一种基于形态小波的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题。基于数学形态学的形态小波是一类综合了传统小波线性和形态学的非线性特征的小波,它具有良好的局部时一频性,而且能对图像的形状及形态特征加以描述。文章提出了一种基于形态小波的图像边缘检测方法,实验证明：与单独使用小波变换或形态学的边缘检测方法相比,这种方法具有边缘检测精度高、抗噪声性能好的特点。     

图像边缘检测分析与比较

边缘检测是数字图像处理和模式识别领域的基本课题,着重分析了几种经典的边缘检测算子并进行了比较,同时阐述了新的边缘检测方法的原理。分析结果表明,图像边缘检测是一个非良态问题,寻求较简单、能较好解决边缘检测精度与抗噪性能协调问题的算法,一直是图像处理与分析的研究重点。     

基于融合技术的边缘检测方法

利用小波分解后的平均与细节的特性,提出了一种新的图像融合方法。结合各种边缘检测算子和小波变换边缘检测方法,提出了一种新的边缘检测方法。     

基于数学形态学的图像边缘检测研究

图像的边缘检测在图像处理中占有重要的地位,图像的边缘是指图像中相邻像素点之间的灰度有较显著变化的地方的描述．这种变化可以用数学上的梯度来表征。本文在分析形态学在边缘检测中的优势的基础上,提出了基于数学形态学的边缘检测算法。     

基于小波的图像边缘检测算法的研究

由于数字图像本身的复杂特性及各种噪声源的影响,使得图像边缘检测成为图像处理的一个难题。对比传统检测方法提出基于小波的边缘检测算法,运用小波的多尺度特性,实现对图像边缘的检测。     

基于小波变换多尺度的图像边缘检测方法研究

边缘检测在图像处理中占有很重要的地位,其算法的优劣直接影响着计算机视觉系统对客观世界的理解。文中介绍小波变换应用于数字图像,利用检测小波系数模极大值的方法来检测图像的突变点位置(图像边缘位置),通过仿真实验说明,小波在图像(或噪声)边缘检测上是有效的。     

基于小波分析边缘检测技术研究

边缘检测是图像分割的基础,小波分析技术可以进行图像的边缘检测。本文提出利用模极大值与自适应阈值相结合的算法进行图像的边缘检测,并仿真得到边缘检测图像。与传统的方法比较,本文采用的方法效果较好,能够检测较弱的图像边缘。     

基于自适应滤波和多结构元素形态学的图像边缘检测

本文对各种滤波方式以及数学形态学中腐蚀、膨胀等基本原理进行了研究,采用自适应滤波和多结构元素形态学相结合的方法进行了图像的边缘检测。通过仿真实现,证明此方法可以有效去噪,并得到连续性较好的边缘图像。     

基于最大方差法的图像分割与边缘检测

本文主要利用最大方差法和数学形态学相结合的方法对SCFRW（碳纤维木质复合材料）样板图像进行图像分割和边缘检测,通过与传统的边缘检测方法（Sobel、LOG、Canny三种检测）进行比较,结果证明用最大方差法分割后的图像通过形态学边缘检测后具有良好的边缘效果,为研究SCFRW样板性能所涉及到的碳纤维形状特征提取做了较好的前提准备工作。     

一种基于双树复小波变换的SAR图像边缘检测算法

提出一种新的基于双树复小波变换的SAR图像边缘检测算法.算法在复小波子带上求取图像直方图方向梯度矩阵,并基于复小波变换的多尺度性质和方向选择性求取全局的梯度矩阵.通过对这一矩阵阈值化实现边缘检测.该算法能有效检测出SAR图像上的显著边缘,并对SAR图像中存在的相干斑噪声、灰度不均匀性和边缘模糊等现象具有一定的鲁棒性.实验结果证明了该算法的有效性.     

