一种基于二维离散小波变换的边缘检测方法

本文在传统边缘检测算法的基础上,给出了一种基于二维离散小波变换的边缘检测方法。首先对原图用直方图均衡化进行图像增强,对增强后的图进行二次小波分解得到图像的近似部分和细节部分,然后把第二次的低频图像置为零,进行小波重构得到图像的边缘,因此能够更好的检测到原图像忽略掉的边缘。     

改进的基于小波变换的图像边缘检测方法的研究

本文介绍一种基于小波变换模极大值进行图像边缘检测的方法。对图像进行二维小波变换,其梯度模值反映了图像的边缘,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。本文采用图像分块方法确定阈值,并用该阈值来限定模值,与传统边缘检测方法相比,可以得到更好的边缘检测效果。     

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。     

基于多尺度边缘检测的小波包去噪方法

文章提出一种将小波变换模极大值(WTMM)多尺度边缘检测与小波包去噪算法结合起来的图像去噪方法。仿真结果表明,该方法不但对噪声的抑制能力强,而且可以很好地保留图像的边缘信息。     

一种基于二进小波变换的图像增强方法

传统的增强图像的方法会丢失图像细节。结合二进小波变换和直方图均衡的优势,提出一种基于二进小波变换的图像增强方法。首先利用二进小波变换将图像分解为一个低频分量和三个高频分量,分别对低频分量做直方图均衡处理,高频分量做高斯-拉普拉斯掩膜锐化,再将处理后的低频分量和各高频分量进行二进小波逆变换重构。实验结果表明,该方法较于单纯的只使用直方图均衡的传统方法和只对低频图像做直方图均衡处理方法有较好的增强效果。     

基于二进小波变换的边缘保持图像插值算法

利用离散二进小波变换(DDWT)所具有的良好的多尺度边缘提取特性以及子带间的相关性,提出了基于DDWT的边缘保持图像插值算法。算法利用多尺度边缘的指数衰减规律预测损失掉的高频子带中的边缘,并利用三次样条插值算法恢复损失掉的高频子带中的非边缘信息。最后通过离散二进小波合成得到高分辨率图像。实验结果显示,该算法优于传统的双线性和双三次插值算法。对于像Lena这样的纹理较少的图像其峰值信噪比(PSNR)提高了2dB以上,而对其它图像插值的结果也有不同程度的质量改善,插值的结果更符合人的视觉系统特性。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

基于小波变换的图像边缘检测

介绍了利用小波变换进行图像边缘检测的原理与方法。基于小波变换的模极大值原理,利用不同尺度小波变换后的不同方向获取图像的高频信息,并通过小波系数的模极值点与过零点,检测出图像在四个方向上的模极大值,得到该位置模的局部最大值。仿真测试表明,利用小波变换进行图像边缘检测可以较好的检测图像边缘的细节特征,取得了很好的效果。     

一种基于图像融合的含噪图像边缘检测方法

针对含噪声图像在边缘定位、噪声抑止、弱边缘保留及边缘细节的视觉感知等方面难以兼顾的具体情况,提出了一种基于图像融合的含噪图像边缘检测方法。首先,讨论了基于小波变换模极大值的图像边缘检测法;结合数学形态学基本运算与信息熵理论,提出了改进的灰值数学形态学图像边缘检测法,并分析了其基本原理。然后,结合两种方法的优点,采用叠加运算进行图像融合最终检测到的图像边缘连续完整。最后,与传统边缘检测法、小波变换模极大值法、改进的灰值数学形态学法进行了实验对比,结果表明,本文算法优质系数最大,所花时间最少。     

基于小波变换的图像边缘检测

图像边缘检测是图像分割、图像识别的基础 ,传统的边缘检测方法对噪声非常敏感。讨论一种基于小波变换的图像边缘检测方法 ,仿真结果表明 ,该方法明显优于传统的边缘检测算法 ,对噪声的抑制能力强     

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.     

小波变换在图像边缘检测中的应用

目前,被广泛使用的经典边缘检测算子有Sobel算子,Prewitt算子,Roberts算子,Log算子,Canny算子等等。这些算子的核心思想是图像的边缘点是相对应于图像灰度值梯度的局部极大值点。然而,当图像中含有噪声时这些算子对噪声都比较敏感,使得将噪声作为边缘点。由于噪声的干扰,不能检测出真正的边缘。一个拥有良好属性的的边缘检测算法是每个研究者的追求。利用小波交换的特点,设计了三次B样条平滑滤波算子。通过利用这个算子,对利用小波变换来检测图像的边缘进行了一定的研究和理解。     

应用小波变换的频谱边缘检测技术研究

频谱感知是认知无线电实现的首要步骤。作为分析奇异点和边缘检测的强大数学工具,小波变换被用于探测和估计局部频谱的不规则变化。针对小波变换实现频谱边缘检测的局限条件,提出一种带内非平稳变化,边界连续变化的频谱边缘检测方法。通过对原始频谱信号进行数据预处理和结果峰值变化特性分析,利用小波变换实现频段的边缘划分,最后进行仿真验证。仿真结果表明:本算法能够将带内不光滑且边界连续变化的频谱有效的划分成若干独立频段,从而实现信号频谱边缘检测。     

小波变换的自适应阈值图像边缘检测方法

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，图像边缘检测的研究困难重重。近10年来，由于小波分析技术在工具和数学方法上的重大突破，试图将小波理论应用于图像边缘检测。根据边缘检测的评价标准，参照最佳边缘滤波器的设计要求，确定选择用于边缘检测的小波母函数的一般准则，并在此基础上构造出二次B样条小波，提出了基于小波变换的自适应阈值图像边缘检测的新方法。通过计算机仿真对该算法进行了验证，结果成于采用固定阈值的小波边缘检测。     

基于二进小波变换的磁共振图像增强算法应用研究

在结合磁共振图像特点的基础上对二进小波变换的图像增强方法进行研究和改进,并应用到磁共振图像的对比度增强实验中。实验结果表明,改进后的算法比原算法有更好的增强效果,在增强对比度和抑制噪声两方面都取得了较好的效果。     

An applied research on approach of dyadic wavelet transform for Remote Sensing image edge detection

In the edge detection of Remote Sensing （RS） image, the useful detail losing and the spurious edge often appear. To solve the problem, the authors uses the dyadic wavelet to detect the edge of surface features by combining the edge detecting with the multi-resolution analyzing of the wavelet transform. Via the dyadic wavelet decomposing, the RS image of a certain appropriate scale is obtained, and the edge data of the plane and the upright directions are respectively figured out, then the gradient vector module of the surface features is worked out. By tracing them, the authors get the edge data of the object, therefore build the RS image which obtains the checked edge. This method can depress the effect of noise and examine exactly the edge data of the object by rule and line. With an experiment of an RS image which obtains an airport, the authors certificate the feasibility of the application of dyadic wavelet in the object edge detection.     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

基于尺度连贯性边缘检测的小波收缩图像去噪

为有效地去除图像噪声而不使图像边缘模糊,文章提出了一种保留边缘信息的小波图像去噪新方法.此方法基于二进小波变换的多分辨率分解,小波系数的分布被模型化为高斯分布,得到每一尺度的收缩因子,连续尺度上的收缩凼子被结合,一致性检测被用于进一步检测边缘.将检测到的边缘点与非边缘点对应的小波系数,分别用不同的方法进行处理,采用不同的收缩因子进行收缩.仿真实验表明,与其它几种传统去噪方法相比,本算法具有更好的重建视觉效果,峰值信噪比也比其它方法有了较大幅度的提高.