基于NSCT和KFCM聚类的图像边缘检测方法

为进一步提高现有图像边缘检测方法的性能,提出了一种基于非下采样Contourlet变换(NSCT)和核模糊c-均值(KFCM)聚类的图像边缘检测方法.首先通过NSCT将原始图像分解成低频分量和高频分量;然后对含噪声较少的低频分量提取边缘信息,并采用KFCM聚类算法进行聚类得到低频边缘图像,以提高定位精度,而对于边缘细节信息较多的高频分量各个子带,通过模极大值检测边缘以减少伪边缘,丰富图像细节;最后对低频和高频图像边缘进行融合得到完整的边缘.实验结果表明,相比于Canny方法、边缘检测算子与模糊聚类结合的方法、边缘信息与混沌粒子群优化的模糊聚类结合的方法、NSCT域模极大值方法,文中方法具有更好的边缘检测效果,边缘定位准确、完整、连续、细节丰富.     

基于小波变换和图像边缘信息的图像融合研究

本论文提出了一种能保留不同源图像的细节特征的图像融合方法。根据基于小波变换的图像融合框架,多源图像经过几何配准,重采样和精确配准以后,本论文首先对原始图像进行多层小波分解,获取各自的近似低频和细节高频分量,利用边缘匹配原则,得到后选边缘点的图。利用边缘匹配原则,得到后选边缘并对其进行边缘点连接。这样不但得到了重要的边缘点,也几乎全部的去掉了噪声。高频细节分量中边缘点的融合,利用线性加权计算来得到,其它的细节高频分量的小波系数利用常用的融合规则来计算。通过大量的图像融合试验表明,本论文提出的方法较好的对融合了图像的不同源图像的细节特征,较好的取得了理想的试验效果。     

基于小波变换及融合技术的图像边缘提取

图像边缘检测是图像分割、图像识别的基础,传统边缘检测是基于图像整体的边缘检测.小波变换使基于图像分解的边缘检测成为可能,利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测.常规融合方法是将高频边缘和低频边缘进行简单叠加,由于高频、低频边缘是通过不同方法提取的,二者之间的相似度、吻合度存在差异,简单叠加不能够有效融合高频、低频边缘图像特征,本文算法采用局部区域方差准则把高频和低频边缘在小波域进行融合.实验表明,该算法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测和去噪功能.     

基于对比度增强与小波变换相结合的红外与可见光图像融合算法

针对红外与可见光图像在传统离散小波变换的基础上,提出了一种基于对比度增强与小波变换相结合的红外与可见光融合算法.对红外图像进行对比度增强和去噪预处理,选取最佳小波基,分别对红外与可见光图像进行多尺度小波分解,提取两张图像的高频与低频分量,高频与低频取绝对值最大,对高低频分量进行小波逆变换重构图像.实验结果表明,该算法能够有效地获取边缘等细节信息,得到较高清晰度和对比度的融合图像,其边缘强度、信息熵、标准差、清晰度等客观评价指标均优于传统的PCA、Laplace金字塔和离散小波变换等算法.     

基于小波分解的薄云薄雾模糊图像的恢复与增强

在分析模糊图像噪声特点的基础上,提出对模糊图像进行适当层次的小波分解,然后对分解图像的轮廓和细节部分分别采用不同的处理方法：对低频分量进行LUM滤波和canny算子边缘增强;对高频分量则进行基于邻域统计特性的阈值处理,最后用处理后的分量进行图像重构。实验结果表明,该方法既能有效地去除噪声,又可较好地保持图像细节,效果优于传统的处理方法。     

基于融合技术的小波变换和数学形态学的边缘检测算法

针对传统的基于小波变换的边缘检测法无法提取低频区域完整连续的边缘,并且会丢弃包含一些重要细节的高频区域,同时受到噪声的影响而导致边缘提取效果不佳的问题,提出了一种基于融合技术的小波变换和数学形态学的边缘检测算法.在小波域中,对低频子图像采用数学形态学进行边缘检测,对高频子图像先进行小波降噪再采用小波模极大值法进行加权边缘检测,最后采用一定的融合规则对高、低频边缘子图像进行融合.实验结果表明,该方法用于图像边缘提取,不但能有效去除噪声干扰,又能突出边缘细节,边缘定位连续准确.     

基于小波分解的图像融合

本文根据基于小波变换的图像融合框架,首先对原始图像进行多层小波分解,获取各自的近似低频和细节高频分量,并生成模图像簇Mj（x,y）和相角图像簇Aj（x,y）（j为尺度数）。针对图像的小波系数融合时,对于近似低频分量融合,利用线性计算来获取;对于细节高频分量的融合,首先在各阶模图像中寻找沿相角方向的模的局部极大值点．生成可能的边缘图像。为保持图像细节,生成边缘图时同时保留所有的局部极大值点,除局部极大值以外其他象素均标记为零。利用边缘匹配原则,得到后选边缘点的图。利用边缘匹配原则,得到后选边缘并对其进行边缘点连接。这样不但得到了重要的边缘点,也几乎全部的去掉了噪声。高频细节分量中边缘点的融合。利用线性加权计算来得到,其它的细节高频分量的小波系数利用常用的融合规则来计算。大量的图像融合试验表明,本论文提出的方法较好的对融合了图像的不同源图像的细节特征,较好的保留了不同源图像的边缘．线．区域边界等高频细节信息,取得了良好的实验效果。     

一种基于小波和形态学的边缘检测方法

提出了一种基于多分辨率小波和二值形态学的边缘检测方法，通过对图像进行多尺度的小波分解，抛弃低频信息来重构小波系数．对重构后的图像利用形态学中的八邻域处理来提取边缘信息．实验结果表明该方法边缘定位准确，对边缘细节的检测效果明显．     

