基于多尺度小波纹理分析的边缘检测

本文研究了第二代小波在边缘检测中的方法。基于多尺度小波纹理分析的边缘检测,有效地弥补了传统边缘检测算法的不足,在有效地抑制噪声影响的同时,提高了其边缘定位精度,并通过实例得以证明。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小波分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

一种基于小波变换的图像边缘检测方法和实现

介绍了小波变换的基本理论以及小渡分析方法用于图像边缘检测的基本原理及利用小波变换进行边缘检测的方法。接着重点研究了基于B样条小波的多尺度边缘检测,并且利用这种方法在几个不同尺度下分别提取了图像边缘。可以看出该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,优于其他已有的边缘检测方法。     

具有边缘局部化的边缘检测小波研究

小波变换能够有效地检测出图象的边缘。为了使检测出的图象边缘局部化，本文在构造边缘检测小波的基础上，通过对小波迭代滤波且的特性分析，给出了边缘检测小波迭代滤波器组的选择原则，并通过实例进行了验证。     

图小波变换在图像分割中的应用研究

在图像处理领域中,图像分割占有举足轻重的地位。传统的基于小波变换的图像分割算法,仅在规则域内能够有效地检测出图像的边缘信息。为了在不规则域内能够有效地检测出图像的边缘信息,提出一种基于图小波变换的图像分割算法。首先,将图像转换成图,在图域进行研究;然后,利用图小波变换进行图像分割。实验结果表明,与传统边缘算法相比,该算法用于图像分割,不仅能够有效地检测出图像边缘信息,而且对噪声具有较好的鲁棒性。     

结合LOG算子和小波变换的图像边缘检测方法

针对目前常用的边缘检测方法对噪声比较敏感,测得的边缘比较粗糙等现象,在传统边缘检测方法的基础上提出了一种基于数据融合的边缘检测方法。该方法分别采用改进的LOG算子和离散小波变换对原始图像进行边缘检测,建立相应的融合原则,并将两种方法检测出来的边缘进行数据融合,得到最终的图像边缘。实验证明,该方法结合了两种检测方法的优点,有效地提高了边缘检测准确性,获得了比较理想的边缘检测效果。     

融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

基于多尺度小波变换的边缘检测

边缘是图像的基本特征之一,提出了一种多尺度的图像边缘检测方法。实验表明,该方法能够有效地对图像边缘进行检测、抑制噪音,同时具有较好的多方向性。     

抗噪的多尺度形态学边缘检测算法

为了使图像边缘检测算法的抗噪声能力更强,能检测到更加丰富的边缘信息,在多尺度形态学边缘检测算法的基础上,提出一种抗噪的多尺度形态学边缘检测算法。一方面,用小波变换法替代常用的加权平均法来融合各尺度下获取的边缘图像,对小波分解后得到的低频系数和高频系数分别采取不同的融合策略,从而有效地保留边缘的细节信息,使得融合后获得的图像清晰且细节丰富。另一方面,在用不同尺度的结构元素检测图像边缘时都采用抗噪的检测算法,因此,该算法具有较强的抗噪声能力。仿真结果表明,该算法既能有效地降低噪声对检测结果的影响,又能获得较理想的边缘图像。     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。     

小波域基于层内和层间系数约束的边缘软判决与图像去噪

在提出依概率对边缘系数软判决的基础上,运用图像小波分解后在尺度和空间方向的相关性,引入调谐函数,对边缘发生概率增加邻域约束,以进一步提高边缘发生概率的估计精度。应用于图像去噪的仿真结果表明,引入层问和层内约束后,在较好滤除噪声的同时,图像边缘也得到了明显加强。该方法也可用于边缘检测和图像分割。     

第二代小波及压缩算法在数据处理中的应用

为消除误差和随机干扰对测量数据的影响．提出利用第二代小波提升算法对原始测量数据进行去噪处理．再利用基于第二代小波原理的数据压缩算法对测量数据进行不失真压缩。两种方法结合运用．可以在保留数据特征及精度的基础上,降低数据量,提高工作的速度和质量。     

