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。     

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。     

基于小波变换的汽车前照灯图像边缘检测

用改进的基于小波多尺度变换的数字图像边缘检测算法,提取汽车前照灯近光图像的边缘,完成图像的初步预处理,从而为车灯的近光检测奠定基础.采用小波分解算法进行图像增强,针对小波模极大值在不同尺度下传播的特性,检测出图像在两个方向的极大值,之后通过边缘跟踪补偿和平滑细化得到图像的边缘.对比几种经典的边缘检测算子,小波变换的数字图像边缘算法对汽车前照灯近光图像的处理结果较好.     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.     

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。     

基于多尺度小波变换的图像边缘检测

图像边缘是图像中的重要信息,为了检测图像中的边缘信息,提出了一种基于多尺度小波变换的图像边缘检测算法．该算法充分利用了图像边缘在多尺度下的信息,首先选用二次B样条小波对原始图像进行多尺度小波分解,提取出图像中的高频信息,包括真实的图像边缘和噪声,然后根据图像边缘和噪声在不同尺度下具有不同的传递性,抑制噪声分量,保留图像边缘分量．实验结果表明,该算法获得了较好的图像边缘检测效果．     

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。     

基于小波变换的Canny算子边缘检测算法

分析了基于小波变换的图像增强算法和传统的Canny边缘检测算法,提出将两种方法有效地结合起来,应用于对比度低图像的边缘检测中。实验证明,该方法准确的检测图像中的目标边缘,且能较好地保持目标边缘的连通性。     

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。     

一种改进的基于小波变换的图像边缘检测算法

本文研究了利用小波变换对图像进行边缘特征提取的算法.传统的小波边缘检测算法检测到的边缘均有边缘定位不准确、边缘不连续等缺点.为了解决这些问题,本文对小波边缘检测算法作了一些改进.主要改进了以下两个方面:在图像边缘检测方面,检测小波系数模的相角方向上小波系数的局部模极大值点;在阈值选取方面,不再应用全局的单一阈值,而是选择动态双阈值.实验表明,本文方法在图像边缘的连续性比较好,边缘定位上比较准确,而且能很好地保留图像的细节信息.     

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.     

基于边缘匹配和多尺度小波变换的图像校准

提出了一种新颖的图像校准算法．先将边缘方向曲线链码化,选出相对于基准点位置相似且局部链码匹配的对应边缘曲线段．然后采用多尺度小波变换提取对应边缘曲线段上的真实角点,即得到两幅图的对应特征点集．仿真试验证明,我们的算法可以在实时系统中,以较小复杂度,达到较好的性能．     

基于小波变换的自适应阀值植物根系图像边缘检测

植物根系的生长状况可以反映该地区的气候及土壤特性,现有的根系研究方法如挖掘法、整段标本法和剖面法,都有破坏样本和工作量大等缺点．为了实时跟踪植物根系生长状况,介绍了一种基于多尺度小波变换和自适应阀值的图像处理方法,对采用内窥方法获得的根系图像进行边缘检测,并将边缘提取后的图像进行融合．此方法可以在不损伤植物根系的前提下自动对根系的生长情况进行提取分析,实现实时采集及精确测量根系的物理参数．     

基于小波变换和数学形态学的航空图像边缘检测

为有效提取噪声较大的航空图像的边缘信息,对基于小波变换和数学形态学相结合的图像边缘检测算法进行了改进,将小波分解后的高频和低频子图分别进行边缘处理。对分解后的低频系数图像采用小波边缘检测方法,而对包含细节较多的高频系数图像则选取合适的结构元素,提出一种新的梯度算子,采用基于小尺度的数学形态学方法进行边缘检测,最后对2种边缘图像采用小波重构方法得到新的边缘图像。