一种基于小波的SAR图象边缘检测方法

边缘检测是遥感图象处理中很重要的一步。因ＳＡＰ图象通常带有较强的噪声,用传统的边缘检测方法效果不理想。本文采用小波方向检测技术并结合顺序统计滤波的方法,设计了一级方向可调滤波器,根据方向滤波和信息,对ＳＡＲ进行边缘检测。实验证明本算法计算有效,边缘定位准确,并对噪声有抑制作用,从而取得了良好的检测效果。     

一种基于小波变换的SAR图像多尺度边缘检测融合算法

SAR图像中的噪声是乘性的斑点噪声,对光学图像有效的检测算子并不适用于SAR图像的边缘提取。由于小波变换具有良好的时频局域化特性及多尺度分析能力,因此根据多尺度分析来构造多尺度边缘检测算子,通过改变高斯函数的标准差σ,就可以选择边缘检测的细节程度;最后,将各尺度检测结果进行融合来提高检测效果。实验结果表明,该方法取得了较好的检测效果。     

基于小波变换的图像边缘检测

边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。需要指出的是,检测出的边缘并不等同于实际目标的真实边缘。边缘是边界检测的重要基础,也是外形检测的基础。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小渡分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出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,优于其他已有的边缘检测方法。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出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,优于其他已有的边缘检测方法。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

一种基于近似有限Rodgelet变换的SAR图像分割方法

由Donoho等提出的有限正交Ridgelet变换成功应用于高噪声图像的边缘检测和分割，但由于有限Radon的“缠绕”现象使得在该方法图像的重构时产生边缘的“混叠”和“洞”，影响了边缘检测和图像分割的质量。论文结合Wedgelet变换提出了基于“自然直线”的近似有限Ridgelet变换从根本上克服了这些缺陷和解决了离散Radon变换的图像重构问题。最后将这一方法用于SAR图像分割，并取得了满意的结果。     

变换域SAR图像边缘检测

针对合成孔径雷达(SAR)图像含有大量相干斑噪声,采用变换域中多尺度乘积进行边缘提取.该方法利用信噪比最大自动选取阈值,在非下采样Contourlet变换(NSCT)域中,进行不同方向高频系数多尺度乘积以达到SAR图像检测边缘.实验结果显示,与传统的边缘检测方法相比,在非下采样Contourlet变换域中多尺度积的信噪比最大的边缘检测方法得到更好的结果.     

基于小波纹理信息的星载SAR图像分类研究

论述利用小波变换提取合成孔径雷达（ＳＡＲ）图像的纹理信息,借助Ｄａｕｂｅｃｈｉｅｓ３正交小波,对图像进行小波分解,将小波变换各个频带输出的Ｌ１范数作为纹理分类的物征,并采用神经网络分类。选取徐州市卧牛山矿开采沉陷区的Ｒａｄａｒｓａｔ卫星ＳＡＲ图像进行分类研究表明,该方法能有效地对ＳＡＲ图像进行分类。     

基于小波变换的多尺度SAR图像比对

提出一种基于小波变换在多尺度条件下用特征匹配进行SAR图像比对的方法，针对不同时间所采集的同一区域的SAR图像，自动快速地确定感兴趣的区域（ROI）并作出标识。实验结果表明，该方法能准确地进行SAR图像比对和ROI标识，具有实际应用价值。     

基于二进小波变换的图像边缘检测

提出一种基于二进小波变换的图像边缘检测算法.二进小波利用模局部极大值来提取图像的多尺度边缘信息并具有平移不变性,因此二进小波图像边缘检测具有特征提取快和边缘检测精确等特点.图像边缘检测的对比实验结果表明,二进小波的边缘检测比文献[4]中的实验效果好,细胞边界明显,图像边缘更为清晰.     

基于小波变换的含噪图像边缘检测算法

针对含噪图像边缘检测时出现的噪声去除不完全和边缘定位不精确的问题,本文提出一种改进的图像边缘检测算法,该算法首先根据范数性质改进对图像进行小波变换求模极大值边缘检测时的梯度模算法,然后对得到的边缘图像利用本文所提出的阈值算法处理,最后连接图像,得到最终的图像边缘。计算机仿真结果表明,对于含噪图像,改进的算法能得到较为理想的图像边缘信息,实现了去噪和目标边缘精确定位的双向平衡,与传统的检测算法相比,检测效果有一定的提高。     

基于样条小波变换局部的医学图像边缘提取

医学图像在现代医疗诊断中起着不可低估的重要诊断作用。本文根据甲襞微循环图像的特点,采用三次B样条小波对甲襞显微图像进行小波变换,利用模局部极大值方法较好地检测出图像的边缘,定位精度较高。克服了传统的梯度法、灰度法和改进型自适应阈值模板相关匹配算法的不足。     

基于样条小波变换局部的医学图像边缘提取

医学图像在现代医疗诊断中起着不可低估的重要诊断作用。本文根据甲襞微循环图像的特点．采用三次B样条小波对甲襞显微图像进行小波变换，利用模局部极大值方法较好地检测出图像的边缘，定位精度较高。克服了传统的梯度法、灰度法和改进型自适应阈值模板相关匹配算法的不足。     

基于样条小波变换局部的医学图像边缘提取

医学图像在现代医疗诊断中起着不可低估的重要诊断作用。本文根据甲襞微循环图像的特点,采用三次B样条小波对甲襞显微图像进行小波变换,利用模局部极大值方法较好地检测出图像的边缘,定位精度较高。克服了传统的梯度法、灰度法和改进型自适应阈值模板相关匹配算法的不足。     

基于小波多尺度分析的图像边缘检测

提出了小波多尺度分析的图像边缘检测方法,给出了该边缘检测方法的算法步骤及流程,解决了第一代多尺度边缘检测所存在的"边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择"问题.应用小波变换在不同尺度和同一尺度下呈现的规律性,对轴类零件图像进行边缘检测实验,获得了清晰且精度较高的图像边缘检测效果.     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声,传统方法不能很好地对SAR图像进行分割,该文结合SAR图像和小波变换多分辨分析的特点,提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息,然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波,最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明,该方法是一种有效的SAR图像分割方法。     

基于小波变换的图像边缘检测匹配算法

小波变换能够获取信号的时频局部化特征,可作为一种有效的图像边缘检测工具。本文提出一种基于二维小波变换的图像边缘检测方法。首先对图像分别做两方向的小波变换,进而得到二维小波变换的幅值和梯度,然后利用非极大值抑制方法检测二维小波变换的模极值点作为图像的边缘点,最后利用Hausdorff算法实现模板边缘与实时图边缘之间的匹配。仿真试验表明本文所提出算法的有效性。