基于全向小波的图像边缘检测算法

 针对现有边缘检测算法难以提取图像任意方向的边缘特征,提出基于全向小波的图像边缘检测算法.首先,定义了全向小波的概念、构造其模型并推导了全向小波的最大值与梯度模值相等的关系.理论分析表明本文算法始终沿小波变换值的最大值方向提取边缘.然后,选择二维高斯函数实例化模型,以8方向和3×3变换窗为例进行算法设计.标准图像对比试验表明本文算法能提取更多方向的边缘特征、边界清晰度也比SADD算法、Canny算子分别高出约2.17%、8.66%.     

结合小波模极大值和改进Hausdorff距离的电路板红外图像配准

电路板红外图像具有背景区域灰度单调、元器件发热区域轮廓模糊、噪声高、对比度低等特点,对配准精度和稳定性有很大影响。针对这些特征,提出了结合小波模极大值和改进Hausdorff距离的红外图像配准方法。首先用小波模极大值的算法提取边缘曲线;然后对传统Hausdorff距离进行改进,边缘曲线分段,并建立匹配基本单元;其次对基本单元粗匹配,压缩搜索空间,再进行精匹配,找出最优变换。最后采用Matlab进行仿真,实现图像精确配准。对比实验结果表明:该方法明显提高了配准精度,显著改善了配准稳定性。     

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.     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

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.     

一种基于小波变换数据融合的边缘检测算法

在图像处理中,边缘检测是模式识别、图像分割及图像场景分析的基础.传统的图像边缘检测算法具有算法简单,方向适应性强的优势,然而由于图像边缘具有多样性,使得这些传统算法的优越性得不到很好的体现.结合目前先进的小波理论和传统的微分法,提出一种改进的基于双正交小波变换的多分辨率图像融合方法.该方法把用不同方法处理得到的边缘图像融合生成一幅新的边缘图像,并取适当阈值,去掉多余的信息.经过计算机仿真验证,在突出图像的边缘和局城细节信息方面,该方法具有良好的视觉效果.     

一种改进的含噪图像边缘检测算法

数字图像边缘检测是图像分割、识别等图像分析和理解领域中的重要基础。针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种基于小波变换和数学形态学改进的含噪图像边缘检测算法。该算法对含噪图像分别采取小波变换法和数学形态学法进行边缘提取,将所得图像进行小波分解,对高低频系数分别采取不同融合规则进行融合,通过逆小波变换得到融合图像。通过实验对比不同算法对含噪图像的边缘检测效果图,结果表明,该算法提取的图像边缘轮廓信息连续完整,在较大程度上能够抑制噪声,较好地保留了图像的细节信息。     

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SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分 Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分 Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

小波变换在遥感图像处理中的应用

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行降噪和边缘检测处理的方法。然后详细介绍了基于小波变换的图像降噪和图像边缘检测原理,并对具体的遥感图像进行降噪和边缘检测处理,实验结果表明小波变换降噪结果优于中值滤波和均值滤波降噪结果,基于小波变换的边缘检测可有效地检测遥感灰度图像的边缘,其边缘检测结果优于Canny算子。     

激光主动成像图像边缘检测算法研究

针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法。该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;利用类间方差最大值和梯度幅值直方图来进行高低阈值的自适应取值,使算法可根据图像自身特点选择最合适的阈值。实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像边缘,具有较强的自适应性。     

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。     

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。