基于小波的图像边缘检测算法研究

图像的边缘检测是对图像进行进一步处理和识别的基础,虽然图像边缘产生的原因不同,但反映在图像的组成基元上,它们都是图像上灰度的不连续点或灰度剧烈变化的地方,这就意味着图像的边缘就是信号的高频部分。因此所有的边缘检测方法都是检测信号的高频部分。但在实际图像中,由于噪声的存在,边缘检测成为一个难题。提出一种利用小波把图像分解成近似部分和细节部分,近似部分是原图像对高频部分进行滤波所得的近似表示。经滤波后近似部分去除了高频分量,因此能够检测到原图像所检测不到的边缘。     

基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

基于二进小波变换的图像边缘检测算法研究

图像边缘是图像最基本的特征,是分析理解图像的基础.图像边缘信息的改变意味着图像基本内容或结构的变化.本文研究了利用二进小波变换的方法进行图像边缘特征提取,并通过图像边缘相关算子的理论区分边缘特征点和噪声,然后将不同尺度下的图像边缘特征点,根据小波变换模值跨尺度传递特性,进行多尺度下的图像边缘融合.实验结果表明,该方法克服了传统梯度运算对噪声的放大影响,同时也克服了单尺度下噪声抑制与边缘细节提取精度之间的矛盾.     

基于尺度空间边缘强度累计的边缘检测

为抑制图像中的细微结构、噪声、弱边缘等干扰对边缘检测的影响,同时提高边缘检测的位置精度,提出了一种基于尺度空间中边缘强度累计特性的边缘检测方法.该方法首先通过比较目标对象在多个尺度下的平均边缘强度来选择检测目标边缘的最佳尺度,然后依据边缘点在尺度空间上的强度累计值的差异滤除该尺度下的干扰边缘.实验结果表明,文中方法能够在少量的平滑预处理条件下有效地抑制上述各种干扰,提高图像中目标边缘的稳定性与位置精度.     

基于Unit-Linking PCNN的灰度图像边缘检测

利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值刚像,在二值分割图基础上实施unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化r图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

联合熵流与边缘算子的红外运动目标检测

针对复杂背景下红外目标检测问题,提出一种联合熵流与边缘算子的红外运动目标检测算法.该算法分4个步骤检测目标:首先将熵流作为一种图像运动描绘子,通过熵流确定含目标运动的区域;其次运用Canny算子检测含背景和目标的边缘;然后联合两者捕获背景成分急剧降低、近似精确的目标边缘图像;最后计算边缘图像聚类中心,依据亮度、熵流约束进行区域生长,识别红外目标.对于海空背景下的红外目标图像,实验结果表明该方法能准确地检测、定位目标.     

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Unit-Linking PCNN的灰度图像边缘检测

 利用Unit-Linking PCNN模型,结合最小交叉熵准则,边缘检测预处理,均匀分块处理,将灰度图像分割成二值图像,在二值分割图基础上实施Unit-Linking PCNN边缘检测.边缘检测预处理以块状增强方式增强了图像对比度,强化了图像边缘;均匀分块处理实现了灰度图像的近似多阈值分割.分析了边缘检测预处理中各步骤的作用,比较了不同均匀分块数目对边缘检测结果的影响.与Canny算子和相关文献结果相比,该研究检测的边缘体现了更丰富的图像细节,且神经元模型参数对图像边缘检测结果的影响较不敏感.仿真结果表明,该方法具有较理想的灰度图像边缘检测结果,具有较好适用性.     

一种基于边缘增强扩散的凸集投影图像重建方法

将边缘增强扩散与凸集投影算法相结合,提出了一种基于边缘增强扩散的凸集投影方法.该方法能在一定程度上减少噪声的影响,解决重建后图像的振铃问题,且信噪比有一定的提高,改进超分辨率重建图像的效果.实验表明两者能实现很好的结合.     

小波变换在图像边缘检测中的应用

目的 研究一种新的提取图像边缘特征的方法。方法 依据图象的多分辨率小波分解及其所表现出的多尺度特性、局部化分析特性及方向选择性等特点,通过二进尺度下小波变换局部极大值的检测提取图象边缘特征,结果 利用此方法在计算机上对２５６×２５６×８ｂｉｔｓ／像素的Ｌｅｎａ图像做了边缘提取,得到不同尺度下的连续、光滑、单像素宽的边缘链图象,结论 边缘提取准确,表明这种特征提取方法是有效、可行的。     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场(DFBR:Discrete Fractal Brown Random field)模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法.该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测.地物空间分布...     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

改进ROEWA与小波变换结合的遥感图像海陆分离

海陆分离一直是光学遥感图像舰船检测中最重要的一部分,目前大多数的海陆分离算法都是依靠先验信息或是利用灰度特征对图像进行处理,造成分割效果不明显,大量的孤立区域无法处理,而且会造成误分割,不利于后续处理。针对上述问题,本文提出一种基于改进ROEWA算子与小波变换结合的海陆分离方法。首先利用ROEWA(指数加权平均比率)算子对原始图像进行边缘检测得到边缘的强度,再利用非极值抑制和双阈值算法定位边缘,然后采用小波变换对叠加后的图像进行二次边缘提取,提取边缘的方向,最后对边缘检测后的图像进行区域生长,进而得到最终的海陆分离图像。实验结果表明,本文的算法与常用的的海陆分离算法相比,检测效率和精度都比较高,且鲁棒性好,有利于后续舰船检测的处理。     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

一种高分辨率遥感卫星帧间图像配准的方法

针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。     

Watershed—based Image Segmentation with Region Merging and Edge Detection

The clustering technique is used to examine each pixel in the image which assigned to one of the clusters depending on the minimum distance to obhtain primary classified image into different intensity regions.A watershed transformation technique is then employes.This includes:gradient of the classified image,dividing the image into markers,checking the Marker Image to see if it has zero points(watershed lines).The watershed lines are then deleted in the Marker Image created by watershed algorithm.A Region Adjacency Graph (RAG)and Region Adjacency Boundary(RAB)are created between two regions from Marker Image.Finally region merging is done according to region average intensity and two edge strengths (T1,T2).The approach of the authors is tested on remote sensing and brain MR medical images.The final segmentation result is one closed boundary per actual region in the image.