基于边缘检测的图像缩放算法

论文提出了一种保持边缘特征的图像缩放算法,算法首先检测图像中物体的边沿,并在传统边沿检测方法的基础上增加“不确定度”这个参数来提高边沿检测的鲁棒性;对边缘区域像素的插值沿边缘方向进行,对非边缘区域的像素的插值用三次卷积的方法生成。该算法能有效消除传统插值算法在物体边缘部分出现的锯齿,提高了缩放后图像的视觉质量。仿真结果表明,对人造图像和自然图像,本算法均能保持良好的边缘特征,取得较理想的图像缩放效果。     

改进的K-均值聚类算法图像边缘检测研究

图像边缘检测一直是图像处理领域研究的重点问题。边缘是图像最基本的特征,本文采用了模糊K-均值聚类算法对图像进行边缘检测。该方法针对不同的图像找到相对比较有效的边缘检测算法,进而大幅度地减少了数据量,保留了图像重要的结构属性。通过mat lab实验,证明了该方法可以有效提取图像的边缘信息。     

两种边缘检测方法的比较

本文通过对拉普拉斯算子和梯度极值微分算子两种边缘检测方法的比较，详细介绍了两种方法的原理，指出了拉普拉斯算子存在的问题，以及梯度极值微分算子在局部区域边界检测窗口内，直接提取边界象素，分割的边界为真实边界，边界连续性好。     

基于小波分析的空中飞机边缘检测

针对使用传统的Canny边缘检测器难以从低对比度的空中飞机图像中提取出飞机的主体轮廓,研究了使用基于小波分析的算法来解决这一问题。与使用Canny边缘检测器得到的结果比较,较好地抑制了云的影响,并且提取出了飞机的主体轮廓。     

基于灰度窗口相关匹配的图像边缘融合技术

通过图像边缘融合提高图像的成像质量和识别能力。传统的图像边缘融合方法采用小波包加权滤波方法,当图像出现丰富结构信息或者干扰较强时,融合效果不好。提出一种基于灰度窗口相关系数匹配的图像边缘融合算法。实现图像的边缘融合的基础是进行图像归一化分割,设计边缘特征提取方法,得到的图像边缘进行Hough变换直线检测,提取出直线段,通过超像素网格的形成的方法绘制图像的边缘融合边界寻优路径,得到超像素网格,实现了基于灰度窗口相关系数匹配的图像边缘融合处理。仿真结果表明,该算法的对图像的边缘融合效果较好,度量了区域间的差异和区域内的相似性,提高图像的分割和边缘融合质量。     

采用小波变换的电能质量暂态干扰检测

论述了小波多分辨率信号分解及其实现方法，提出了采用小波多分辨率信号分解的电解质量暂态干扰检测新方法，并对暂态振荡、暂态脉冲，电压间断等电能质量干扰的检测进行了仿真实验，结果表明所提出的方法在时域和频域上都具有良好的检测性能，适合短暂瞬变信号的检测，并可用于其他时的变的非平稳信号处理。     

基于小波变换的PET图像分析

提出一种把小波变换和统计检验结合起来检测PET图像激活区的方法.首先,采用模拟的PET图像来评价算法的可靠性,结果显示,在小波域上进行统计检验比传统的直接在空间域上进行统计检验具有更高的灵敏度,更强的抗噪声干扰性能,更快的计算速度.最后,用该方法处理真实的PET图像,也得到了满意的结果.该方法为PET医学图像处理和脑功能研究提供了一种新的多尺度、高性能的分析手段,对于脑功能研究的功能区定位、临床诊断、药物疗效评估等有着重要意义.     

基于改进的分类矢量量化的图像压缩算法研究

主要研究了图像压缩精确度问题。针对传统的图像压缩算法精度低问题,本文提出了利用小波变换后的不同的小波系数的相关性,构造图像的特征的跨频带矢量,并对其进行分类,最后通过实验验证分析算法的有效性和具有一定的实际应用价值。     

一种彩色图像的边缘检测算法

通过对灰度图像的边缘检测的研究,构造了一种新的基于色度差的边缘检测算法,并充分利用彩色图像的颜色信息,将此算法从灰度图像转化到RGB的颜色空间中。这种新方法旨在区别于传统意义上对图像的边缘检测要求的精准性,而把提取出彩色图像中直观形象的轮廓信息作为研究目的。实验仿真表明,该算法提取出的边缘能够较好地反映目标图像中具有代表性的信息。     

基于提升小波的SAR图像斑点噪声抑制方法

斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。