共查询到20条相似文献,搜索用时 875 毫秒
1.
2.
3.
王长元 《火炮发射与控制学报》2003,(4):45-49
介绍了视频跟踪中图像边缘检测的基于Beta样条函数的边缘检测算子,该算法是利用Beta样条函数对原始图像进行拟合,然后求拟合曲面的二阶导数零交叉点来检测图像的边缘,根据Beta样条函数的局部性质得到具体卷积模板,由于它具有两个自由参数,使它比B样条边缘检测算子具有更大的灵活性。 相似文献
4.
5.
6.
在传统的小波多尺度边缘检测的基础上,利用相邻尺度上小波系数相乘的性质,提出一种噪声目标的边缘检测算法,同时对一般的小波阚值方法加以改进,得到一种自适应阈值方法,从而达到增强边缘.抑制噪声的效果,并相应提高了边缘检测的精度。对实际拍摄的含噪军事目标进行仿真试验的结果表明,该算法检测出的图像边缘轮廓清晰,细节突出,去噪效果好,因而在军事上具有一定的实用性。 相似文献
7.
8.
针对传统的小波和偏微分方程(PDE)算法无法准确估计图像的平坦区域和边缘区域而出现虚假边缘,以及小波低频估计不准确导致的图像模糊,提出一种小波与改进的PDE插值结合的图像超分辨率重构算法。该算法首先对传统的PDE算法进行改进,提出一种加权拟合的PDE插值法对图像边缘实现较好的定位;然后利用小波提取高频成分并调整其系数,并将增强幅度后的原始图像作为低频部分,进行小波逆变换获得高质量的重建图像。实验结果表明:这种方法可以充分发挥两种算法的优点,不仅在提高图像分辨率的同时较好地保留了原始图像的细节信息,还提高了放大后图像的亮度和清晰度。 相似文献
9.
10.
11.
基于图像平稳小波非线性增强的边缘检测方法 总被引:1,自引:0,他引:1
分析了基于平稳小波变换的图像对比度非线性增强算法和传统的Canny边缘检测算法,将两者相结合,提出了一种适用于低对比度图像的边缘检测方法,首先用平稳小波变换对图像进行非线性增强处理,提高它的对比度,然后利用Canny算子进行边缘提取。实验结果表明,该方法能准确地检测出图像的边缘,而且边缘清晰,连通性较好。 相似文献
12.
SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点,但仍有不足之处.提出了一种自适应选取阈值的方法,并对SUSAN边缘检测算法进行了改进.在此基础上,提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果. 相似文献
13.
提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。 相似文献
14.
针对Mallat小波变换在算法原理上不具备数据流动性,无法满足连续采样信号实时消噪处理要求的问题,介绍了一种基于Mallat算法改进的垒墙式小波变换算法,分析了该算法所具有的数据流动性,推导了数据流动性与小波分解层数的关系,并将该算法运用到被加性高斯白噪声污染的鱼雷电磁引信目标信号的实时消噪处理中,选取双正交样条小波作为小波元,并对目标信号做两层小波分解与重构。通过MATLAB环境下的仿真试验,验证了采用该算法实现连续采样信号实时消噪的可行性。消噪后的目标信号具有失真度较小,波形平滑的特点。 相似文献
15.
16.
17.
在对火炮身管缺陷进行漏磁检测时,由于内表面膛线的存在,漏磁信号中除缺陷信号外,还有系统噪声和膛线干扰信号。说明了自适应滤波方法和小波变换分别去除膛线干扰信号和系统噪声的原理。在仿真试验中,自适应滤波的权值学习算法采用最小均方算法,自适应滤波的原始输入和参考输入信号来自于不同的两个传感器;选取二阶样条小波为小波函数,选用硬阈值函数和固定阈值的方法处理小波系数。结果表明,自适应滤波方法和小波变换很好地去除了膛线干扰信号和系统噪声,提取出了缺陷信号。 相似文献
18.
19.
《探测与控制学报》2016,(2)
针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。 相似文献
20.
尺度独立MAS小波算法检测目标图像边缘 总被引:1,自引:0,他引:1
通过分析图像中不同类型的奇异点,进而区分目标图像的不同类型边缘,由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号(噪声)良好的处理效果,在图像处理的研究中大大优于传统的Fourier变换,并广泛应用于图像去噪和边缘提取方面。在小波理论中,Lipschitz指数可以刻画不同的奇异点,从而区分出图像的边缘和背景噪声。在此基础上,提出了一种独立于尺度的有效算法,并应用于模角分离(modular—angle—separated,MAS)的小波函数。用该算法处理二维图像的边缘,效果优于同类方法,且特别适用于有噪声背景的图像边缘提取。 相似文献