小波变换在医学图像边缘检测中的应用

边缘检测是医学图像处理中的一项基本内容.正确提取医学图像的边缘特征,无论对于描述目标还是解释图像都是十分关键的.由于小波变换具有良好的局部特性和多分辨率的特点,将基于小波变换的边缘检测方法应用于医学图像的边缘提取.实验结果表明,该方法不仅能有效地检测图像边缘,并且对噪声有良好的鲁棒性.     

小波变换及骨架提取在图像边缘检测中的应用

提出了一种基于小波变换及骨架提取的图像边缘检测算法，该算法将小波变换、边缘点检测和骨架提取合并成一个完整过程，减少了图像中纹理对边缘提取的影响．实验结果表明，该算法有较好的边缘检测效果．     

基于改进二进制小波变换的图像边缘检测算法

针对传统二进制小波变换在图像边缘检测应用中的不足，提出了基于改进二进制小波变换的图像边缘检测算法．该算法首先按水平、垂直和对角方向对图像进行改进的多尺度二进制小波变换，提取三个方向的小波系数，然后采用相邻尺度小波系数相乘的方法去除图像的噪声．再对去噪后的小波系数乘积极大值点进行检测，最后将这3个方向上的极大点进行融合，形成图像的边缘．     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法。Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点，从而进行图像边缘提取。但小渡变换的局部极大值点的确定直接关系到边缘检测效果的优劣。提出一种基于模极大值的小渡变换的局部极大值点选择方法，实验表明，该方法比传统的图像边缘提取方法具有更好的效果。     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法.Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点,从而进行图像边缘提取.但小波变换的局部极大值点的确定直接关系到边缘检测效果的优劣.提出一种基于模极大值的小波变换的局部极大值点选择方法,实验表明,该方法比传统的图像边缘提取方法具有更好的效果.     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

基于非下采样小波与方向上下文滤波的图像边缘检测

提出了一种新的基于小波变换和方向上下文滤波的图像边缘检测方法：采用非下采样小波变换方法生成图像的梯度图像,采用方向上下文滤波技术提取出图像的边缘．实验结果表明：该方法能够有效地抑制噪声干扰,在图像被较强噪声污染时仍能满意地提取到图像的真实边缘。     

基于MAS小波变换的数字图像轮廓提取算法

轮廓提取在许多智能视觉系统中(特别是在模式识别中)，被认为是非常重要的过程。图像轮廓提取首先要进行边缘检测．然后提取阶跃结构的边缘，这2个步骤一般情况下是分开进行的。介绍的尺度独立算法是建立在多尺度分析与MAS小波变换理论的基础上，并结合数学上描述函数奇异性的Lipschitz指数知识，它不仅能根据梯度方向上的局部最大振幅有效进行图像边缘检测，还能根据MAS小波变换后的图像梯度向量振幅与变换尺度的无关性，提取出作为图像轮廓的阶跃结构边缘，并能有效消除噪声。     

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．     

多尺度小波边缘检测算法研究

根据采用小波变换提取图像边缘的多尺度特性,对小波多尺度间的相关性进行了分析,提出多尺度小波变换相关算子,分析了相关算子的滤波特性,利用相关算子对图像的多尺度边缘信息进行了优化。既保留了图像中重要的细节边缘信息,又剔除大量的冗余边缘和虚假边缘,有效地提取出了图像的特征边缘。     

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.     

方向小波在图象边缘提取中的应用

作者提出了一种基于方向小波变换的边缘检测新算法。比较了方向小波变换和传统小波变换在图像边缘检测中的不同之处。分析得出方向小波变换更符合图像的方向，纹理特征，因而更能反映图像的边缘信息。经计算机仿真，效果十分良好。     

一种基于小波的Contourlet变换的边缘保持图像压缩算法

本文针对JPEG2000图像压缩不能有效保护图像边缘的局限,提出了一种基于小波的Contourlet变换和改进的多级树集合分裂(SPIHT)压缩算法.在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换,它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带,从而更稀疏地表示了图像的边缘和纹理.通过使用边缘检测器SUSAN提取图像的边缘特佂,然后使用基于小波的Contourlet变换对原图像进行域变换,把像素由空间域映射到变换域.最后由改进的SPIHT编码,有效的保持了图像的边缘,实验结果表明解压图像有很好的重建质量.     

小波变换在图像去歪斜中的应用

提出一种基于小波变换的图像去歪斜方法。图像去歪斜的关键在于边缘检测和边框提取。边缘检测采用由粗到细的方法，利用小波变换的多分辩率特性，得到的结果较传统的方法有更好的去噪和定位性能，并能保留必要的细节。边框提取则是用改进的Ｈｏｕｇｈ变换寻找直线，将参数空间二次量化，在一定程度上解决了常规Ｈｏｕｇｈ变换抗干扰性和精度之间的矛盾。     

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.     

基于小波变换的显微图像细胞边缘提取

根据小波变换在不同的尺度层具有自适应时频窗性质, 在边缘提取过程中 选取了Mallat多尺度小波变换, 使阈值选取得到了改善. 依据显微细胞图像的特点, 通过对细胞边缘和背景噪声采取不同的阈值（加权阈值法）, 再利用小波变换的模角可分离性质有效地分离出细胞边缘. 结果表明, 这种阈值选取法对于显微细胞图像的边缘提取是一种有效的方法.     

基于小波分析及活动轮廓模型的图像分割方法

利用小波分析方法在不同尺度下提取图像中目标的不同边界细节的特性,将小波模极大值方法应用于目标边缘检测.首先,通过小波变换计算各个尺度下的模值和相角值,求出各个尺度下沿相角方向模的局部极大值点,即为图像边缘轮廓;然后,用基于边缘的活动轮廓模型的水平集方法对目标的边缘进行定位分割.实验表明,改进算法对噪声有很好的鲁棒性.     

小波分析在SAR图像边缘检测中的应用

边缘提取是图像分析的基础,但由于SAR图像中存在强的、乘性的相干斑噪声,使在光学图像中有效的边缘检测器对于SAR图像不再适合。基于小波变换的边缘检测器,由于采用了固定的阈值,在SAR图像边缘提取的同时也会检测出很多虚假的边缘,特别是在图像的亮区。因而,本文提出了具有恒定误警率的自适应变化阈值,并基于小波变换的多分辨率分析,有效地提取边缘特征。仿真实验表明该算法对于有相干斑污染的SAR图边缘提取是很有效的。