改进的基于小波变换的图像边缘检测方法的研究

本文介绍一种基于小波变换模极大值进行图像边缘检测的方法。对图像进行二维小波变换,其梯度模值反映了图像的边缘,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点。本文采用图像分块方法确定阈值,并用该阈值来限定模值,与传统边缘检测方法相比,可以得到更好的边缘检测效果。     

一种非线性小波变换在图像压缩中的应用

针对小波变换进行图像压缩过程中重建图像易引起边缘振荡的问题,提出了一种非延拓消除边缘振荡的方法.它通过提升算法与传统的非线性ENO-小波变换结合,把高频分量边缘的能量集中到低频分量上,用小波分量模的极大值对跃变点进行奇异性检测,有效地消除了重建图像引起的边缘振荡.仿真实验表明该方法简单有效.     

基于非线性小波变换的图像边缘分解方法

图像边缘分解重建过程中,为解决重建后的边缘振荡问题,提出无需对小波变换跃变点两侧延拓,采用非线性变换把能量集中到低频分量上,用精细尺度上小波变换模极大值对跃变点进行奇异性检测,用较少存储空间和计算量即可有效克服重建图像边缘振荡问题。     

红外小目标小波多尺度相关检测方法

提出一种基于小波多尺度相关的目标检测方法.该方法通过二进小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换尺度相关性计算相邻大尺度模相关量用来增强信号,抑制噪声,提取粗略边缘图;并结合小尺度检测,具有定位精确的特点,将粗略边缘图与小尺度模图相与,寻找模极大值点,得到最终的检测结果.实验结果表明,该方法较传统的小波多尺度边缘检测方法能更加有效地进行红外小目标检测.     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于不可分加性小波与形态学梯度的图像边缘提取方法

针对传统的图像边缘提取方法只强调图像中的水平和垂直边缘的不足,提出了一种基于不可分加性小波和形态学梯度相结合的图像边缘提取方法。根据二维不可分小波理论构造了低通滤波器,利用它对原图像进行加性小波多尺度分解;对低频子图像求形态学梯度,对增强后的高频子图像取模极大值;将所得梯度图与边缘图作加性小波逆变换,得重构后的边缘梯度图;并利用二值形态学方法对其进行处理,得最终结果边缘图。实验结果表明,本文算法可获得较好的边缘图像,与经典的边缘提取方法相比,该方法具有完整性、多方向性、平移不变性和快速性的特点。     

基于反对称双正交小波分解系数的模极大值的信号快速重构

因为反对称双正交小波具有近似微分算子性质,该文用它对信号作无下采样(Un-decimated)的小波变换,以此获得信号在各尺度下与信号的边缘点相对应的局部模极大值。在只保留这些局部模极大值(即边缘)点信息的条件下,利用高斯函数直接拟合各级小波系数,然后再作小波逆变换就可恢复原信号。实验表明,与现有的采用二进小波变换的方法比较,该方法更加简便快捷。     

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,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;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

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.     

小波变换和粗糙集的图像增强方法

提出一种基于小波变换和粗糙集的图像增强方法,其思想是先把待处理图像采用小波分解成4个子图像,然后再对分解后的小波系数利用粗糙集进行处理,以改善图像的视觉效果,最后采用小波逆变换得到增强图像.该方法很好地区分了图像低频分量和高频分量对图像增强的不同影响.实验结果表明,该方法图像增强效果好,去噪能力强,能较好地保持图像的边缘细节信息.     

基于Contourlet变换和Susan算子的边缘检测方法

现存的基于空间域的图像边缘检测算法只能有效检测出图像有限方向的边缘。针对这一问题,根据Contourlet变换子带的各方向子带代表的方向信息及其梯度方向,提出了一种基于Contourlet变换和Susan算子的边缘检测算法。边缘检测算法首先对源图像进行Contourlet变换,然后分别对高、低频子图像进行边缘提取,最后通过一定的融合规则进行融合,得到边缘图。实验结果表明,这种边缘检测方法具有有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘提取算法。     

基于二进小波直方图的纹理图像检索

为了进一步提高小波直方图的检索性能，提出了一种二进小波直方图算法。该算法根据二进小波的特点，从能量角度出发．通过子带组合，0／1量化等运算生成二进小波直方图。与单小波直方图相比，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时移不变的特性。因此二进小波直方图具有特征提取快和检索精度高等特点．纹理图像检索的对比实验结果表明二进小波直方图的检索精度比单小波直方图提高了12％。     

基于图像置乱和ICA-DWT的数字图像水印算法

提出了一种基于图像置乱和ICA-DWT的数字图像水印算法。该算法首先对原始图像进行三级离散小波变换(DWT),把分解所得到的低频子图进行奇异值分解(SVD),然后用独立分量分析(ICA)方法嵌入经过Arnold置乱的水印。实验结果表明,该算法对经处理、压缩和一些几何变换后的图像有较好的稳健性,同时还可以达到水印的不可见性。     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

基于形态小波变换的低对比度图像增强算法

针对传统的图像对比度增强方法所存在的一些问题,提出了一种基于形态小波变换的图像增强算法.首先,将低对比度图像采用基于提升格式的形态Haar小波进行小波变换,得到小波系数,该小波变换实现结构简单,计算量低,并且有利于图像重要的几何信息在低分辨率空间中的保留.然后,对低频子带小波系数,采用直方图双向均衡方法进行调整,对高频子带小波系数进行基于软阈值滤波的细节系数增强,将调整后的小波系数反变换到空域上,得到增强后的结果.最后,给出几种增强算法实验结果的比较和分析,表明该算法对低对比度图片的增强是非常有效的,可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果.     

基于多尺度小波变换的图像对比增强方法

首先应用多尺度小波变换对图像进行小波塔式分解,并根据各子图像的特性,在去噪和不损失边界信息的情况下,采用非线性增强函数对各子图像进行对比度增强,然后再进行重构。最后通过视觉效果和图像的信息熵两方面将文中的方法与传统的图像增强方法进行比较,结果表明文中的方法明显优于传统的图像增强方法。