基于小波包分解的边缘检测算法

边缘检测是图像处理中极其重要的一方面,文章简要介绍了传统的图像边缘提取算法,并提出了基于小波包分解的图像边缘提取方法。通过Matlab仿真实验,结果证明了基于小波包分解的边缘检测算法的优越性。     

基于多尺度的纺织印染图像分色算法研究

对基于上下文信息的多尺度纺织印染图像分色算法的效果进行研究。比较上下多尺度图像分色算法与Mean-shift分色算法的分色结果与边缘轮廓的提取效果,发现多尺度分色算法的效果比Mean-shift分色算法的效果好。实验结果显示,多尺度分色算法利用多尺度上下文模型对分色结果进行不断修正,通过人眼观察设定图案的主要色调并且通过RGB空间与HSL空间变换,计算图案区域的色度值,进行纹理噪声及边缘孤立区域的后处理。比Mean-shift分色算法计算出的主要色调更加符合原始印染图案,并且避免了纹理噪声的干扰。     

基于Gabor优化选择的彩色图像边缘检测算法

针对图像边缘检测过程中易出现图像细节信息丢失以及边缘断裂等问题,提出一种基于Gabor优化选择的图像边缘检测算法。Gabor滤波器虚部可以较好地描述像素周围的方向变化信息以及伸缩、平移、旋转不变性。利用3个尺度8个方向的Gabor虚部滤波器组提取图像边缘特征;分别计算滤波后各图像的熵值,对于同一方向、不同尺度下的滤波图像,选择熵值最大的滤波通道作为最优;根据二范数进行边缘特征融合,通过迭代式阈值分割方法获得边缘检测结果。实验结果表明,所提算法边缘定位准确且边缘细节信息丰富,边缘连续度较高。     

基于小波变换的多尺度边缘检测用于稻谷内部损伤的检测

针对稻谷在成熟、收获、分级包装、装卸运输、烘干、贮藏、加工和销售等各个环节容易产生损伤,而稻谷的损伤程度又难以精确评价的问题,开发了一套稻谷损伤检测装置,通过体式显微成像系统等获取损伤稻谷的高清晰显微图像,基于信号与噪声在不同尺度下小波系数模的变化规律,利用小波变换系数模局部极大值来提取稻谷内部损伤特征信息.结果表明:采用基于小波变换的多尺度边缘检测方法能较准确地提取稻谷内部损伤特征,并有效地降低噪声,较传统边缘检测算子有更好的效果.     

基于不同小波基函数的多层小波变换掌纹识别方法研究

利用手掌的几何轮廓对掌纹图像进行预处理,分割得到感兴趣区域(ROI).基于不同的小波基函数,对掌纹图像分别进行多层小波变换,进而提取不同小波下的能量特征.通过计算不同基函数、不同层次下小波能量特征的识别率,得出不同小波基识别能力的强弱.实验表明,与以往算法相比,本方法具有较好的识别效果.     

非线性多尺度分析与自适应图像分割

以基于小波变换的非线性多尺度分析为基础,提出了一种新型的图像特征增强算法,该方法可有效地用于图像区域分,文中以光滑尺度函数产生局域平均权值,用光滑差（ｄｉｆｆｅｒｅｎｃｅ ｏｆ ｓｍｏｏｔｈｉｎｇ）小波变换图像以提取图像的局域亮度变化,从而实现了基于尺度－空间对比度增强的自适应图像分,在实验中,以在视觉信息处理中表现出良好性能的高斯函数为尺度函数,通过对尺度－空间对比度取阈值来实现图像信息的增强,     

