一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数摸不同的变化特征。提出了一种边缘检测方法。该方法通过对图像的小波变换域中由噪声引韦的小波变换系数摸进行处理,再利用小波变换系数模局部极大值来撮图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提娶出图像的边缘。     

基于小波变换的机加工表面SEM图像边缘检测

图像边缘是图像的重要特征，提出了一种基于小波变换的图像多尺度边缘检测算法，并以机加工表面SEM图像为对象，利用小波系局部极大值提取其边缘，实现加工表面纹理特征提取。实验表明该算法可取得较好的效果。     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于小波变换的图像边缘检测的改进阈值设定

针对小波边缘检测阈值设定问题,提出了一种基于小波多尺度边缘检测的改进阈值设定方法,采用保护图像边缘信息的小波去噪方法来实现.实验证明,在加大阈值的情况下,此种方法仍保持了清晰的图像边缘,而且既避免了自适应阈值的操作不稳定性,又有效降低了图像的噪声.     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

一种改进的基于小波变换图像边缘检测

由于存在噪声,采用经典算子的方法,图像的边缘检测效果不好.本文首先介绍了经典的边缘检测.然后,针对上述算法的缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.鉴于此,提出改进的基于小波变换的边缘检测.通过实验结果的比较,证明了所用方法的有效性.     

基于小波变换的钢球图像边缘检测

钢球表面缺陷是衡量钢球质量的重要指标,但是由于成像中的非人为噪声的特点,使得钢球图像的边缘检测比较困难.本文利用小波多尺度分析及小波变换系数模局部极大值来检测钢球图像的边缘,取得了较好的效果,为进一步实现计算机的自动检测提供了很好的依据.     

基于小波变换的人体图像边缘检测

根据人体图像的特点 ,利用三次样条二进小波 ,采用Mallat快速算法进行小波分解 ,提取了人体图像的正面和侧面边缘 .结果显示 ,提取图像的边缘连续性较好 ,弯曲部分边缘也能准确提取 ,为人体着装图像的边缘检测提供一种新的方法     

基于小波变换的织物疵点图像特征提取

为实现织物疵点自动检测,本文应用Mallat算法对织物图像进行小波分解,并根据织物组织结构特点,对纬向子图和经向子图分别提取能量、熵、极差、方差和逆差矩5个特征值,同时以平纹坯布为实验对象,对白杠、断纬、破洞、反丝、杂纤维、掉扣、飞花、色污等多种常见疵点进行特征值提取实验,实验结果表明,织物疵点使织物图像在经纬方向产生不规则纹理,通过提取特征值可得出织物疵点图像在不同特征值曲线处均有明显变化。该研究对判定疵点的存在、分析疵点的走向与"形状"具有参考价值。     

基于X射线炮弹图像边缘检测技术的研究

在深入研究边缘检测技术和小波理论的基础上,结合X射线图像及炮弹内部弹药缺陷的特征,与传统的边缘检测算法相比较,找到了一种适用于X射线炮弹弹药图像的缺陷边缘检测方法———小波模极大值多尺度边缘检测方法.实验结果表明,该方法能够较准确地提取X射线炮弹弹药缺陷的边缘特征.     

小波变换及其在图像处理中的应用

小波变换是近几年发展起来较新的数学分支，应用十分广泛，本文介绍了小波变换的基本原理，并论述了它在图像处理中的应用。     

基于小波分析的边缘检测

中主要讲述了小波分析和边缘检测的基本理论，以及小波分析在边缘检测中的应用，力图反映出小波理论在边缘检测中的特点。     

基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

基于图像边缘检测的小波去噪算法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题，提出了一种基于图像边缘检测的小波阈值去噪新方法，即先对边缘图像和非边缘图像进行小波分解，然后分别对其进行阈值处理，最后重构得到去噪图像．实验结果表明，这种方法与传统小波变换的全局阈值去噪方法相比，在去噪的同时有效地保留了图像边缘信息，图像信噪比有明显的提高．     

基于二进小波变换的基音检测算法

为了克服目前诸多基音周期检测算法精度低、计算复杂度高、鲁棒性差的缺点,研究了一种采用二进小波变换模极大值进行基音周期检测的算法。仿真结果表明,该算法在强背景噪声下仍可以准确提取基音周期,并且具有复杂度低、分辨率高和实时性好的特点。     

基于Marr小波变换的图象边缘检测

本文从Ｍａｒｒ小波函数与高斯函数的相互关系,分析了Ｍａｒｒ小波变换对信号奇异点的响应特性,得到Ｍａｒｒ小波变换的零交叉特性是检测图象边缘点的理论依据。通过构造二维Ｍａｒｒ小波,实现图象的二进小波变换分解,分解后的零交叉位置对应着图象边缘点,同时由粗至精的多尺度检测图象边缘的方法也得到实现。     

人体图像边缘检测的算法研究

较系统全面地总结了边缘检测的方法，介绍这些方法的优缺点和适用范围，并针对人体图像的特点及本文所要研究的问题，论述了适合于人体图像边缘检测的基于小波变换的多尺度边缘检测算法。     

基于小波分析的图像边缘检测

介绍了图像边缘检测的一些传统算法和小波分析方法用于边缘检测的基本原理,给出了利用小波变换进行边缘检测的方法,通过与传统的图像边缘检测算法对比,显示了小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果．     

基于小波变换与双线性插值图像配比算法研究

插值算法常用在图像缩放中的像素点处理,目的是为了减少图像的失真和模糊.插值缩小技术可以使图像用小的信息量涵盖原图像的重要信息.插值放大技术可以使图像的分辨率提高,但同时容易出现块状和锯齿现象.为了尽量使复原图像更接近原始图像,它分析现有的常用三种插值算法(最近邻点插值、双线性插值、双三次插值),同时结合小波变换思想,提出了一种小波变换与插值的图像复原配比新方案.大量实验表明与传统的直接双线性插值复原图像以及小波与双线性插值结合重构图像相比,新方案的峰值信噪比、像素差值比、均方差都具有更为突出的优势.这种方案能有效提高图像复原的效果,并且具有普适性和灵活性,适合各类格式及尺寸图像处理.