基于多重分形分析的图像边缘检测算法

本文提出了一种基于多重分形分析的边缘检测算法。该算法通过定义在图像灰度级上的测度,计算图像中每一个象素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息。经试验表明,该算法具有良好的边缘检测效果,并能突出主要的图像边缘细节信息。     

基于局部模糊分形维度的图像边缘检测算法

介绍了一种局部模糊分形维度,并将该技术应用到图像边缘检测中.将像素覆盖方法推广到N维模糊离散集分形维度的计算就得到了局部模糊分形维度.给出了局部图像的LFFD计算流程和基于LFFD的图像边缘检测方法.采用实例验证了本文的算法,实例结果显示,本文的算法是正确的、可行的和有效的.     

分形方法用于有噪图像边缘检测的研究

本文研究了加性高斯白噪声对于基于离散分数布朗随机场模型图像分形维数估计的影响，并将分形方法用于图像边缘检测，指出在加性高斯白噪声的情况下，分形方法用于图像边缘检测较之经典的基于梯度运算的边缘检测方法有好的抗噪性能，同时又能检测比较丰富的图像边缘细节。     

基于分形理论的图像边缘提取方法

提出了一种基于分形理论的图像边缘提取的方法。简述了分形理论的图像处理的应用原理,讨论了分形编码的特点,采用分形理论的方法,进行图像边缘的检测。实验表明：此方法对图像的提取的应用,不仅速度快,效果好,而且抗干扰性强。     

基于分形理论的红外图像边缘检测

提出了利用分形理论进行红外图像边缘检测的方法,比较了根据单一分形维数和根据多尺度分形维数两种方法的边缘检测结果,从而得出：分表理论可以用于红外图像的边缘检测,并且根据多尺度维数的方法能获得较好的边缘检测结果。     

基于小波变换法的分形维数估计在有噪图像边缘检测中的应用

文中研究了在加性高斯白噪声情况下如何用分形方法检测图像边缘，由于自然场景除边缘外外满足离散分数布朗随机场模型，因此可作为检测的标准。分形维数的时域估计法易受噪声影响，采用小波变换法计算分形维数，既简单易实现，又有较强噪声抑制能力，本方法相对经典的图象边缘检测方法不仅有更好的抗干扰性能，而且检测的图像边缘细节丰富。     

基于分形理论的边缘检测算法

图像边缘检测在图像分析以及图像理解中是十分关键性的一项技能,采取多种分形方式来提取图像边缘,并对几种分形方式进行对比。得出依赖于分形编码的边缘检测算法复杂且检测时间过长,而利用图像的分形特征以及统计特征来进行测度,并选择多种测度方式,可提高图像边缘区域的精细程度,得到更多的图像信息资源。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于方向性小波子树分形图像编码的改进算法

本文在分析混合分形零树小波图像编码算法(FZW)优缺点的基础上，提出一种新的基于方向性小波子树的分形图像编码算法。该算法结合零树小波编码和分形编码，通过在匹配搜索过程中使用方向性range和domain子树，提高匹配精度，改善了传统分形小波图像压缩中的方块效应，更大限度的保留了图像的边缘信息。实验结果表明，该算法在提高压缩比和去除图像的方块效应方面，均取得了良好的效果。     

基于分数阶微分的图像边缘细节检测与提取

图像边缘细节包含重要的视觉感知信息,是进一步进行图像理解与场景感知的基础.针对常用的边缘梯度检测方法难以有效提取类似于分形纹理结构的复杂图像边缘问题,提出一种基于分数阶微分的图像边缘检测方法.该方法首先基于分数阶微分的性质进行图像拐点检测,并进一步结合拉格朗日多项式插值和Grumwald-Letnikov(G-L)分数阶微分的定义,推导出具有非整数步长像素信息的图像边缘检测算子.实验表明,该方法能有效提取图像中的边缘细节(拐点)特征.对被噪声严重污染的具有复杂边缘细节的图像,该算子同样具有较好的边缘细节检测能力,获得更好的视觉效果.     

边缘检测器性能的客观定量评价

本文提出了一种新的边缘检测器的客观评价方法，该方法既能反映边缘检测对图像轮廓的检测性能，又能对图像细节处的边缘检测能力进行正确的评价。由于该方法将整个测试图区分成三个不同性质的区域，不同的区域用不同的为反映边缘检测器的不同性能。因此，能准确反映噪声对边缘检测器，以适应不同应用场合的需要。     

基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

基于分形模型的人造目标检测技术

介绍一种在红外和可见光图像中，自动检测自然背景中人造目标的方法．该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形模型上的固有差异检测人造目标．本文还介绍了自适应分形特征的增强及图像检测方法；并以实际图像的处理结果，说明人造目标检测方法的效果．     

一种基于IFS的图像边缘检测方法

首次提出了一种基于IFS的图像边缘检测方法，该方法以IFS理论为基础、以MSE为失真测度，对图像进行边缘检测，改进的局部快速算法可以有效减少检测搜索时间。实验结果表明，本文所采用的边缘检测方法是一种有效的图像边缘检测方法。     

自然背景中人造目标的自适应检测

本文介绍了一种在可见光和红外图像中，自动检测自然背景中人造目标的方法。该方法以分形结构做为自然背景的数学模型，利用自然背景和人造目标在分形特征上的固有相对差异检测人造目标，本文还介绍了自适应分形特征增强和组合图像检测方法，并以对实际图像的处理的结果，说明本文介绍的人造目标检测方法的效果。     

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

复杂背景下扩展目标的分割算法研究

综合利用目标边缘、区域和纹理等多种特征，提出一种新的复杂背景下扩展目标的分割算法。在基于知识的串行边界初分割基础上，运用一种 新的分形分割方法抑制初分割图像中的自然背景团块，最后利用数学形态运算消除背景粘连。实验结果表明该方法能够有效的分割复杂背景下的扩展目标，并能较好地保留目标的形状特征。     

基于神经网络的分形图像编码边缘信息提取

利用并行神经网络实现分形图像编码时,提出一种限定父块选取的编码方法。该方法保留了结构简单、计算量小等特点,获得的分形码流不仅可从任意图像开始,通过多次迭代重建图像,而且还可以从均匀灰阶图像（全黑图像除外）出发,迭代一次获得精确的图像边缘。模拟结果表明该方法是有效的。     

数据融合技术在图像边缘检测中的应用

提出了一种基于数据融合的图像边缘检测算法。此种方法对初始图像分别采用“Rob-erts”算子和“sobel”算子及小波变换三种方法进行边缘提取,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。实验结果表明,该方案所得到的边缘图像的效果优于单独采用“Sobel”或“Roberts”算子所获得的边缘图像,是一种行之有效的图像边缘提取算法。