第二代小波及压缩算法在数据处理中的应用

为消除误差和随机干扰对测量数据的影响,提出利用第二代小波提升算法对原始测量数据进行去噪处理,再利用基于第二代小波原理的数据压缩算法对测量数据进行不失真压缩。两种方法结合运用,可以在保留数据特征及精度的基础上,降低数据量,提高工作的速度和质量。     

二通道线性相位Neville-Lagrange提升小波滤波器组设计

基于提升格式的第二代小波可以通过对第一代小波滤波器组采用劳伦多项式的欧几里德分解而得到,而直接设计符合提升格式的二代小波一直是需要深入研究的热点问题.文中把Neville滤波器理论和Lagrange插值理论结合起来,构造了二通道线性相位Neville-Lagrange提升小波滤波器组,并证明了其线性相位性质,讨论了其归一化方法.文中给出了二通道线性相位的Neville-Lagrange-44(简称N-L-44)提升小波滤波器组实例,并与JPEG2000的9/7小波做了图像压缩实验比较.实验结果表明:N-L-44提升小波滤波器组的图像压缩效果要明显好于9/7小波滤波器组,其在低比特率(bpp<1)时的图像压缩效果要好于9/7小波的lifting格式.而且相对于9/7小波,二通道线性相位Neville-Lagrange提升小波滤波器组还具有良好的潜在发展空间,例如其可以用来构建自适应提升小波滤波器组,可以扩展到纯二维提升小波滤波器组等等.     

融合小波变换与数学形态学的图像边缘检测

针对传统图像边缘检测方法抗噪能力不足、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值算法进行边缘检测,可以有效提取高频边缘;低频部分采用形态学多结构元算法进行边缘检测,能够检测出低频边缘;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确。     

零对称和反对称二进小波及其在边缘检测中的应用

本文从信号处理与分析的实际需要出发，对二进小波的构造问题进行了研究，成功地构造出了适合作边缘检测和描述的两类具有零对称性的二进小波：一类是以零点为对称点的对称二进小波，另一类是以零点为反对称点的反对称二进小波，这些结果丰富了二进小波的理论，并为利用二进小波进行边缘检测打下了坚实的基础，还从计算理论和算法两个方面讨论了这两类二进小波在边缘检测，分类及刻画中的应用。理论分析和实验结果都表明，基于二进小波变换的边缘检测，分类与描述算法，具有计算复杂度低，速度快，抗噪声能力强等优点。     

基于非线性小波与形态学相结合的边缘检测方法

小波分析是图像与信号处理研究领域的一个重要工具,现有的小波分析方法大多集中于对线性小波的研究。智能交通中车型识别的基础是精确获取图像中汽车边缘和汽车特性,而图像中汽车边缘特性多表现为非线性性,采用非线性方法进行研究更为适合。文章在描述了非线性小波变换框架后,提出了一种用数学形态学实现非线性小波分解的方法来获取汽车边缘信息。为了正确识别车型,再进一步用修正后的数学形态学检测算子提取汽车边缘,得到了较为清晰的连续汽车边缘,为以后车型进一步分类提供了条件。经过实验检验该方法具有一定的可行性和稳定性。     

紧支撑等偶长度双正交小波滤波器组设计

提出了一类特殊的双正交小波滤波器组,即等偶长度双正交小波滤波器组;推导其设计公式,给出详细的设计步骤,分析这类小波的特殊性质,给出了等偶Bior 5.3滤波器组的设计实例。将这一类滤波器运用到图像的边缘检测中,表现出了优异的边缘检测性能。     

Efficient Edge Detection Using Simplified Gabor Wavelets

Gabor wavelets (GWs) have been commonly used for extracting local features for various applications, such as recognition, tracking, and edge detection. However, extracting the Gabor features is computationally intensive, so the features may be impractical for real-time applications. In this paper, we propose a set of simplified version of GWs (SGWs) and an efficient algorithm for extracting the features for edge detection. Experimental results show that our SGW-based edge-detection algorithm can achieve a similar performance level to that using GWs, while the runtime required for feature extraction using SGWs is faster than that with GWs with the use of the fast Fourier transform. When compared to the Canny and other conventional edge-detection methods, our proposed method can achieve a better performance in the terms of detection accuracy and computational complexity.