多尺度小波在边缘检测中的应用

本文根据小波变换原理,利用B样条函数近似构造高斯小波函数作为检测算子,提出了一种简单有效的多尺度边缘检测方法。实验结果表明,该方法用于图像边缘检测效果较好。     

小波包变换在图像边缘检测中的应用

简要介绍小波包变换的基本原理,给出基于小波包变换的图像边缘检测方法.用MATLAB仿真实验结果表明该算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确.     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法，这种方法解决了第一代多尺度边缘检测方法中存在的两个问题，即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。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，去噪效果好等明显的优点。     

基于小波变换的图像边缘检测

根据小波变换原理,指出在边缘检测之前先对图像进行自适应平滑滤波。同时,选取更加有效的小波函数,以改进用于构建边缘检测算子的滤波器。结果表明,该方法用于图像边缘检测效果较好。     

基于平稳小波变换的高鲁棒性的边缘提取

借鉴平稳小波变换的多尺度分析思想,结合模糊聚类均值法,提出了一种高鲁棒性的图像边缘提取算法.该算法利用平稳小波变换的位移不变性,将小波分解后的分量进行配准构成一像素的特征向量,然后利用模糊c-均值进行无监督分类,分割图像,最后用Canny算子提取图像边缘.用一系列附加不同强度的高斯白噪声图像测试了该算法的有效性.实验证明在图像受到较强噪声(如附加高斯白噪声)污染时,该算法仍可检测到较好的边缘效果,展现出良好的鲁棒性.     

多尺度顺序边缘连接算法在乳腺图像边缘检测中的应用

在图像处理与分析领域,边缘检测是一个重要的研究内容。本文将多尺度顺序连接算法（MultiresolutionSequentialEdgeLinking,MSEL）应用于乳腺边缘检测,采用金字塔结构分解图像,用低分辨率子图上的全局边缘信息指导高分辨率子图上的顺序边缘搜索,从而降低噪声干扰,减少了伪边缘,提高边缘检测的准确性。实验表明,多尺度顺序边缘连接检测算法对于乳腺放射图像的边缘检测效果有明显改善。     

基于小波变换和微分算子的图像边缘检测

本文提出了一种检测彩色图像边缘的新方法,该方法先把彩色图像分解为红、绿、蓝三基色图像,然后利用小波变换对三基色图像分别进行多尺度的分解,提取其低频系数,用微分算子检测其图像边缘,最后利用多通道信息融合的办法将三基色的图像边缘融合在一起。通过一个实验说明了该方法的有效性。     

图像多尺度边缘的模糊推理检测方法

提出一种基于模糊推理的多尺度边缘检测方法.该方法充分考虑边缘的局部特性,利用多尺度上小波系数乘积模值与方向信息测度作为图像边缘特征的描述器,并将其作为模糊推理系统的两个输入变量,采用Mamdani型的模糊推理系统实现边缘点检测.实验结果表明,与传统算法比较,新方法检测的边缘细节丰富,令人满意.     

多小波理论及其在图像处理中的应用

综述了多小波变换理论的发展及其在图像处理处理方面的应用，展望了它今后的发展。实验表明多小波方法在信号专噪、图像数据压缩等方面可以取得比单小波更好的效果。     

基于小波变换的角点检测算法

传统Harris角点检测算法对噪声敏感,图像分辨率不同,角点容易产生漂移。,结合小波变换的多尺度特性,提出一种基于小波变换的角点检测算法.该算法在图像缩放、旋转或灰度变化时保持了Harris角点检测算法检测角点效果良好的优点．改进了其不具有尺度不变性的缺点,并具有较强的抗噪性与实时性,     

一种基于小波变换和边缘信息的地理图象压缩方法

利用小波变换的多尺度特性,根据压缩比的要求,选择恰当的小波函数和分解尺度,用此来检测出图象的边缘点,对一幅图象只存贮边缘点及左右码。如果要求较高的压缩比,则进一步用直线段或园弧段进行拟合,只存贮端点等及左右码,解码特别快。     

