基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

基于小波变换的轮胎多尺度边缘检测

本文提出了基于小波变换的轮胎多尺度边缘检测的方法。将小波变换用于图像多尺度边缘检测,根据轮胎的图像特点,为了提高图像边缘检测的精度,对小波滤波器系数进行了分析,为了得到较好的边缘检测效果,对尺度进行了确定。     

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.     

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.     

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。     

基于小波模极大值多尺度的图像边缘提取

边缘是图像信息的主要内容,而小波变换的多尺度特点能够检测局域突变,是图像边缘检测的优良工具.采用的小波模极大值多尺度边缘提取的基本思想是沿梯度方向,在特定阈值的约束下检测模的极大值点,将不同尺度下的边缘信息通过一定的规则进行综合,得到最终的边缘图像.实验结果表明,该方法能有效地抑制噪声,可靠识别边缘,提高检测精度等特点,是一种有效提取图像边缘的方法.     

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。     

基于小波域的多尺度图像融合方法

提出了一种基于小波域的多尺度图像融合方法，对于高频细节部分和低频近似部分采用不同的融合规则，有效地克服了以往图像融合时容易受噪声干扰、空间细节信息丢失的缺点．通过计算机仿真，将融合结果与传统小波融合方法以及基于PCA的融合方法进行比较，该方法获得了更好的图像融合效果，是一种有效的图像融合算法．     

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.     

基于旋转不变小波阈值的多尺度边缘检测

在自适应多尺度边缘检测算法中,用旋转不变小波非线性阈值代替原来的高斯滤波做平滑,并对尺度指数采样产生尺度集合,以确定边缘像元的最佳尺度,得到基于旋转不变小波阈值的多尺度边缘检测算法.该算法避免了对原图像的过度光滑,用于检测边缘的最佳尺度与边缘存在的尺度空间范围相匹配.实验证明新算法检测的图像比较清晰,具有较高的信噪比,而且可以用来检测含少量白噪声图像.     

基于层间相关性的小波边缘检测

在计算机视觉系统当中,图像边缘检测占据着重要位置．图像成像过程中,噪声、畸变等因数引起图像细节模糊,如何有效提取图像边缘成为一个不断探索的课题．众所周知,采用Sobel、LapLacian边缘检测算子尽管能够有效地去除噪声的干扰,但是破坏了图像边缘细节．基于此,本文提出了一种基于层间相关性的小波边缘检测．在不同层间,如果低分辨率下的父系数绝对值大,则在高分辨率下四个相应的子系数的绝对值可能性也大,则其所代表地图像边缘信息可能性越大．因此,采用基于层间相关性的小波边缘检测算法既有效地去除噪声的干扰,又保留了图像边缘细节．     

基于边缘图的梯度域图像融合方法研究

梯度域图像融合通过最小化融合图像的梯度场与融合梯度场之间距离求得融合图像,融合梯度场的准确性直接决定融合图像质量;由于源图像信息之间存在互补性,基于结构张量的梯度融合方法得到的融合梯度场的准确性不高,为保证融合图像质量,重构时需要添加其它感知项进行校正;提出了一种基于边缘图的梯度场融合方法,在边缘像素处以梯度值为权重进行加权融合,在非边缘像素处采用梯度值取大规则进行融合;实验结果表明:梯度场融合方法得到的融合梯度场准确性高,重构的融合图像具有满意的视觉质量和客观评价成绩。     

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。     

基于多尺度模糊逻辑的小波边缘检测方法

针对非极大抑制法中由于单一选定阈值所带来的确定性对边缘提取效果的影响,提出了一种新的基于模糊逻辑的图像边缘检测方法,即在不同尺度下实现图像的模糊增强,从而提高边缘检测精度.该方法对图像分别在不同尺度下低通滤波后实施广义模糊增强算法,增强灰度的区域对比度,更好地实现了在大尺度下抑制噪声、在小尺度下精确定位的效果.实验证明了该方法对影子(phantom)边缘的检测有较好的效果.     

基于方向对比度的彩色多聚焦图像融合

提出了一种基于方向对比度的彩色多聚焦图像融合算法：首先提取出各三基色分量，并对它们分别进行小波变换得到待融合图像的多分辨分析，求出各三色分量多分辨率图像的方向对比度，然后以方向对比度为判据．在图像的多分辨分析的相应各级上进行融合，利用小波逆变换重构出三基色分量融合后的图像，最终再合成融合后的彩色图像．试验结果表明：此算法能较好地解决彩色多聚焦图像融合问题．