基于小波变换的自适应梯度边缘检测算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等不足,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;然后,对小波分解后的图像低频部分用提出的8点邻域自适应梯度算法进行边缘检测,依靠边缘生长方法保证检测出的边缘的连续性,对高频部分用小波变换的局部模极大值算法检测图像的边缘;最后,将各层边缘信息按一定的融合规则融合起来得到最终的图像边缘。实验结果表明,该方法与传统的边缘检测算法相比具有定位精度高、去噪效果好等明显的优点,也能较准确地提取图像的边缘。     

基于小波变换的图像拼接算法

研究拼接图像配准问题,针对多幅相关图像进行无缝连接形成清晰图像难度大,为了提高图像拼接速度和精度,提出了一种新的小波变换的图像拼接算法,采用小波变换的多分辨率特征将原图分解为若干层,并保留其低频部分和最后一层的高频部分,高频部分对应着原图像的细节信息,含有大量角点,在高频部分由小波模极大值及Harris角点检测算子确定出初始搜素空间,在低频部分确定出初始角点,然后根据角点间的对应关系,直接在原图像上确定角点的精确位置,并采用灰度相关法作为度量函数进行匹配,再用RANSAC算法对匹配点对进行提纯,消除错误匹配对,最后计算出变换参数,对实时图进行变换,并把它们注册到同一坐标系中,完成两幅图像的拼接.实验结果表明,具有较好的实时性和拼接精度效果.