几种分形方法在图像边缘检测中的应用研究

介绍并比较了几种基于分形理论的边缘检测技术,包括基于分形编码的图像边缘检测、基于离散分数布朗随机模型的图像边缘检测、基于多重分形方法的图像边缘检测、利用人造目标和自然背景的不同分形特征提取目标边缘。具有不同分形特征的图像采用不同的的算法都可以取得较理想的效果,但实际上无论哪一种算法在解决一定问题的同时也存在不同类型的缺陷。因而,寻求更理想的分形方法应用在图像边缘检测中将仍然是图像处理与分析中研究的主要问题之一。     

小波变换在数字图像处理中的应用

主要分析了基于小波变换的图像分解和图像压缩的技术，并运用Matlab软件对图像进行分解，然后提取其中与原图像近似的低频信息，达到对图像进行压缩的目的．分别作第一层分解和第二层分解，并比较图像压缩的效果。     

一种基于小波变换的多尺度图像配准算法

在研究传统Harris角点检测算法的基础上,结合小波变换的多分辨率特性,提出一种基于小波变换边缘检测与Harris角点检测的多尺度图像配准算法。该算法保持了Harris角点检测算法在图像旋转、缩放或灰度变化时角点提取效果依然良好的优点,改进了其对噪声敏感且不具有尺度不变性的缺点,在不同尺度上有较高稳定性与匹配精准度,抗噪性较强。     

Training a neural network for moment based image edge detection

Edge detection is a crucial step to computer vision. Currently, there is not a single edge detector that has both efficiency and reliability. Traditional differential filter-based algorithms have the advantage of theoretical strictness, but require excessive post-processing. This paper introduces a neural network edge detector that takes advantage of moments features. It functions as a neural pattern classifier that directly estimates the posterior probability from the training data set. Two subsystems can be distinguished and different kinds of learning rules are used. For the end-user, it works as a black box that directly transforms raw images into the edge maps so no complicated postprocessing is required. Tests on both simulated and real images showed the proposed neural network edge detector is superior to traditional operators.     

一种基于形态学的线粒体电镜图像边缘检测算法

提出了一种基于形态学的线粒体电镜图像边缘检测算法。首先对图像按需求裁剪,然后根据像素间灰度差异关系实现灰度图的二值化,再利用一套组合的形态学操作实现抽出背景、去除目标区域噪声、平滑边缘,最后通过去除所有内部的点获得线粒体的边缘。实验结果表明,对于电镜图像的线粒体边缘检测,该算法比现有的算法更有效,更接近人工检测的结果。     

一种新的基于小波变换的基音检测算法

1IntroductionPitch periodis ani mportant parameterinthe analys-is and synthesis of speech signals.Pitch period infor-mation is used in various applications such as(1)speaker identification and verification,(2)pitch syn-chronous speech analysis and synthesis,(3)linguisticand phonetic knowledge acquisition and(4)voice dis-ease diagnostics.However the task of esti mating thepitchis very difficult since(1)the human vocal tract isvery flexible andits characteristics varyfrompersontoperson,(2)the pi…     

基于Prewitt算子和邓氏关联度的图像边缘检测算法

边缘是图像最重要的特征之一,其检测的好坏对图像的识别和分割的效果有直接的影响,本文探讨了传统的Prewitt算子和灰色关联度在边缘检测中的应用情况,提出并实现了一种将Prewitt算子和邓氏关联度相结合的边缘检测方法。实验表明,该方法提取的边缘较完整、连续性好、非边缘点少,为图像边缘检测探索了一种新的途径和方法。     

基于小波变换的多聚焦图像融合算法

提出一种基于小波空间频率的多聚焦图像的融合算法,该方法是在小波多分辨率分析的基础上,采用小波变换后的系数去定义待融合图像中的清晰度测量指标.对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域.而对于清晰与模糊的边界区域,采用了基于像素的窗口空间频率的方法进行融合处理.融合结果表明,该方法是可行和高效的,且比其他图像融合方法具有更好的性能.