基于改进三角剖分插值EMD的多尺度边缘检测

为提高二维EMD分解速度,改善从本征模函数(IMF)图像提取边缘的质量,提出了一种改进三角剖分插值EMD的多尺度边缘检测算法.该算法首先通过邻域像素比较法得到图像极值点,利用改进的Delaunay三角剖分和三次样条插值函数进行曲面拟合,抑制了边界漏点问题,并用图像灰度均值改进了筛分停止准则,再对其分解得到的第一个IMF子图像进行小波多尺度分解提取图像边缘.通过仿真实验,结果表明该算法不仅能准确地提取图像边缘,还有效地抑制了噪声.仿真结果验证了该算法的可行性和有效性.     

一种基于色差的彩色图像的边缘检测方法

传统的边缘检测方法大都是基于灰度图像的,这就不能充分利用彩色图像的全部信息。文章提出了一种基于色差的彩色图像的边缘检测方法,它能快速准确地检测到图像的边缘,具有低的错判率和较高的效率,优于传统基于灰度的边缘检测方法。     

二维小波变换在粮虫图像处理中的应用

提出了用小波变换检测储粮害虫图像边缘的方法,这种方法通过对二维小波变换图像局部极大值的检测得到图像的边缘信息.计算表明,将二维小波变换应用于储粮害虫的图像去噪和边缘检测,不仅可以保留图像的边缘特征,视觉效果好,还可以得到较清晰的粮虫特征图像,为粮虫图像特征提取打下了良好的基础.     

基于小波变换模极大值的边缘检测方法

研究了采用小波变换模极大值进行图像边缘检测方法.小波变换模极大值常用来检测信号的奇异值,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点.研究通过阈值消除伪边缘并给出了确定阈值的具体方法.实验结果表明,采用图像分块方法确定阈值,并用该阈值来限定模值,可以得到更好的边缘检测效果.     

基于融合技术的小波变换和形态学边缘检测算法

提出了一种图像边缘检测的方法.本算法将小波变换和数学形态学相结合,并采用简单的融合策略,确定图像边缘位置.在小波域中,对高频子图像用小波模极大法进行边缘检测,对低频子图像用数学形态学法进行边缘检测,然后采用一定的融合规则分别对高、低频边缘子图像进行融合,最后进行小波逆变换重构融合图像.实验结果表明,该算法融合规则简单,泛化能力强,能有效地抑制噪声,较好地再现图像的边缘信息,是一种有效的图像边缘检测算法.     

一种基于小波变换和Canny算子相结合的边缘检测方法

提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法。在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘。此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

基于二维阈值向量分割的足迹边缘提取方法

根据足迹图像特点,提出了基于灰度 梯度二维阈值向量区域分割的边缘提取方法·该方法以灰度 梯度共生矩阵为模型,利用最大熵原理,自动求出灰度 梯度二维阈值向量;用此二维阈值向量对图像进行区域分割,具有抗干扰能力强和正确分割模糊边缘像素的特点,构造两个适合足迹图像特点的结构元算子,对区域分割后的二值图像作数学形态学运算,以光滑边缘、提取边缘·大量实验表明,用本文方法提取的足迹边缘光滑,与原始图像具有很高的相似性;噪声得到抑制,取得令人满意的效果·     

基于小波变换的红外图像模糊与同态增强

针对红外图像对比度差、视觉效果模糊的缺点,提出了一种基于小波变换的红外图像模糊与同态增强算法。首先,采用正交小波变换对红外图像进行处理,将空域图像转换到频域,得到小波各层的分解系数;然后,运用同态滤波法对红外图像的低频子带小波系数进行处理,同时对红外图像的高频子带小波系数进行模糊增强处理;最后,经正交小波逆变换重构得到增强后的红外图像。实验结果分析表明,该方法可以增加红外图像细节,提高图像对比度,符合人眼视觉直观感应,能够有效达到红外图像增强的目的。     

基于IWT和HVS的彩色图像数字水印算法

针对目前大多数图像水印技术是关于灰度图像并且基于离散小波变换的。提出了一种基于整数小波变换(IWT:Integer Wavelet Transform)和人类视觉系统(HVS:Human Visual System)特性的彩色图像数字水印算法。本算法根据原始彩色图像的整数小波系数高、低频分量的特点,选择彩色图像的YIQ色彩空间的Y分量嵌入水印,利用人类视觉系统的特性,将二值水印图像加密后嵌入到Y分量的整数小波系数中。实验证明,该算法对锐化、JPEG2000压缩和旋转等图像处理均具有很强的抵抗能力,复杂度较低,实用性较强,更好地兼顾了水印不可见性与鲁棒性之间的矛盾。     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.     

小波变换模极大值法在图像边缘检测中的应用

边缘检测是计算机图像处理的一个重要环节,但是常用的方法存在一些缺点.本文介绍了小波变换模极大值法进行边缘检测的原理.检测结果表明,小波变换方法能有效的检测出边缘,优于Sobel算子、Prewitt算子、Roberts算子.     

小波变换模极大值法在图像边缘检测中的应用

边缘检测是计算机图像处理的一个重要环节，但是常用的方法存在一些缺点。本文介绍了小波变换模极大值法进行边缘检测的原理。检测结果表明，小波变换方法能有效的检测出边缘，优于Sobel算子、Prewitt算子、Roberts算子。     

利用相似性比较进行视频镜头检测的方法

随着多媒体技术的发展,大量的视频数据涌现。但由于视频数据是非结构性的数据,故而,为了便于视频的检索和浏览,必须对视频进行分段,将镜头作为分段的基本单元是比较合适的。通过改变两帧图像的分块相似度的定义对镜头进行突变检测,然后利用小波变换对分块图像进行多尺度分解,以提取图像的边缘特征;最后结合这两种特征,对镜头进行渐变检测,数值试验表明,所利用的方法对各种类型的视频能够很好的检测出其中的突变型镜头和渐变型镜头。     

彩色边缘模板算子检测法

将灰度边缘的模板算子扩展到彩色图像的边缘检测,并在均匀彩色空间中检测彩色边缘．这种扩展的彩色边缘检测方法计算简单,能检测出更符合视觉特性的彩色边缘来．实验结果证明了这种方法是有效的．     

基于提升小波和动态两阈值分块角点检测算法

为了更有效地检测高频图像,提出了基于提升小波和动态两阈值分块的角点检测算法。该算法根据图像中像素点周围像素灰度的相似性和角点的特性,引入提升小波变换理论,首先对图像进行提升小波变换,得到图像的高频区域;再对高频图像进行分块,对每个图像块分别采用动态两阈值算法对角点进行准确定位。实验结果表明:该算法可以较大地提高运算速度,并能够实现角点的准确定位。     

一种基于提升小波变换的数字图像隐藏方法

针对人眼的视觉模型和小波包的分频能力, 给出 一种新的灰度图像数据嵌入方法, 嵌入图像可以达到原始载体的1/4, 通过调节尺度 因子α可使本方法用于数据隐藏和数字水印. 此法对一些图像处理(如JPEG压缩等)有一 定的鲁棒性. 实验结果显示, 此法对秘密信息有较好的恢复效果.     

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.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法。首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法。