取得了较好的效果．     

Adaptive Dual-Threshold Edge Detection Based on Wavelet Transform

In order to solve the problems of local-maximum modulus extraction and threshold selection in the edge detection of finite-resolution digital images, a new wavelet transform based adaptive dual-threshold edge detection algorithm is proposed. The local-maximum modulus is extracted by linear interpolation in wavelet domain. With the analysis on histogram, the image is filtered with an adaptive dual-threshold method, which effectively detects the contours of small structures as well as the boundaries of large objects. A wavelet domain‘s propagation func-tion is used to further select weak edges. Experimental results have shown the self-adaptivity of the threshold to images having the same kind of histogram, and the efficiency even in noise-tampered images.     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法．首先对图像的高频子空间进行多层次小波包分解，接着求出各层同一子空间不同方向上系数的差值，然后分层对差值进行闽值化处理，最后依据每层阈值化后的系数，得到不同分辨率下图像的边缘．该算法不需预先对图像进行去噪处理，却能很好地抑制噪声．实验结果表日月，该算法既能根据需要分别求出不同尺度下图像的边缘，又能保持图像边缘的完整性和清晰性．     

基于Curvelet和Wavelet结合的SAR图像降噪方法

提出一种新型的曲波和小波的结合降噪方法,可有效降低合成孔径雷达(SAR)图像的斑点噪声,同时更好的保持图像边缘信息。采用16个方向检测模版扫描图像,根据检测规则区分边缘区域和均匀区域,同时标记图像边缘区域。分别使用改进软阈值的曲波降噪方法和小波降噪方法处理SAR图像的边缘区域和均匀区域。最后组合2种降噪结果,生成完整降噪图像。作者提出的结合方法和目前已经提出两种结合算法(联合滤波算法、自适应结合算法)相比,在灰度均值比、等效视数等指标上都有一定提升。实验结果表明,新方法既能更有效去除SAR图像斑点噪声,又能更好地保持图像边缘信息。     

图像边缘检测的小波包分解算法

提出用于图像边缘检测的小波包分解算法.首先对图像的高频子空间进行多层次小波包分解,接着求出各层同一子空间不同方向上系数的差值,然后分层对差值进行阈值化处理,最后依据每层阈值化后的系数,得到不同分辨率下图像的边缘.该算法不需预先对图像进行去噪处理,却能很好地抑制噪声.实验结果表明,该算法既能根据需要分别求出不同尺度下图像的边缘,又能保持图像边缘的完整性和清晰性.