应用多尺度多方向模板卷积的筒子纱缺陷检测

针对筒子纱不规则的纹理基元增加缺陷检测难度的问题,提出一种基于多尺度多方向模板卷积的筒子纱表面网纱缺陷检测算法。首先通过系统采集筒子纱的顶面纹理图像;其次对原图像进行OTSU阈值处理,并采用椭圆拟合确定纹理位置,利用极坐标变换将其展开;然后利用水平方向一维高斯差分算子提取边缘,通过改变高斯核的标准差获取多个尺度的边缘图像;进而将0°~180°角度区间量化成多个方向模板与各尺度的边缘图像进行卷积,并投票记录每个像素位置在各尺度下的多方向模板卷积结果的最大值;最后,选取经验阈值对最强卷积响应进行分割得到缺陷图像。实验结果表明,该方法可有效检测筒子纱表面的网纱缺陷,识别准确率达0.96。     

基于边界跟踪测量麻纤维横截面参数的算法研究与应用

针对在同一纤维横截面图像中难以同时测量多根纤维参数的问题,提出了一种基于边界跟踪测量麻纤维横截面参数的算法。首先利用边缘提取算法提取麻纤维的边缘,通过修改边缘提取算法的敏感度阈值获取合适的边缘检测图像,然后采用边界跟踪算法对边缘检测图像中的麻纤维进行识别和标记,利用循环标记出图像中所有的麻纤维并保存边界跟踪的路径点坐标,最后利用算法测量麻纤维的周长、面积和圆度。实验结果表明:该方法能够同时测量多根麻纤维的横截面参数;根据用于测试的标准圆的数据可知,本算法测得的麻纤维的周长偏差大约为3%,面积偏差大约为4%,数据误差较小。     

一种红外图像增强算法研究

针对传统红外图像存在的一些不足,提出一种融合多尺度Retinex和小波变换的红外图像增强算法。该算法综合了小波变换多尺度、多分辨率的优点,以及多尺度Retinex红外增强的特性,利用小波变换对图像信号进行分解,对低频系数进行多尺度Retinex算法处理,而对小波分解的高频细分量进行消除噪声并改善图像细节部分,并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。通过仿真该算法可增强图像细节,优化图像整体视觉效果。     

基于图像融合的边缘提取新方法研究

提出一种基于数学形态学和Canny算子边缘提取的方法。传统的基于形态学的边缘提取方法有较好的去噪能力,其得到的信息往往不完整,不能反映图像全部的边缘信息。为了得到比较完整的图像边缘信息特征,利用数学形态学的方法和Canny算子方法先对图像分别进行边缘提取,然后将两种方法处理后的图像利用小波分解进行图像融合,实验结果表明,该方法得到的图像边界较细腻完整,且具有较好的抗噪性。     

基于小波分解和奇异值分解的织物疵点检测

探讨基于小波分解和奇异值分解的织物疵点检测效果。运用三种算法进行了织物疵点检测。采用基本奇异值分解法进行机织物疵点检测,检测结果受噪声影响较大;采用Haar小波对待测图像进行除噪,边缘检测性较弱。利用Gabor小波良好的图像边缘敏感度、方向和尺度选择性,进行图像滤波,再进行SVD分解。结果表明:Gabor小波和SVD的融合算法可以对图像多种方向多种尺度进行调节,检测效果较好。认为:Gabor小波和奇异值分解相融合算法可应用于机织物疵点检测。     

基于小波变换及投影分析的织物倾斜度检测算法

为了实现对织物倾斜度的精确检测,本文基于小波变换及投影分析提出一种有效的倾斜度检测算法。首先,待检织物图像经过一层小波分解,并提取出纬线边缘;然后利用形态学滤波方法中的腐蚀操作消除边缘噪声;最后将处理好的边缘图像在一定角度范围内以一定的步长进行旋转,并求出在每一个角度下的投影向量,通过判定函数确定织物图像的倾斜角度。实验结果证明,对于平纹图像,可获得大于95%的准确率,即使对于纹理较为复杂的花纹图像,仍能获得大于88%的准确率。可见提出算法具有较高的准确率和较好的实用性。     