一种边缘优化的红外与可见光图像模块化融合方法

针对红外与可见光图像融合中出现的对比度较低和图像模糊的问题,提出了一种边缘优化的模块化融合方法.首先,对红外图像进行局部对比度自适应增强,突出红外图像中的目标;然后分别对红外图像和可见光图像进行HSV色空间变换,在亮度分量中,对其进行边缘细节增强的模块化融合,进一步突出红外图像中的目标轮廓;最后,结合可见光图像的色调和饱和度分量,经过RGB色空间的转换,获取融合后的图像.结果表明,与简单加权平均算法和小波融合算法的融合结果相比较,该融合算法能够较好的保持原图像的细节和目标信息,图像的对比度和清晰度也有较大的提高.     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的.为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪.由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强.仿真结果表明:该去噪方法优于传统小波阈值去噪方法.     

基于小波变换的齿轮图像边缘检测

在基于计算机视觉技术的齿轮测量中，齿轮图像中的边缘信息是极为有用的，它是进一步进行齿轮图像分割的基础，直接影响到齿轮几何参数测量结果的正确性和可靠性。传统的边缘检测算子大都是基于边缘的灰度不连续性利用梯度局部最大值或二阶导数过零点来检测边缘，容易受噪声干扰。文中采用图像的多尺度小波变换局部模最大值进行边缘检测。检测结果表明，此方法降噪能力强，定位精度高，克服了传统方法的缺点。     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.     

多级方向引导滤波器及其在多传感器图像融合中的应用

基于多级方向引导滤波器, 提出一种图像多尺度几何分析方法, 并将其应用于多传感器图像融合中. 首先利用引导滤波器对图像进行多级边缘保持分解, 得到一个近似子带和多个不同尺度上的细节子带; 然后采用楔形小尺寸方向剪切滤波器对细节子带进行方向分析, 在不同尺度上生成多个方向子带, 根据近似子带和方向细节子带所具有的不同物理意义, 分别采用不同的融合准则对分解后的系数进行合并处理; 最后通过对合并后的系数进行简单的叠加计算获得重构图像. 该方法有效解决了在其他多尺度分解中滤波器缺乏自适应性和图像分析不具备平移不变性的问题. 多组图像融合实验结果表明, 在图像融合过程中, 该方法的性能优于已有的其他典型多尺度分解方法.     

基于分数阶微分的多尺度多聚焦图像融合

针对多聚焦图像融合问题,借鉴多尺度融合方法对各个尺度的互补信息进行针对性融合.首先,运用L_○0梯度最小化的平滑方法将源图像分解为背景层和细节层,然后在背景层的融合中运用分数阶边缘检测掩模保持边缘信息,在细节层中引入分数阶梯度能量算子进行权值分配.实验结果表明,与整数阶梯度能量清晰度算子相比,本文所提出的分数阶梯度能量算子符合人眼视觉感知且更加敏锐.上述融合方法有效避免了融合图像中的伪影和块状效应,更加充分地保留了源图像信息.     

一种新的彩色图像边缘检测算法

传统的边缘检测方法大都基于灰度图像,不能充分利用彩色图像的全部信息。针对已有算法中存在的像素点扩散、边缘定位不准确、边缘不连续等问题,提出了一种彩色图像边缘提取算法,基于图像自身梯度方向信息和多通道信息融合技术,将灰度边缘模板算子扩展应用到彩色图像的边缘检测中,在RGB空间中对原彩色图像进行多通道边缘检测;同时采用滤波来抑制噪声,依靠边缘生长保证检出边缘的连续性,并提出了自适应确定边缘提取门限值的方法。该文提出的彩色图像边缘检测算法计算量小,实验结果表明了其能充分利用图像的颜色和梯度信息,有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性。     

基于形态学的图像融合算法

提出一种基于边缘连接强度的图像融合算法。利用形态学梯度算子得到图像的边缘信息。以图像灰度的边缘连接强度加权为判据,进行图像融合。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

一种红外偏振与光强图像的暗原色多特征分离融合方法

针对现有红外偏振和光强图像融合算法不能同时兼顾提高对比度、突出明亮特征和保持边缘细节信息的问题,提出一种暗原色多特征分离融合的新方法。首先,对源图像进行局部最小值滤波和引导滤波得到暗原色图;然后,经过差值、绝对值取小融合的处理,提出暗原色多特征分离方法,得到包含亮、暗以及边缘细节信息的三部分图像;最后,对三部分图像采用不同规则分别融合,通过重构和亮度调整得到最终融合图像。实验结果表明,本文方法能有效地融合源图像的互补信息,不仅能够保留边缘细节信息,同时也能突出明亮特征和图像整体对比度,在实际的目标识别中具有一定的优势。     

用模糊概率检测图象边缘的方法

提出一种用模糊概率检测图象边缘的方法；详细讨论了边缘隶属函数的建立及用模糊概率检测图象边缘的具体方法和步骤。最后给出用该方法检测图象边缘的实例，结果令人满意。     

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。     

结合NSCT和区域特征的图像融合新算法

提出一种把非下采样Contourlet变换(NSCT)和区域特征相结合的图像融合新方法.该方法能够获取更好的空域和频域中的局部特征,同时提高融合图像的质量.用NSCT对已经配准的源图像在不同尺度和方向进行分解,低频子带分量采用区域平均能量和匹配度相结合的融合规则,高频子带分量使用改进的拉普拉斯能量和取大的融合规则.然后,利用逆NSCT变换对图像重构得到融合结果.实验结果表明,新方法优于其他三个常用的方法,且较好地保留图像的边缘和细节信息.