炭素制品X射线图像的小波边缘提取

针对经典的边缘检测算法在炭素制品X射线有噪图像的边缘检测效果问题,提出了基于小波变换的多尺度局部模极值边缘检测算法.该方法充分利用了小波变换优越的时频局部化分析能力及图像边缘点和噪声点的小波变换局部模值和方向在不同尺度下呈现不同的特性的特点.首先对图像进行小波增强处理,改善了图像的质量,在此基础上,确定了检测X射线图像边缘的最优边缘检测滤波器(小波基)和尺度,给出了小波多尺度局部模极大值的算法,并将该算法与经典的边缘检测算子进行了比较.实验结果表明,该方法明显比传统检测算子的效果要好,为进一步的缺陷模式识别等高层处理奠定了良好的基础.图3,参15.     

小波变换模极大值多尺度边缘检测算法分析

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

一种改进的基于小波变换的图像边缘检测算法

本文研究了利用小波变换对图像进行边缘特征提取的算法.传统的小波边缘检测算法检测到的边缘均有边缘定位不准确、边缘不连续等缺点.为了解决这些问题,本文对小波边缘检测算法作了一些改进.主要改进了以下两个方面:在图像边缘检测方面,检测小波系数模的相角方向上小波系数的局部模极大值点;在阈值选取方面,不再应用全局的单一阈值,而是选择动态双阈值.实验表明,本文方法在图像边缘的连续性比较好,边缘定位上比较准确,而且能很好地保留图像的细节信息.     

基于脊波变换的手指静脉图像增强研究(英文)

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法。该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构。该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不足。通过与传统的二维离散小波变换边缘增强法和自适应调整系数的脊波变换方法作比较,实验结果表明本算法具有更好的手指静脉图像效果。     

基于小波变换的汽车前照灯图像边缘检测

用改进的基于小波多尺度变换的数字图像边缘检测算法,提取汽车前照灯近光图像的边缘,完成图像的初步预处理,从而为车灯的近光检测奠定基础.采用小波分解算法进行图像增强,针对小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,之后通过边缘跟踪补偿和平滑细化得到图像的边缘.对比几种经典的边缘检测算子,小波变换的数字图像边缘算法对汽车前照灯近光图像的处理结果较好.     

基于脊波变换的手指静脉图像增强研究

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法.该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构.该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不...     

图像边缘检测的改进方法

为了对sobel算子检测进行改进,使其检测的边缘连续,对二进制小波变换的图像边缘检测算法进行了改进,在进行二进制小波变换分解时,将原始分解滤波器h 和g 相邻系数间内插2j个"0"得到尺度j 的分解滤波器hj和gj ,然后再进行小波变换.改进后的算法提取了图像边缘,有效地去除图像的噪声.实验表明:改进的算法算法简单、易于编程.     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

小波变换用于多分辨率的图像边缘检测

提出了一种用小波变换检测图像边缘的新方法。它基于小波变换多尺度方法分析图像局部的直方图内的信息,通过对小波变换后直方图内信号零交叉点的检测,得到一序列门限值点用于描述图像的边缘即可检测出图像边缘。选取不同的尺度可得到不同分辨率的图像边缘。文中介绍了小波变换用于图像边缘检测和基本原理,给出了小波变换的快速算法和实际检测结果。     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

一种基于数据融合和小波变换的图像边缘检测方法

论文提出利用数据融合和小波变换进行图像边缘检测的一种方法。此方法首先对同一地区的多谱段图像用小波变换进行融合预处理,然后直接采用小波变换系数动态地调整边缘判别的阈值,对融合图像进行边缘检测。试验结果表明,此方法不仅能有效地抑制噪声,而且对具有多种边缘特征的图像均有良好的适应性。     