基于小波与模糊相融合的苹果分级算法

为了准确获取苹果图像的边缘,实现苹果自动分级,提出一种基于小波与模糊相融合的苹果分级算法。对苹果图像进行全向小波变化,经模糊算法处理,通过自适应阈值,提取出苹果图像的边缘,再利用漫水填充算法,获取苹果图像的面积,根据苹果类圆特性,将面积转换为直径,并根据直径大小,完成苹果分级。仿真试验结果表明,该算法对3个级别苹果的分级正确率均在98%以上,说明该算法能够用于苹果的分级检测。     

基于B样条小波的零件缺陷图像边缘检测

针对零件图像直方图多峰的特点,设计了自动阈值分割与B样条小波相结合的缺陷图像边缘检测方法.采用多次迭代方法自动选取区域图像的阈值,从而将特定区域从图像中分割出来.分析小波边缘检测的原理,构造B样条小波函数,通过B样条小波模极大值实现了零件缺陷图像的边缘检测.实验结果表明,此方法优于传统的边缘检测效果.     

基于多尺度特征融合注意力机制的纸病分类方法研究

针对造纸工业中传统纸病分类算法准确率低的问题,本课题提出一种多尺度图像增强结合注意力机制的方法;采用锐化滤波器和对比度增强操作获得图像对直线信息的响应,同时利用Sobel边缘检测获取图像对边缘信息的响应,然后将这些响应分别放进卷积神经网络(CNN)中提取浅层局部信息后进行特征融合,得到全局信息,最后利用注意力机制,通过关注这些图像中最有特点的部分,进行纸病分类。实验表明,该方法优于HOG+SVM、LBP+SVM以及传统CNN等方法,在自建数据集上,分类准确率可达到96.63%;与现有基于CNN的纸病分类算法相比,所需的数据量更少,分类效果更好。     

经编贾卡织物纹理分割与轮廓提取技术

为进一步提高经编贾卡织物智能分析水平与设计技术,提出一种基于小波变换和Canny算子的贾卡织物纹理分割和轮廓提取算法.该算法首先采用具有局部定域能力和多分辨率能力的小波变换作为分析工具,将织物图像中的低频部分作递归金字塔结构分解;然后从分解后的最大尺度水平开始,逐层图像聚类,并融入下一尺度水平上的高频信息实现纹理的重构...     

提高边缘细节清晰度的图像融合改进算法

为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%～5%,可以更有效地应用于医学或多聚焦图像的融合。     

基于模极大值算法的迷彩织物图像边缘检测

边缘检测是彩色图像处理的一个重要部分。针对传统彩色图像边缘提取方法是基于RGB色度空间,存在不能体现人类视觉特征,彩色分量计算不能确切体现图像中目标物体特征的缺点,通过对HSV的观察,提出了基于HSV色度空间,应用小波分析原理对彩色迷彩图像进行边缘提取的方法。实验结果显示该方法能够准确、快速检测出图像的边缘,不仅处理简单,而且效果较好。     

一种基于小波变换与局部能量的多聚焦图像融合算法

提出了一种基于小波变换与局部能量的多聚焦图像融合算法.对不同聚焦图像进行小波变换.采用局部离散度准则对各个方向上的高频系数进行融合,采用小绝对值准则对低频系数进行融合,对融合后的小波系数进行重构,这样得到高低频比例升高的融合图像.结果表明,该方法可提取出多聚焦图像中的清晰目标,生成的融合图像效果优于用一般小波变换方法生成的图像.     

基于均值方差法的遥感图像多尺度表达算法

针对目前遥感图像的多尺度分割算法没有在同一幅图像中实现多尺度表达,文章提出了基于均值方差法的遥感图像多尺度表达的方法。首先用分水岭算法对遥感图像进行初始分割,然后用面向对象的分割方法,以均值方差作为分割质量评估参数,对遥感图像进行多尺度选择。得到多个最优尺度后,在遥感图像中进行多尺度表达,直到每个最优尺度都完成了区域选择。实验结果表明,多尺度表达结果合理,接近于人工解译结果。