基于小波变换及子带阈值的彩色图像降噪

提出了一种对彩色图像降噪的新方法,该方法先把彩色图像分解为红、绿、蓝3个基色图像,然后利用小波变换分别对3个基色图像进行多尺度分解,求出其各个尺度三个方向高频系数的子带阈值,并组成1个子带阈值矩阵,对单基色图像的各个尺度3个方向的高频系数进行阈值处理,实现对单基色图像的降噪,最后把降噪后的3个基色图像融合为一幅彩色图像。实验结果表明该方法可以很好地消除噪声,又可以较好地保持图像细节。     

一种改进的彩色图像边缘检测方法

使用灰度图像算法进行彩色图像边缘检测,会造成图像边缘漏检.针对这个问题,在输出融合法基础上,对Roberts算子进行了改进,提出一种适用于彩色图像的边缘检测方法.实验表明,改进算法能有效检测彩色图像边缘.     

RGB空间下基于矢量梯度的彩色图像边缘检测算法改进

由于彩色图像能够提供比灰度图像更为丰富的信息,因此彩色图像处理越来越受到人们的重视。为了充分利用彩色信息进行边缘检测,提出了基于多方向矢量梯度的彩色图像边缘检测方法。在分析传统基于矢量梯度的边缘检测方法存在边缘不连续、漏检等问题的基础上,通过引入多方向矢量梯度,综合考虑不同方向对图像梯度的响应,并借助信息融合技术融合多个方向下的检测结果,从而得到最终边缘检测结果。实验结果表明,该改进算法对边缘提取具有更好的连续性和定位准确性,而且对低照度下的边缘图像具有较好的响应。     

基于不确定性理论的彩色图像多阈值分割

提出一种新的彩色图像多阈值分割算法,首先根据点关联度的仿射性和仿射变换的保序性对色彩空间进行特征组合;再对组合后的灰度图像统计其信息熵,然后对信息熵进行模糊隶属划分。实验表明:在图像色彩信息较为丰富的情况下,该方法能够对RGB彩色图像中的基色和非基色进行有效划分。     

基于改进的数学形态学边缘检测算法研究

研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

基于Gabor滤波和图像金字塔的多聚焦图像融合

利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,通过取不同方向Gabor滤波器对分解后的各层图像进行多方向的滤波,提取出不同方向的边缘特征,再通过比较特征大小来判断属于清晰还是模糊像素,最后对融合金字塔做拉普拉斯金字塔反变换得到融合图像.实验证明该方法能够取得很好的融合效果,融合质量优于其他方法.     

基于快速熵阈值的彩色图像边缘自动检测方法研究

作者提出了一种基于CIE LUV彩色空间的边缘检测算法,首先通过非线性同等组滤波器进行平滑和去噪预处理,接着利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其八领域像素的颜色距离进一步精确定位图像的边缘.实验证明该算法能较好的得到彩色图像的边缘.     

基于粒子群优化的图像边缘融合算法

目前,图像融合算法大多利用源图像信息进行融合,融合模型的建立和融合参数的配置主要依赖于经验,存在随意性。提出了一种基于粒子群优化的图像边缘融合算法：首先对源图像进行多尺度边缘检测;然后利用边缘相关性作为目标函数,采用粒子群算法优化搜索融合参数;最后利用融合后的多尺度边缘重构出融合图像。该算法克服了融合模型对经验的依赖性,使得源图像边缘信息最大量地保留在融合图像中。仿真结果表明,使用该算法得到的融合图像能够有效包含源图像信息。     

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。     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.