小波分析在粮虫图像去噪及边缘检测中的应用

用小波分析法将二维粮虫图像分解为n层,对每个层次都选一定的阈值,对其频率系数从高到低进行阈值量化处理,根据具体需要对二维粮虫图像信号进行重构,可以实现小波分析去噪处理,然后再进行边缘检测,可以得到较清晰的粮虫特征图像.     

数学形态学方法在储粮害虫图像预处理中的应用

阐述了在粮虫图像处理过程中数学形态学图像预处理的重要性,在此基础上利用Matlab图像处理工具箱中的函数,实现了基于数学形态学的图像预处理和分析,达到了对图像去噪、平滑的目的.计算表明:将数学形态学方法应用于储粮害虫的图像预处理,不仅可以保留图像的边缘特征,视觉效果好,还可以得到较清晰的粮虫特征图像.     

图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

基于图割理论的储粮害虫图像分割

采用机器视觉对储粮进行检测是储粮害虫监测的主要方法之一。储粮害虫图像有效分割是粮虫特征提取和识别分类的基础和依据。为实现粮虫图像的有效分割,采用基于图割理论的图像分割方法。该方法采用高斯混合模型(GMM)表征颜色概率分布,在高斯混合模型参数学习估计过程中通过不断扩大背景样本点修正GMM参数,完成对能量函数的最小化,从而改善了分割效果。实验结果表明,该方法可以清晰地分割出与背景差异较小的粮虫,解决了基于直方图模型的图像分割方法无法从目标和背景相似的图像中将粮虫进行准确提取的问题。     

基于流形学习和SVM的储粮害虫声信号识别研究

声检测法能够快速检测粮虫,对提早防治储粮害虫具有十分重要的作用.研究了2种储粮害虫的4种活动声信号,利用流形学习的等距特征映射方法对声信号进行降维并提取流形特征,采用以重尾径向基为核函数的SVM训练最优分类面,对流形特征数据进行测试和识别分类.实验结果表明,等距特征映射方法能够有效提取2种储粮害虫声信号的流形特征,且SVM的分类识别效果良好.     

基于小波变换模极大值的边缘检测方法

研究了采用小波变换模极大值进行图像边缘检测方法.小波变换模极大值常用来检测信号的奇异值,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.研究通过阈值消除伪边缘并给出了确定阈值的具体方法.实验结果表明,采用图像分块方法确定阈值,并用该阈值来限定模值,可以得到更好的边缘检测效果.     

小波变换用于多分辨率的图像边缘检测

提出了一种用小波变换检测图像边缘的新方法。它基于小波变换多尺度方法分析图像局部的直方图内的信息,通过对小波变换后直方图内信号零交叉点的检测,得到一序列门限值点用于描述图像的边缘即可检测出图像边缘。选取不同的尺度可得到不同分辨率的图像边缘。文中介绍了小波变换用于图像边缘检测和基本原理,给出了小波变换的快速算法和实际检测结果。     

一种小波域内图像的文本信息提取算法

研究了基于小波变换的图像文本信息提取模型,提出了一种在小波域内提取图像文本信息的算法,该算法首先对图像进行二维小波变换,设置滑动窗扫描高频子带,计算滑动窗内图像的小波纹理特征,采用k-均值聚类算法提取文本区域,再对原图像进行边缘检测,根据文本区域的相关特征精确地定位文本区域,最后将文字与背景分离.从实验结果可以看出该算法能够较准确地从背景图像中提取出不同语种、字体、大小的文本信息.     

综合Canny法与小波变换的边缘检测方法

提出一种Canny法与小波变换相结合的边缘检测方法.首先,对源图像进行小波分解,在不同分解层上对高频子图像用小波模极大法进行边缘检测,对低频子图像用Canny法进行边缘检测,然后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像.这种边缘检测方法结合了小波变换法和Canny法的优点,对用不同方法得到的两种边缘信息进行融合,从而有效地抑制了噪声,保留了连续、清晰的边缘.实验结果表明,这种结合方法要优于单独使用Canny法或小波变换法.     

基于小波变换的多尺度图象边缘检测

边沿作为图像视觉的最主要特征 ,成为图像信息获取的重要内容 .而小波变换具有检测局域突变的能力 ,而且可以结合多尺度信息进行检测 ,因此成为图像信息边缘检测的优良工具 .基于信号与噪声在不同尺度下小波系数模的变化特征 ,利用小波变换系数模局部极大值来提取图像的边缘特征 .实验结果说明这种特征提取方法不仅有效地降低了噪声 ,而且也能较准确地提取图像的边缘及降低计算量 .     

基于融合技术的小波变换和形态学边缘检测算法

提出了一种图像边缘检测的方法.本算法将小波变换和数学形态学相结合,并采用简单的融合策略,确定图像边缘位置.在小波域中,对高频子图像用小波模极大法进行边缘检测,对低频子图像用数学形态学法进行边缘检测,然后采用一定的融合规则分别对高、低频边缘子图像进行融合,最后进行小波逆变换重构融合图像.实验结果表明,该算法融合规则简单,泛化能力强,能有效地抑制噪声,较好地再现图像的边缘信息,是一种有效的图像边缘检测算法.     

基于DT-CWT的像素级多分辨分析图像融合算法研究

提出基于对偶树复小波变换的像素级多分辨分析图像融合算法．对多聚焦图像和遥感影像的实验结果表明,本方法较基于离散小波变换和传统IHS变换的融合方法,保留了更多的光谱信息,而且提高了融合图像的空间细节信息．     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

非线性小波变换及其在图像压缩上的应用

提出了一种基于非线性小波变换的图像压缩方法。使用非线性小波变换可以更高效地表示图像的边缘信息,并更能把图像的能量变换到低频子带上。仿真结果也表明,提出的方法在较高压缩比时比JPEG2000效果要好。     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.