基于曲率的屋脊边缘检测方法

本文提出一种新的、基于曲面曲率的屋脊边缘检测方法.通过屋脊边缘沿最大主曲率方向的最大主曲率局部极值检测屋脊边缘,同时最小主曲率的方向就是屋脊边缘的走向.理论分析和实验证明,本文方法具有更好的性质和边缘检测效果.     

基于小波域的图像增强算法

针对图像边缘增强和滤噪的矛盾,提出了符合视觉特性的基于小波域的图像增强算法.将图像的小波变换结果看成一幅图像,则在空域中的阶跃边,在小波域的高频通道中表现为屋脊边,而空域中的屋脊边,在小波域高频通道中表现为成奇对称的屋脊边缘对.在高频通道中,用高斯函数或升余弦函数拟合屋脊边,用正弦函数拟合屋脊边对.通过修改拟合函数的参数来改变其形状,从而使反变换回来的图像的边缘斜率提高,进而达到图像增强的目的.由于在对屋脊边的识别中采用了方向信息测度,使算法能很好地处理边缘增强和滤噪的矛盾.分别对测试图像和实际图像进行处理,并与传统的高通滤波方法进行了对比,实验结果表明,本文提出的方法具有更好的视觉效果.     

一种新的基于信息测度和神经网络的边缘检测方法

本文构造了不同的信息测度来定量描述阶跃边缘的三个本质特征,并给出由相应的三个分量组成的特征向量.用人工得到的样本对一BP神经网络进行训练,将训练后的神经网络直接用于图像的边缘检测.本文方法无需定阈值;在特征的选取上充分考虑了边缘和噪声的本质区别,具有优异的抗噪性能.实验证明本文方法具有令人满意的效果.     

边缘检测中B样条小波有效尺度的研究

在多尺度边缘检测方法中,滤波尺度的选取应有一个有限的范围,如何确定这个尺度范围,在以往的文献中没有进行明确的分析．文中通过对加噪图像中的边缘进行分析,确定可以检测出边缘的最小尺度,同时根据高斯白噪声在小波变换中的特点,确定了抑制噪声所需要的最大尺度,为多尺度边缘检测中定量调整滤波尺度提供了依据．文中给出了相应的实验结果．     

基于多尺度屋顶边缘检测的指纹图象分割方法

针对指纹图象的细节识别问题,提出了一种新的分割指纹图象中脊和谷的方法。该方法是上述脊和谷看成是屋顶边缘,脊和谷的两个边界看成是阶跃边缘,并利用基于B样条小波的多尺度屋顶边缘检测方法来实现脊和谷的分割;同时详细讨论了精确确定屋顶状目标所需的尺度范围,并给出了检测目标的具体方法。实验证明,该方法用于不同质量的指纹图象的检测都取得了令人满意的效果,需要指出的是,该方法也同样适用于其它类似屋顶状目标的检测。