一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

基于融合技术的图像边缘检测方法

提出一种融合柔性形态学方法与Sobel算子的边缘检测方法。利用全方位结构元素对图像进行重复柔性形态学处理，提高了运算速度并抑制了大量的噪声。建立相应的融合原则，对形态学运算获得的边缘和Sobel算子检测的边缘进行融合，得到清晰、连续的边缘图像。该方法对噪声具有很好的鲁棒性，处理含噪声图像能得到准确可靠的边缘检测结果。     

联合提升小波和形态学的医学图像边缘检测

医学图像现已成为临床诊断、病理分析及治疗的重要依据和手段,医学图像边缘检测的好坏,会直接影响到后续的治疗过程.分析了基于小波变换和数学形态学的边缘检测算法的不足,提出了一种联合提升小波和形态学的医学图像边缘检测算法.首先对原始图像做提升小波变换,然后采用多方位形态学算子检测边缘,最后进行提升小波反变换.实验结果表明该方法能在有效地去除噪声的同时准确地检测出肺部病灶图像的边缘,是一种有效的医学图像边缘检测方法.     

基于小波变换和数学形态学的激光成像雷达图像边缘检测

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响雷达系统的精度和性能。针对激光雷达图像的特点,提出了一种基于小波变换和数学形态学方法结合算法对激光成像雷达图像进行边缘检测。首先从小波理论出发,从小波多尺度分解入手,对图像分解的弱边缘信息适当加强,然后对加强边缘信息的的图像从灰度形态学的角度出发,对图像进行腐蚀或膨胀,进行边缘提取,而后得到其边缘。用Matlab进行仿真实验,结果表明:结合算法边缘算子对激光雷达图像检测效果优于仅用小波或仅用形态学进行边缘提取的效果;在边缘精度、强弱边缘提取和噪声抑制方面,证明所提方法是有效的。     

基于多尺度形态学的运动目标边缘检测算法研究

研究和分析了形态学梯度算子,提出了一种适合运动目标图像边缘检测的多尺度形态学梯度算子。它结合了基于灰度图像和边缘图像的二进小波检测方法的优点,减低了直接从灰度图像中提取时的算法复杂度,并且解决了普通边缘提取算法带来的诸多对噪声敏感问题。试验结果表明,该方法能够在较低噪声背景下更有效地检测运动目标图像边缘特征,提高判决准确率。     

基于小波变换的电磁线绕包图像边缘检测方法

基于机器视觉的电磁线绕包质量检测的关键技术是提取绕包图像的边缘,传统的边缘检测算子存在着定位精度不高或对噪声敏感的问题。为满足不断提高的工业要求,提出一种基于小波变换的电磁线绕包图像的边缘检测方法。首先利用小波函数求出图像的梯度模极大值,然后经过自适应阈值和非极大值抑制去除伪边缘点,归一化处理后得到电磁线绕包边缘图像。与Canny算法比较,该方法能够有效去除噪声影响且边缘提取连续准确,具有较好的适应性和鲁棒性。     

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.     

基于小波变换的陆轨两用车铁轨图像边缘检测

为了能够实时采集铁轨图像以实现陆轨两用车在站台与铁轨之间顺利切换,介绍了一种基于多尺度小波变换和自适应阈值的图像处理方法,选用二次B样条小波对图像传感器采集到的铁轨图像进行多尺度边缘检测,结合了非极大值抑制方法和自适应阈值方法提取最终边缘图像.对比几种经典的边缘检测算子,小波变换的图像边缘检测对铁轨图像的处理结果较好,实现了路轨两用电动车陆/轨转换的准确定位.     

基于 LoG 算子改进的自适应阈值小波去噪算法

图像在传输过程中会受到各种噪声干扰,为了实现消除噪声的目的,提出一种基于LoG算子改进的自适应阈值去噪算法。首先,利用LoG算子提取图像的边缘特征信息。接着,根据图像的边缘特征和非边缘特征分别求取改进的阈值函数:对于图像非边缘部分的阈值函数,在软阈值函数的基础上添加一个阈值修正系数,构建新的阈值函数;对于图像边缘部分的阈值函数,将边缘部分小波系数附近的能量和阈值相结合,构建新的阈值函数。最后利用改进的阈值函数对图像R、G、B 3个通道分别处理,保留图像所有的细节信息。实验结果表明,消噪后图像与含噪图像的PSNR值高于传统自适应算法12.09%;MAE值低于传统自适应算法22%。该算法有效保存了图像的边缘信息,综合去噪效果明显提高。     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.