光学Haar小波变换的数值模拟

以Haar小波为例，对光学小波变换过程进行数值模拟．模拟程序包含原图像的读取、Haar小波的构造、频谱变换、空间匹配滤波等内容，能够模拟Haar小波对图像边缘增强过程．通过改变Haar小波的宽度，分析了不同尺度小波的光学变换结果．同时，还提出了Haar小波的二次滤波方法，图像的边缘得到进一步增强．     

基于提升算法的不可分离小波图像边缘检测

针对传统可分离小波图像边缘检测方法的各向异性和计算复杂性，应用基于“五株排列”的提升不可分离小波的构造方法，把基于矩形栅格的数字图像分成红块和黑块，然后根据图像边缘特点，利用二维提升格式构造了“最大-提升”小波，进而提出了一种基于提升算法的不可分离小波图像边缘检测新方法，通过与传统的B样条小波边缘检测方法进行试验比较，证明了新方法在图像边缘检测方面具有更好的效果．     

一个反向的Hardy-Hilbert积分不等式

通过引入单参数λ, β函数及改进权函数的方法, 建立一个反向的Hardy-Hilbert积分不等式, 并证明其常数因子为最佳值. 作为应用, 建立 了若干等价形式及一些特殊结果.     

用三次B样条小波检测航拍图像边缘

在智能目标识别与跟踪系统中，如何获取较为清晰的图像边缘至关重要，这也是提高系统目标识别率的关键．作者提出了使用三次B样条小波对航拍图像进行多尺度边缘检测方法，介绍了小波及三次B样条函数的性质，根据Canny的3个最佳边缘准则和检测对象的特点，设计了B样条小波检测算法，把不同尺度下得到的边缘图像进行多尺度聚焦，输出检测目标边缘图像．经实验对比分析，该算法在航拍图像边缘检测应用中优于直接使用Canny算法，可以得到较好的边缘信息，并且能够满足下一步目标识别与定位的要求．     

子波变换图象压缩编码技术进展

从１９８８年Ｍａｌｌａｔ将子波变换用于信号处理提出多分辨率分析概念，给出了信号或图象分解为不同频率通道的算法和重构算法。开创了子波变换在图象处理中的应用，子波变换在时域和频域同时具有良好的局部化性能，使子波变换成为视频图象压缩编码的主要技术，专家预计，在１９９６年符合高清晰度电视标准的子波变换视频图象压缩技术将推出问世，本文综述子波变换图象压缩编码技术当前的进展。     

基于DT-CWT和SVM的人脸图像集成分类方法

利用二元树复小波变换对人脸图像进行5尺度小波分解,并提取每一尺度下6个方向高频子图小波系数模的均值和标准方差组成60维的特征向量表征人脸,然后采用支持向量机的一对一分类算法对ORL人脸图像库进行分类实验,结果表明二元树复小波变换和支持向量机的集成方法能有效提高人脸图像的分类精度.     

基于分数阶样条小波与IHS变换的图像融合

该文提出用分数阶样条小波和Intensity-Hue-Saturation（IHS）变换结合的方法进行高分辨率全色图像和低分辨率多光谱图像的融合。分数阶样条小波由于具有良好的分数阶逼近性能，在分解图像时可得到更多的细节，而IHS变换在处理图像时会扭曲光谱特性，通过两者的结合，可得到高分辨率、多光谱图像。将该方法和传统‘Daubechies3’小波与IHS变换相结合的方法比较，实验结果证明了分数阶样条小波更多地保留了高分辨率图像的空间特性和低分辨率图像的光谱特性。     

综合Canny法与小波变换的边缘检测方法

提出一种Canny法与小波变换相结合的边缘检测方法.首先,对源图像进行小波分解,在不同分解层上对高频子图像用小波模极大法进行边缘检测,对低频子图像用Canny法进行边缘检测,然后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像.这种边缘检测方法结合了小波变换法和Canny法的优点,对用不同方法得到的两种边缘信息进行融合,从而有效地抑制了噪声,保留了连续、清晰的边缘.实验结果表明,这种结合方法要优于单独使用Canny法或小波变换法.